ai-business-write/启动说明.md
2025-12-04 14:41:20 +08:00

3.6 KiB
Raw Blame History

智慧监督AI文书写作服务 - 启动说明

快速启动步骤

1. 创建虚拟环境(推荐)

Windows系统

# 运行安装脚本
setup_env.bat

Linux/Mac系统

# 运行安装脚本
chmod +x setup_env.sh
./setup_env.sh

手动创建虚拟环境:

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# Linux/Mac:
source venv/bin/activate

# 安装依赖
pip install -r requirements.txt

2. 配置环境变量

复制 .env.example.env

# Windows:
copy .env.example .env

# Linux/Mac:
cp .env.example .env

编辑 .env 文件填入你的硅基流动API密钥

SILICONFLOW_API_KEY=你的API密钥

3. 启动服务

确保虚拟环境已激活,然后运行:

python app.py

服务启动后,你会看到:

服务启动在 http://localhost:7500
测试页面: http://localhost:7500/

4. 访问测试页面

在浏览器中打开:http://localhost:7500/

测试接口

使用Web测试页面

  1. 访问 http://localhost:7500/
  2. 在"输入数据"区域填写输入字段
  3. 点击"开始解析"按钮
  4. 查看解析结果

使用curl命令测试

curl -X POST http://localhost:7500/api/ai/extract \
  -H "Content-Type: application/json" \
  -d "{\"businessType\":\"INVESTIGATION\",\"inputData\":[{\"fieldCode\":\"clue_info\",\"fieldValue\":\"被举报用户名称是张三年龄30岁\"}]}"

使用Python脚本测试

import requests

url = "http://localhost:7500/api/ai/extract"
data = {
    "businessType": "INVESTIGATION",
    "inputData": [
        {
            "fieldCode": "clue_info",
            "fieldValue": "被举报用户名称是张三年龄30岁某公司总经理"
        },
        {
            "fieldCode": "target_basic_info_clue",
            "fieldValue": "张三汉族1980年5月出生山西太原人本科学历"
        }
    ]
}

response = requests.post(url, json=data)
print(response.json())

验证服务

运行测试脚本验证服务是否正常:

python test_service.py

常见问题

1. 提示"未配置AI服务"

原因.env 文件中没有设置 SILICONFLOW_API_KEY

解决:编辑 .env 文件填入你的API密钥

2. 数据库连接失败

原因:数据库服务不可访问或配置错误

解决:检查 .env 文件中的数据库配置,确保数据库服务可访问

3. 模块导入失败

原因:依赖包未安装

解决:运行 pip install -r requirements.txt 安装所有依赖

4. 端口被占用

原因7500端口已被其他程序使用

解决:修改 app.py 中的端口号,或设置环境变量 PORT=其他端口号

项目结构

.
├── app.py                 # Flask主应用
├── requirements.txt      # Python依赖
├── .env.example          # 环境变量配置示例
├── .env                  # 环境变量配置(需自行创建)
├── test_service.py       # 服务测试脚本
├── services/             # 服务层
│   ├── ai_service.py     # AI服务大模型调用
│   └── field_service.py  # 字段服务(数据库操作)
├── utils/                # 工具类
│   └── response.py       # 响应格式化
└── static/               # 静态文件
    └── index.html        # 测试页面

下一步

  1. 配置API密钥后服务即可正常使用
  2. 访问测试页面进行功能测试
  3. 根据实际需求调整字段配置和AI提示词