情感支持机器人 - 运行指南

快速开始 🚀

1. 启动服务器

.\start_server.ps1

或者双击 start_server.bat

2. 测试 API

打开新的 PowerShell 窗口，运行：

.\test_api.ps1

3. 使用 Web 界面测试

在浏览器中访问：http://localhost:8000/docs

---

完整安装步骤（首次运行）

1. 安装依赖

pip install -r requirements.txt

2. 构建 RAG 索引

& "C:\Users\badger's thinkbook\AppData\Local\Programs\Python\Python313\python.exe" rag\build_index.py

3. 启动服务器

.\start_server.ps1

测试 API

使用 PowerShell 测试

$body = @{
    message = "I'm feeling very anxious and stressed today"
} | ConvertTo-Json

Invoke-RestMethod -Uri "http://localhost:8000/chat" -Method POST -Body $body -ContentType "application/json"

使用浏览器测试

访问: http://localhost:8000/docs 在 Swagger UI 中测试 /chat 端点

项目结构

bot/
├── app.py                  # FastAPI 主应用
├── config.py              # 配置文件（包含 API 密钥）
├── llm.py                 # OpenAI LLM 调用
├── requirements.txt       # Python 依赖
├── data/
│   └── kb/               # 知识库文档
│       ├── anxiety_management.txt
│       ├── depression_support.txt
│       └── stress_relief.txt
├── models/
│   └── emotion_model.py  # 情感分类模型
└── rag/
    ├── build_index.py    # 构建向量索引
    └── query.py          # 查询向量数据库

工作流程

1. 用户发送消息到 /chat 端点
2. 情感分类模型识别用户情绪（negative/neutral/positive）
3. RAG 系统从知识库检索相关上下文
4. 将情绪标签和上下文传递给 GPT-4o-mini
5. 生成同理心回复并返回给用户

注意事项

• 首次运行会下载情感分类模型（约 500MB）
• 确保已构建 RAG 索引再启动服务
• API 密钥已配置在 config.py 中
• 如需修改模型，在 llm.py 中更改 model 参数

常见问题

Q: 依赖安装失败？ A: 如果 torch 安装失败，可以访问 https://pytorch.org 选择适合您系统的版本

Q: 知识库为空？ A: 运行 python rag/build_index.py 构建索引

Q: 服务启动后无响应？ A: 检查端口 8000 是否被占用，可以修改端口号