智能文档检索
OA系统
智能文档检索
薪资系统
微信智能助手
aiWithWechat代码讲解(Java端)
作者：企起期 阅读次数：

演示视频

介绍

aiWithWechat后台部分是采用目前非常流程的SpringBoot框架实现，其中数据库访问采用mybatis-plus相关技术实现。aiWithWechat使用国内java最流行的技术栈，提供各类经过各种项目验证的组件方便在业务开发时的调用，例如HuTool、easyPOI、fastJson、freemarker等等。aiWithWechat的核心业务功能是设置问答，并把问题进行向量化存储到向量数据库中，然后在微信中进行使用。

本文档的作用只是起到抛砖引玉的作用，供广大爱好者或者相关行业工作者学习或借鉴。欢迎任何企业或个人联系企起期，我们的网址是www.iqiqiqi.cn。

项目目录结构

aiwithwechat
└── src		#源码目录
|  └── main
|  |  ├── java
|  |  |  └── com
|  |  |     └── iqiqiqi		#公司名
|  |  |        └── aiwithdoc	#项目名
|  |  |           ├── common	#通用模块部分
|  |  |           |  ├── annotation	#自定义注解
|  |  |           |  ├── aspect	#切面
|  |  |           |  ├── config	#项目配置
|  |  |           |  ├── constant	#常量
|  |  |           |  ├── dao	#BaseDao
|  |  |           |  ├── entity	#BaseEntity
|  |  |           |  ├── exception	#统一异常处理
|  |  |           |  ├── interceptor	#自定义拦截器
|  |  |           |  ├── page	#通用分页处理
|  |  |           |  ├── redis	#Redis相关封装
|  |  |           |  ├── service	#BaseService
|  |  |           |  ├── utils		#各种小组件，例如文件处理，字典处理等等
|  |  |           |  ├── validator	#后端校验
|  |  |           |  └── xss	#防xss攻击
|  |  |           ├── modules	#功能模块
|  |  |           |  ├── log	#日志管理
|  |  |           |  ├── qamgt	#问答管理
|  |  |           |  ├── oss	#对象存储服务
|  |  |           |  ├── security	#安全相关
|  |  |           |  └── sys	#系统管理
|  |  |           ├── PlatformApplication.java	#SpringBoot入口类
|  |  └── resources
|  |     ├── application-dev.yml	#开发环境
|  |     ├── application-prod.yml #生产环境
|  |     ├── application-test.yml #测试环境
|  |     ├── application.yml			#公共配置
|  |     ├── banner.txt		#启动时显示的文字
|  |     ├── dev
|  |     |  └── application.yml	#maven打包时用的文件
|  |     ├── i18n	#多语言
|  |     |  ├── messages.properties	
|  |     |  ├── messages_en_US.properties
|  |     |  ├── messages_zh_CN.properties
|  |     ├── logback-spring.xml	#日志配置
|  |     ├── mapper	#mybatisplus mapper文件
|  |     |  ├── log
|  |     |  ├── qamgt
|  |     ├── prod
|  |     |  └── application.yml	#maven打包时用的文件

代码讲解

一个成熟的后台项目包含很多技术框架类的内容，例如组件库，安全处理，统一日志处理，多语言，统一异常处理，excel导入导出等等。由于此aiWithWechat是一个完整的项目，虽然业务功能点不多，但技术框架该有的基础功能已经基本涵盖，以下从二个功能点代码进行讲解，起到抛砖引玉的作用，完整的代码学习还需要自行在项目中或者自行debug进行学习。

登录功能

对应《aiWithWechat代码讲解(前端部分)》，此处解析java端对应的后台部分。

/**
 * 登录
 * 
 * @author chenyu 2020-07-27
 */
@RestController
public class LoginController {
	@Autowired
	private SysUserService sysUserService;
	@Autowired
	private SysUserTokenService sysUserTokenService;
	@Autowired
	private CaptchaService captchaService;
	@Autowired
	private SysLogLoginService sysLogLoginService;

	@GetMapping("captcha")
	public void captcha(HttpServletResponse response, String uuid)throws IOException {
		//uuid不能为空
		AssertUtils.isBlank(uuid, ErrorCode.IDENTIFIER_NOT_NULL);

		//生成验证码
		captchaService.create(response, uuid);
	}

	@PostMapping("login")
	public Result login(HttpServletRequest request, @RequestBody LoginDTO login) {
		//效验数据
		ValidatorUtils.validateEntity(login);

		//验证码是否正确
		boolean flag = captchaService.validate(login.getUuid(), login.getCaptcha());
		if(!flag){
			return new Result().error(ErrorCode.CAPTCHA_ERROR);
		}

		//用户信息
		SysUserDTO user = sysUserService.getByUsername(login.getUsername());

		SysLogLoginEntity log = new SysLogLoginEntity();
		log.setOperation(LoginOperationEnum.LOGIN.value());
		log.setCreateDate(new Date());
		log.setIp(IpUtils.getIpAddr(request));
		log.setUserAgent(request.getHeader(HttpHeaders.USER_AGENT));
		log.setIp(IpUtils.getIpAddr(request));

		//用户不存在
		if(user == null){
			log.setStatus(LoginStatusEnum.FAIL.value());
			log.setCreatorName(login.getUsername());
			sysLogLoginService.save(log);

			throw new MyException(ErrorCode.ACCOUNT_PASSWORD_ERROR);
		}

		//密码错误
		if(!PasswordUtils.matches(login.getPassword(), user.getPassword())){
			log.setStatus(LoginStatusEnum.FAIL.value());
			log.setCreator(user.getId());
			log.setCreatorName(user.getUsername());
			sysLogLoginService.save(log);

			throw new MyException(ErrorCode.ACCOUNT_PASSWORD_ERROR);
		}

		//账号停用
		if(user.getStatus() == UserStatusEnum.DISABLE.value()){
			log.setStatus(LoginStatusEnum.LOCK.value());
			log.setCreator(user.getId());
			log.setCreatorName(user.getUsername());
			sysLogLoginService.save(log);

			throw new MyException(ErrorCode.ACCOUNT_DISABLE);
		}

		//登录成功
		log.setStatus(LoginStatusEnum.SUCCESS.value());
		log.setCreator(user.getId());
		log.setCreatorName(user.getUsername());
		sysLogLoginService.save(log);

		return sysUserTokenService.createToken(user.getId());
	}

}

以上代码包括二个函数，一个是captcha，另一个是login函数。其中captcha用来生成验证码，login函数用来处理登录请求。

captcha函数

@GetMapping("captcha") 声明该restful接口为get请求，captchaService.create(response, uuid);代码表示调用captchaService的create方法生成验证码，参数uuid为前端传过来的唯一码。

@Service
public class CaptchaServiceImpl implements CaptchaService {
    @Autowired
    private RedisUtils redisUtils;
    @Value("${redisopen: false}")
    private boolean open;
    /**
     * Local Cache  5分钟过期
     */
    Cache<String, String> localCache = CacheBuilder.newBuilder().maximumSize(1000).expireAfterAccess(5, TimeUnit.MINUTES).build();

    @Override
    public void create(HttpServletResponse response, String uuid) throws IOException {
        response.setContentType("image/gif");
        response.setHeader("Pragma", "No-cache");
        response.setHeader("Cache-Control", "no-cache");
        response.setDateHeader("Expires", 0);

        //生成验证码
        ArithmeticCaptcha captcha = new ArithmeticCaptcha(150, 40);
        captcha.setLen(2);
        captcha.getArithmeticString();
        captcha.out(response.getOutputStream());

        //保存到缓存
        setCache(uuid, captcha.text());
    }

    @Override
    public boolean validate(String uuid, String code) {
        //获取验证码
        String captcha = getCache(uuid);

        //效验成功
        if(code.equalsIgnoreCase(captcha)){
            return true;
        }

        return false;
    }

    private void setCache(String key, String value){
        if(open){
            key = RedisKeys.getCaptchaKey(key);
            redisUtils.set(key, value, 300);
        }else{
            localCache.put(key, value);
        }
    }

    private String getCache(String key){
        if(open){
            key = RedisKeys.getCaptchaKey(key);
            String captcha = (String)redisUtils.get(key);
            //删除验证码
            if(captcha != null){
                redisUtils.delete(key);
            }

            return captcha;
        }

        String captcha = localCache.getIfPresent(key);
        //删除验证码
        if(captcha != null){
            localCache.invalidate(key);
        }
        return captcha;
    }
}

create方法，用于生成验证码并将其写入HTTP响应中。该方法首先设置响应的内容类型和缓存控制头，然后使用ArithmeticCaptcha生成一个算术验证码，并将其输出到响应的输出流中。最后，将验证码保存到缓存中。验证码的组件为EasyCaptcha，支持gif、中文、算术等类型，本例使用的是算术类型。

validate方法，用于验证用户输入的验证码是否正确。该方法首先从缓存中获取验证码，然后将用户输入的验证码与缓存中的验证码进行比较，如果相等则返回true，否则返回false。

私有方法setCache，用于将验证码保存到缓存中。如果开启了Redis缓存，则将验证码保存到Redis中，否则保存到本地缓存中。

私有方法getCache，用于从缓存中获取验证码。如果开启了Redis缓存，则从Redis中获取验证码，并在获取后删除该验证码（为了保证安全）。否则从本地缓存中获取验证码，并在获取后从缓存中删除。

login函数

@PostMapping注解表示该restful接口为POST请求。该方法首先验证请求数据的有效性，然后验证验证码是否正确。如果正确，则根据用户名获取用户信息，并进行密码验证、账号状态验证等逻辑处理。最后，调用sysUserTokenService.createToken方法创建用户的登录令牌，并返回结果。

public SysUserDTO getByUsername(String username) {
    SysUserEntity entity = baseDao.getByUsername(username);
    return ConvertUtils.sourceToTarget(entity, SysUserDTO.class);
}

以上代码是根据用户名得到用户实体的service实现，调用的sql如下：

<select id="getByUsername" resultType="com.iqiqiqi.aiwithdoc.modules.sys.entity.SysUserEntity">
  select * from sys_user where username = #{value}
</select>

问答管理

为实现在微信中的机器人按照预制的问题进行解答，对应的管理端就需要有问答数据设置的相关功能点。前端传过来问答数据后，java端调用OpenAI接口，把问题进行向量化，并把相关的向量化数据存入到向量数据库中（本项目用到的向量数据库为pgvector）。以下是controller代码:

@PostMapping
@RequiresPermissions("qamgt:qa:save")
public Result save(@RequestBody QaDTO dto) throws SQLException {
    //需要设置代理，否则openAI禁止访问
    System.setProperty("java.net.useSystemProxies", openAiConfig.getUseSystemProxies());
    System.setProperty("https.proxyHost", openAiConfig.getProxyHost());
    System.setProperty("https.proxyPort", openAiConfig.getProxyPort());

    Map<String,Object> embedObj = qaService.getQuestionEmbedding(dto.getQuestion());
    dto.setTokens(Integer.valueOf(embedObj.get("tokens").toString()));
    dto.setEmbedding(new PGvector(embedObj.get("embedding").toString()));

    qaService.insertIncludeVector(dto);

    return new Result();
}

根据注解可以看出，此restful接口为post请求，另外一个注解是进行权限判断。函数体中是调用service层的接口得到问题对应的向量化数据，再调用service接口进行问答对象的保存，以下是service层代码:

@Override
public Map<String, Object> getQuestionEmbedding(String q) {
    Map<String, Object> rtn = new HashMap<>();
    String embeddingUrl = openAiConfig.getApi_base()+"/embeddings";

    Map<String, String > heads = new HashMap<>();
    heads.put("Content-Type", "application/json;charset=UTF-8");
    heads.put("Authorization", "Bearer "+openAiConfig.getApiKey());

    Map<String, Object> params = new HashMap<>();
    params.put("input",q);
    params.put("model", "text-embedding-ada-002");

    String result = HttpRequest.post(embeddingUrl).headerMap(heads, false).body(JSON.toJSONString(params)).timeout(120000).execute().body();

    com.alibaba.fastjson.JSONObject json = JSON.parseObject(result);

    rtn.put("embedding",json.getJSONArray("data").getJSONObject(0).getString("embedding"));
    rtn.put("tokens",json.getJSONObject("usage").getString("total_tokens"));


    return rtn;
}

@Override
public void insertIncludeVector(QaDTO dto) {
    QaEntity entity = ConvertUtils.sourceToTarget(dto,QaEntity.class);
    long id = IdWorker.getId();
    long currentUserId = SecurityUser.getUserId();
    entity.setCreateDate(new Date());
    entity.setCreator(currentUserId);
    entity.setId(id);

    baseDao.insertIncludeVector(entity);
}

@Override
public void updateIncludeVector(QaDTO dto) {
    QaEntity entity = ConvertUtils.sourceToTarget(dto,QaEntity.class);

    long currentUserId = SecurityUser.getUserId();
    entity.setUpdateDate(new Date());
    entity.setUpdater(currentUserId);

    baseDao.updateIncludeVector(entity);
}

以上service的实现包括三个函数，一个为调用接口获得对应的向量数据，一个为调用接口增加对应的问答对象，另外一个为修改指定的问答对象。由于用到了向量数据，因此并不能用传统的方式进行对象的保存和修改，而是需要用显示的sql语句进行保存或者修改。

  1. 获得对应的向量数据(getQuestionEmbedding)

函数的主体是首先通过配置类得到对应的embeddingUrl，其次组织对应的http请求头相关信息，设置对应的模型为"text-embedding-ada-002"，通过HuTools的HttpRequet进行post请求，得到对应的响应。通过fastjson的JSON把响应字符串转换成JSONObject对象，再取出对应的embedding向量数据以及total_tokens，封装到返回的HashMap中。

  1. 保存包括向量数据的实体（insertIncludeVector）

由于向量数据的特殊性，因此不能调用继承的service进行实体保存，而是调用特定的dao接口进行原生数据的插入。对应的xml mapper如下：

<insert id="insertIncludeVector">
  insert into tb_qa (id,question,answer,tokens,embedding,creator,create_date) values
  (${id},'${question}','${answer}',${tokens},'${embedding}',${creator},'${createDate}')
</insert>

  1. 修改包括向量数据的实体（updateIncludeVector）

由于向量数据的特殊性，因此不能调用继承的service进行实体修改，而是调用特定的dao接口进行原生数据的修改。对应的xml mapper如下：

<update id="updateIncludeVector">
    UPDATE "tb_qa" SET "question" = '${question}', "answer" = '${answer}',
        "tokens" = ${tokens}, "embedding" = '${embedding}',
        "updater" = ${updater}, "update_date" = '${updateDate}'
        WHERE "id" = ${id}
</update>


返回列表
产品演示
OA系统 巡检系统 薪资系统 文档检索 智能助手
服务介绍
域名注册服务 域名备案服务 自建网站服务 企业邮箱服务 软著申请服务
课件视频
OA系统系统设计 OA系统前端讲解 OA系统后端讲解
前端技术
VUE NEXT Tauri Tailwind Element ECharts
Python相关
python中文网 Gradio pandas Flask python组件大全 Wechaty pythonDocx
Java相关
Apache Spring HuTools EasyPOI MyBatis-Plus Redis FreeMarker
AI技术
OpenAI AI导航站 LangChain LLamaIndex HugginFace Faiss Bard MidJourney D-ID

扫码关注不迷路！！！

郑州升龙商业广场B座25层

service@iqiqiqi.cn

企起期科技 qiqiqi

联系电话：400-8049-474

联系电话：187-0363-0315

联系电话：199-3777-5101

豫ICP备2023011943号-1 版权所有 ©宁安乐(郑州)信息技术有限公司2023-2046 保留一切权利。

豫公网安备 41019702003311号