admin 管理员组

文章数量: 1184232

本篇弄懂和AI聊天时的代码逻辑，暂时先不使用知识库。

completion方法

前端输入聊天内容，点击“发送”按钮后，后端将由api\apps\conversation_app.py文件下的completion方法处理。completion方法中，之前和当前的聊天内容msg由前端请求发出，并且会通过聊天关联的dialog_id从DialogService查询到助理信息，这些内容均在上一篇笔记中有记录。之后方法会给conv附上reference和chunks，不过目前还不清楚这些额外的信息是干什么的。再之后，会构造stream流，并调用chat方法，从这里开始进入与模型的交互。

chat_solo方法

 api\db\services\dialog_service.py文件下的chat方法，开始就是判断助理dialog是否有关联知识库，我们怀疑不使用知识库的场景正是走这个分支，加一个断点到chat_solo方法，并在前端随便发些内容，结果如下：

可以看到确实走到了这条分支，同时也能看到kb_ids为空list。

下面step into chat_solo方法。方法首先初始化 LLMBundle，传进来的参数中，tenant_id等同于UserId，llm_type即embedding、chat、image2text之类的，llm_name即llm_id见后面的解释。然后TenantLLMService.model_instance方法生成模型代理self.mdl，model_instance方法会根据llm_type和llm_factory查找不同的dict ...Model，llm_factory即先前笔记（三）中模型提供商的name（conf\llm_factories.json文件下每个模型提供商的name）。再后面的TenantLangfuseService相关代码目前第一次看到，

本文标签： 源码 笔记 RAGFlow

版权声明：本文标题：RAGFlow源码阅读笔记（五） 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1765775177a3413577.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。