这是一个基于 FastAPI 的 AI 智能助手后端系统，集成了多种 AI 工具和功能，支持对话历史持久化和实时流式响应。

• 智能对话系统：
  • 基于 LangChain 和 LangGraph 的多轮对话
  • ⏰ 时间感知功能：系统自动获取并显示当前中国标准时间 (GMT+8)
  • 增强时效性查询的准确性，为时间敏感问题提供精准回答
• 强化工具集成：
  • 🔍 智能网页搜索：
    • 集成 search1api 实时搜索功能
    • NEW: LLM 智能总结功能，自动提炼搜索结果核心信息
    • 🎛️ 可控总结功能：通过 summary_with_llm 参数动态控制
    • 双层输出：智能总结 + 详细搜索结果（含完整链接）
    • 结构化 markdown 格式，重点信息自动加粗
    • 去重去冗余，按重要性排序组织信息
  • 🌐 网页爬取：
    • 批量网页内容抓取和智能解析
    • NEW: LLM 智能总结功能，自动分析多个网页的关键信息
    • 🎛️ 可控总结功能：通过 summary_with_llm 参数动态控制
    • 多网页内容综合分析，识别关联性和互补性
    • 结构化 markdown 格式，来源标注清晰
  • 🧮 强化数学计算工具：
    • 安全的 AST 数学表达式计算（替代不安全的 eval）
    • 支持 40+ 数学函数：三角函数、对数、指数、统计函数等
    • 描述性统计分析：均值、中位数、标准差、四分位数等
    • 分布分析：偏度、峰度、正态性检验
    • 概率计算：正态分布参数估计、Z分数计算
    • 支持列表运算和复杂数学表达式
  • 📊 数据库查询：通过 MCP 客户端查询学生成绩等数据
• MCP 工具结果智能处理：
  • 支持多种处理模式：原始、摘要、格式化、过滤、结构化
  • 自动优化工具输出的可读性和实用性
  • 智能识别和处理不同类型的工具结果
• 结构化输出：将 LLM 输出解析为 Python 对象
• 对话历史管理：
  • 基于 PostgreSQL 的持久化存储
  • 支持消息编辑、删除、历史查询
  • 多线程对话管理
  • 智能对话命名：基于LLM的自动标题生成，准确概括对话主题
• 多模型支持：支持 DeepSeek、OpenAI 兼容 API
• 流式响应：Server-Sent Events 实时对话体验
• 跨域支持：已配置 CORS 中间件，支持所有来源的跨域请求
• 多智能体测试框架：支持并行和顺序多智能体协作测试

• FastAPI：高性能异步 Web 框架
• LangChain：LLM 应用开发框架
• LangGraph：状态图管理和工具编排
• PostgreSQL：对话历史持久化存储

• DeepSeek API：主要 LLM 服务提供商（默认：Qwen/Qwen2.5-7B-Instruct）
• 多工具系统：智能搜索、安全计算、数据查询、批量爬取等
• 智能总结引擎：专用 LLM 模型对搜索结果和网页爬取内容进行智能总结和信息提炼
• 动态时间感知：每次对话自动更新当前时间信息，提升时效性查询准确性
• MCP 客户端：Model Context Protocol 客户端集成
• 流式响应：基于 Server-Sent Events 的实时对话体验

• Python 3.8+
• PostgreSQL 数据库
• API 密钥（DeepSeek/OpenAI 兼容服务）

pip install fastapi uvicorn langchain langchain-anthropic langchain-deepseek langchain-openai langgraph psycopg asyncpg fastmcp pytz

确保 PostgreSQL 服务运行，并创建数据库：

CREATE DATABASE chatbot;

# 开发模式
uvicorn main:app --reload

# 生产模式
uvicorn main:app --host 0.0.0.0 --port 8000

• POST /chat/tools - 带工具的智能对话
  • 请求参数：

    {
      "thread_id": "string",      // 线程ID
      "query": "string",          // 用户问题
      "model": "string",          // 可选：模型名称，默认 "Qwen/Qwen2.5-7B-Instruct"
      "summary_with_llm": false   // 可选：是否启用LLM智能总结，默认 false
    }

  • 总结功能控制：
    • summary_with_llm: true → 搜索结果和网页爬取内容经过LLM智能总结
    • summary_with_llm: false → 返回原始格式化结果
• GET /chat/history/{thread_id} - 获取对话历史
• DELETE /chat/history/{thread_id} - 删除对话线程

• GET /chat/message/{thread_id}/{message_id} - 根据消息ID获取指定消息
• POST /chat/history/edit - 编辑消息（按索引）
• POST /chat/history/edit/id - 编辑消息（按ID）
• POST /chat/history/delete - 删除消息
• POST /chat/history/delete/after - 删除指定消息之后的所有消息

• POST /chat/name/{thread_id} - 智能对话命名：根据对话内容自动生成简洁有意义的标题
  • 功能特点：
    • 分析对话前几轮内容，提取核心主题
    • 生成8-15字符的简洁标题
    • 智能识别技术问题、日常对话等不同类型
    • 自动过滤冗余词汇，突出关键信息
  • 返回格式：

    {
      "thread_id": "string",
      "title": "生成的对话标题",
      "status": "success"
    }

• POST /house/ - 房屋信息结构化提取

FastAPIProject/
├── main.py                     # FastAPI 应用入口
├── config.py                   # 全局配置文件
├── CLAUDE.md                   # Claude Code 项目指南
├── SECURITY.md                 # 安全说明文档
├── controller/                 # 控制器层（含 __init__.py）
│   ├── __init__.py            # Python 包初始化
│   ├── LLMController.py       # LLM 相关接口
│   └── UserController.py      # 用户相关接口
├── service/                   # 服务层（含 __init__.py）
│   ├── __init__.py
│   ├── LLMService.py
│   └── impl/
│       ├── __init__.py
│       └── LLMServiceImpl.py
├── llm/                       # AI 功能模块（含 __init__.py）
│   ├── __init__.py
│   ├── llm_chat_with_tools/   # 带工具的对话系统
│   │   ├── __init__.py
│   │   ├── README.md          # 模块详细文档
│   │   ├── chatbot/           # ChatBot 核心实现
│   │   │   ├── __init__.py
│   │   │   └── ChatBot.py
│   │   └── tools/             # 工具集成
│   │       ├── __init__.py
│   │       ├── calculate_tools.py    # 强化数学计算工具
│   │       ├── search_tools.py       # 智能搜索和爬取工具（含LLM总结）
│   │       └── result_processor.py   # MCP结果处理器
│   ├── llm_praser/            # 输出解析
│   │   ├── __init__.py
│   │   ├── llm_func.py
│   │   ├── llm_graph.py
│   │   ├── llm_out.py
│   │   └── llm_schema.py
│   └── llm_chat/              # 基础对话
│       ├── __init__.py
│       ├── chat_graph.py
│       ├── chat_schema.py
│       └── llm_func.py
├── dao/                       # 数据访问层（含 __init__.py）
│   ├── __init__.py
│   ├── entity/
│   └── test/
│       ├── __init__.py
│       ├── SQLTest.py
│       ├── file_test.py
│       └── file.txt
├── vo/                        # 数据传输对象（含 __init__.py）
│   ├── __init__.py
│   ├── BatchDeleteRequest.py
│   ├── ChatAgentRequest.py
│   ├── EditMessageRequest.py
│   └── HouseInfoRequest.py
├── Test/                      # 测试模块（含 __init__.py）
│   ├── __init__.py
│   ├── multi_agent.py         # 多智能体测试框架
│   └── multi_agent_test_report.json  # 测试报告
├── test_enhanced_calculate.py # 计算工具测试
├── test_chat_naming.py        # 对话命名测试
├── test_result_processing.py  # 结果处理测试
└── test_main.http             # API 测试文件

项目使用 config.py 统一管理配置，包含：

• API 密钥（DeepSeek、搜索服务等）
• 数据库连接信息
• MCP 服务器配置
• 外部服务端点

项目已完成 Python 包结构优化：

• ✅ 所有目录都包含 __init__.py 文件
• ✅ 规范的 Python 包导入结构
• ✅ 更好的 IDE 支持和代码补全
• ✅ 清晰的模块边界和依赖关系

• 使用 test_main.http 文件测试 API 接口
• 访问 http://localhost:8000/docs 查看自动生成的 API 文档
• 运行 python test_enhanced_calculate.py 测试数学计算功能
• 运行 python Test/multi_agent.py 测试多智能体协作功能
• 运行 python test_chat_naming.py 测试智能对话命名功能
• 运行 python test_result_processing.py 测试结果处理功能
• 运行 dao/test/ 中的数据库测试文件

• 在 llm/llm_chat_with_tools/tools/ 目录下添加新的工具函数
• 在 controller/ 中添加新的 API 端点
• 在 vo/ 中定义新的请求/响应模型
• 通过 MCP 客户端集成外部服务和工具
• 参考 llm/llm_chat_with_tools/README.md 了解工具开发详情

• CLAUDE.md - Claude Code 集成和开发指南
• SECURITY.md - 项目安全说明和最佳实践
• llm/llm_chat_with_tools/README.md - 工具模块详细文档
• readme.md - 项目主要文档（本文件）

• 安全计算：使用 AST 解析替代 eval，防止代码注入
• 输入验证：Pydantic 模型验证所有 API 输入
• 结果处理：MCP 工具结果智能过滤和格式化
• 数据库安全：使用参数化查询防止 SQL 注入

• 确保 PostgreSQL 数据库正常运行
• 配置正确的 API 密钥和服务端点
• 生产环境需要适当的安全配置
• 注意 API 调用频率限制
• MCP 服务器需要单独启动和配置