# LangChain 聊天机器人项目

基于 LangChain、LangGraph 和 Ollama 的智能对话机器人，支持意图分析、订单诊断和自然对话。

## 🚀 项目特性

- **多种对话模式**: 支持简单对话链和复杂工作流两种模式
- **意图分析**: 自动识别用户意图，智能路由到相应处理节点
- **订单诊断**: 专门的订单查询和问题诊断功能
- **流式输出**: 支持实时流式响应，提升用户体验
- **FastAPI 接口**: 提供完整的 REST API 接口
- **命令行工具**: 支持命令行交互模式
- **监控集成**: 集成 LangSmith 进行对话监控和分析

## 📁 项目结构

```
langchain-project/
├── src/                          # 源代码目录
│   ├── services/                 # 服务层
│   │   ├── ollama_service.py     # Ollama 服务封装
│   │   └── langsmith_service.py  # LangSmith 监控服务
│   ├── models/                   # 数据模型
│   │   └── chat_models.py        # 对话相关数据模型
│   ├── workflows/                # LangGraph 工作流
│   │   ├── chat_workflow.py      # 主工作流
│   │   └── nodes/                # 工作流节点
│   │       ├── intent_analysis.py    # 意图分析节点
│   │       ├── order_diagnosis.py    # 订单诊断节点
│   │       └── natural_chat.py       # 自然对话节点
│   └── chains/                   # LangChain 对话链
│       └── simple_chat_chain.py  # 简单对话链
├── data/                         # 数据文件
│   └── mock_orders.json          # 模拟订单数据
├── tests/                        # 测试文件
│   ├── test_ollama.py            # Ollama 服务测试
│   ├── test_simple_chain.py      # 简单对话链测试
│   ├── test_workflow.py          # 工作流测试
│   └── test_api.py               # API 接口测试
├── main.py                       # FastAPI 主应用
├── cli_chat.py                   # 命令行聊天程序
├── run_tests.py                  # 测试运行器
├── requirements.txt              # Python 依赖
├── .env                          # 环境变量配置
└── README.md                     # 项目说明
```

## 🛠️ 安装和配置

### 1. 安装依赖

```bash
pip install -r requirements.txt
```

### 2. 安装和配置 Ollama

```bash
# 安装 Ollama (Linux/macOS)
curl -fsSL https://ollama.ai/install.sh | sh

# 下载所需模型
ollama pull deepseek-v3.1:671b-cloud      # 聊天模型
ollama pull qwen3:8b    # 路由模型 (轻量级)
```

### 3. 配置环境变量

复制 `.env` 文件并根据需要修改配置：

```bash
# Ollama 配置
OLLAMA_BASE_URL=http://localhost:11434
CHAT_MODEL=deepseek-v3.1:671b-cloud
ROUTER_MODEL=qwen3:8b

# LangSmith 配置 (可选)
LANGCHAIN_TRACING_V2=false
LANGCHAIN_API_KEY=your_langsmith_api_key
LANGCHAIN_PROJECT=langchain-chatbot

# 应用配置
DEBUG=true
LOG_LEVEL=INFO
```

## 🚀 运行项目

### 1. 启动 FastAPI 服务器

```bash
python main.py
```

服务器将在 `http://localhost:8000` 启动。

### 2. 使用命令行聊天

```bash
python cli_chat.py
```

支持的命令：

- `/help` - 显示帮助信息
- `/clear` - 清空对话历史
- `/history` - 显示对话历史
- `/mode [workflow|simple]` - 切换对话模式
- `/status` - 显示系统状态
- `/quit` - 退出程序

### 3. API 接口使用

#### 健康检查

```bash
curl http://localhost:8000/health
```

#### 创建会话

```bash
curl -X POST http://localhost:8000/sessions \
  -H "Content-Type: application/json" \
  -d '{}'
```

#### 发送消息 (非流式)

```bash
curl -X POST http://localhost:8000/chat/simple \
  -H "Content-Type: application/json" \
  -d '{
    "message": "你好",
    "session_id": "your_session_id"
  }'
```

#### 发送消息 (流式)

```bash
curl -X POST http://localhost:8000/chat \
  -H "Content-Type: application/json" \
  -d '{
    "message": "帮我查询订单 ORD12345",
    "session_id": "your_session_id",
    "stream": true
  }'
```

## 🧪 运行测试

### 运行所有测试

```bash
python run_tests.py
```

### 运行单个测试

```bash
# 测试 Ollama 服务
python tests/test_ollama.py

# 测试简单对话链
python tests/test_simple_chain.py

# 测试工作流
python tests/test_workflow.py

# 测试 API 接口 (需要先启动服务器)
python tests/test_api.py
```

## 📊 API 文档

启动服务器后，访问以下地址查看 API 文档：

- Swagger UI: `http://localhost:8000/docs`
- ReDoc: `http://localhost:8000/redoc`

## 🔧 主要功能

### 1. 意图分析

系统会自动分析用户输入，识别以下意图：

- `order_inquiry`: 订单查询相关
- `general_chat`: 一般对话
- `greeting`: 问候
- `goodbye`: 告别

### 2. 订单诊断

当识别到订单相关意图时，系统会：

- 提取订单信息（订单号、客户信息等）
- 查询订单状态
- 分析可能的问题
- 提供解决建议

### 3. 自然对话

处理日常对话，包括：

- 问候和告别
- 一般性问题
- 闲聊对话
- 功能介绍

### 4. 流式输出

支持实时流式响应，包括：

- 思考过程展示
- 逐步分析结果
- 实时响应生成

## 🔍 监控和调试

### LangSmith 集成

如果配置了 LangSmith，系统会自动记录：

- 对话开始和结束
- 意图分析结果
- 工作流步骤
- 模型调用
- 错误信息

### 日志记录

系统使用 Python logging 模块记录详细日志，可通过 `LOG_LEVEL` 环境变量控制日志级别。

## 🤝 贡献

欢迎提交 Issue 和 Pull Request！

## 📄 许可证

MIT License

## 📞 支持

如有问题，请查看：

1. 项目文档
2. 测试用例
3. API 文档
4. 提交 Issue