DooTask AI 是一个灵活的 AI 对话服务，支持多种 AI 模型，提供统一的 API 接口。

1. OpenAI GPT (model_type: openai)

   • model_name: gpt-4o ...
   • 特点：强大的通用语言理解和生成能力

2. Anthropic Claude (model_type: claude)

   • model_name: claude-3-5-sonnet-latest ...
   • 特点：强大的自然语言处理能力，擅长流畅对话和深度内容理解

3. Deepseek (model_type: deepseek)

   • model_name: deepseek-reasoner ...
   • 特点：高效精准的数据挖掘与分析，提供深度洞察和智能决策支持

4. Google Gemini (model_type: gemini)

   • model_name: gemini-1.5-pro ...
   • 特点：支持多模态输入的新一代 AI 模型

5. 智谱 AI (model_type: zhipu)

   • model_name: glm-4 ...
   • 特点：专注中文处理的大语言模型

6. 通义千问 (model_type: qwen)

   • model_name: qwen-turbo ...
   • 特点：阿里巴巴开发的多语言模型

7. 百度文心一言 (model_type: wenxin)

   • model_name: ernie-4.0-8k ...
   • 特点：擅长中文理解和生成的模型

8. Cohere (model_type: cohere)

   • model_name: command-r ...
   • 特点：适用于文本生成、分类和搜索等任务

9. Ollama (model_type: ollama)

   • model_name: ollama-3.5-8k ...
   • 特点：适用于文本生成、分类和搜索等任务

10. XAI (model_type: grok or xai)

• model_name: grok-2 ...
• 特点：适用于文本生成、分类和搜索等任务

• 统一的 API 接口

  • RESTful API 设计
  • 流式响应支持（Server-Sent Events）
  • 完整的错误处理

• 自动化管理

  • 自动超时检测（1分钟）
  • 自动数据清理（10分钟）
  • 内存优化管理

• Python 3.8+
• Flask
• LangChain
• Redis
• Requests

1. 克隆仓库：

git clone [repository-url]
cd dootask-ai

2. 安装并启动 Redis：

# macOS
brew install redis
brew services start redis

# Linux
sudo apt-get install redis-server
sudo systemctl start redis-server

3. 安装依赖：

python -m venv venv
source venv/bin/activate  # Linux/macOS
# 或 .\venv\Scripts\activate  # Windows
pip install -r requirements.txt

4. 启动服务：

python main.py

1. 克隆仓库：

git clone [repository-url]
cd dootask-ai

2. 构建并启动服务：

# 构建镜像并启动服务（首次部署或代码更新时使用）
docker-compose up --build -d

# 仅启动服务（镜像已存在时使用）
docker-compose up -d

3. 查看服务日志：

docker-compose logs -f app

4. 停止服务：

docker-compose down

默认服务端口为 5001，可通过环境变量 PORT 修改。 Redis 默认连接到 localhost:6379，可通过环境变量 REDIS_HOST 和 REDIS_PORT 修改。

API 文档提供了以下访问方式：

1. 在线查看：

   • 直接访问 Swagger UI：http://localhost:5001/swagger

2. 导入到 Swagger Editor：

   • 将 http://localhost:5001/swagger.yaml 的内容复制到编辑器中
   • 或者直接导入 URL：File -> Import URL -> 输入 http://localhost:5001/swagger.yaml

这样你可以：

• 查看所有 API 端点的详细说明
• 了解请求和响应的数据结构
• 直接在线测试 API 接口

对话模式支持上下文对话，通过 /chat 接口发送消息，然后通过 /stream/{msg_id}/{stream_key} 接口获取流式响应。

GET /chat?text=hello&token=xxx&dialog_id=123&msg_uid=456&bot_uid=789&version=1.0&extras={"model_type":"openai","model_name":"gpt-3.5-turbo","server_url":"https://api.example.com","api_key":"your-api-key"}

参数说明：

• text: 对话内容
• token: 认证令牌
• dialog_id: 对话ID
• msg_uid: 消息用户ID
• bot_uid: 机器人用户ID
• version: API版本
• extras: 额外参数（JSON字符串）
  • model_type: 模型类型
  • model_name: 模型名称
  • system_message: 系统提示词（可选）
  • server_url: 服务器地址
  • api_key: API密钥
  • base_url: 基础URL（可选）
  • agency: 代理服务器（可选）
  • temperature: 温度（可选，默认为 0.7）
  • context_key: 自定义上下文键（可选，留空自动生成）
  • before_text: 前置上下文，在系统提示词之后（可选，不保存在下次上下文，上下文优先级：自定义上下文（对话内容） > 系统提示词 > 前置上下文）
  • context_limit: 上下文限制（可选）

GET /stream/{msg_id}/{stream_key}

参数说明：

• msg_id: 消息ID
• stream_key: 流密钥

直接调用模式不保存上下文，适合单次问答场景。通过 /invoke 接口直接获取 AI 响应。

GET /invoke?text=hello&model_type=openai&model_name=gpt-4&api_key=your-api-key&system_message=optional-system-message&agency=optional-proxy

参数说明：

• text: 对话内容（必需）
• api_key: API密钥（必需）
• model_type: 模型类型（可选，默认为 openai）
• model_name: 模型名称（可选，默认为 gpt-3.5-turbo）
• system_message: 系统提示词（可选）
• base_url: 基础URL（可选）
• agency: 代理服务器（可选）
• temperature: 温度（可选，默认为 0.7）
• context_key: 上下文键（可选）
• before_text: 前置上下文（可选）
• context_limit: 上下文限制（可选）

响应格式：

{
    "code": 200,
    "data": {
        "content": "AI 的回复内容",
        "usage": {
            "total_tokens": 总token数,
            "prompt_tokens": 输入token数,
            "completion_tokens": 输出token数
        }
    }
}

dootask-ai/
├── main.py          # 主程序入口
├── helper/          # 辅助模块目录
│   ├── __init__.py  # Python 包标记
│   ├── redis.py     # Redis 管理类
│   ├── request.py   # 请求处理类
│   └── utils.py     # 工具函数
├── tests/           # 测试目录
│   ├── __init__.py  # Python 包标记
│   └── test_main.py # 主要测试文件
├── static/          # 静态文件
│   └── swagger.yaml # API文档
├── docker-compose.yml # Docker 编排配置
├── Dockerfile        # Docker 构建文件
└── requirements.txt  # 项目依赖

1. RedisManager 类（helper/redis.py）

   • 管理会话上下文和输入数据
   • 支持多进程数据共享
   • 自动过期和清理机制

2. Request 类（helper/request.py）

   • 处理与服务器的通信
   • 支持不同的请求动作（sendtext/stream）
   • 自动处理超时和错误

3. 超时管理

   • 后台线程自动检查超时请求
   • 自动清理过期数据
   • 资源优化管理

4. 流式响应

   • 支持 SSE（Server-Sent Events）
   • 实时响应更新
   • 完整的错误处理

项目包含自动化测试套件，使用 pytest 进行测试。

1. 安装测试依赖：

pip install pytest pytest-cov

2. 运行测试：

# 运行所有测试
pytest

# 运行并生成覆盖率报告
pytest --cov=./ --cov-report=html

• 健康检查接口测试
• Redis 连接测试
• API 功能测试
• 错误处理测试

项目使用 GitHub Actions 进行持续集成和部署：

1. 自动化测试

   • 运行单元测试
   • 生成代码覆盖率报告
   • 上传覆盖率报告到 Codecov

2. Docker 构建

   • 构建多架构镜像（amd64/arm64）
   • 测试 docker-compose 部署
   • 推送镜像到 GitHub Container Registry 和 Docker Hub

使用 docker-compose 一键部署：

# 启动服务
docker-compose up -d

# 查看服务状态
docker-compose ps

# 查看日志
docker-compose logs -f

# 停止服务
docker-compose down

可以通过环境变量配置服务：

对于某些需要代理访问的模型（如 Gemini），可以通过以下方式配置代理：

1. 环境变量方式：

export HTTP_PROXY=socks5://proxyuser:password@host:port
export HTTPS_PROXY=socks5://proxyuser:password@host:port
docker-compose up

2. API 调用时指定：

{
    "extras": {
        "model_type": "gemini",
        "model_name": "gemini-pro",
        "api_key": "your-api-key",
        "agency": "socks5://proxyuser:password@host:port"
    }
}

注意：使用代理时请确保：

• 代理服务器稳定可用
• 代理服务器支持相应的协议（HTTP/HTTPS/SOCKS5）
• 如有需要，正确配置代理认证信息

1. API 密钥安全

   • 不要在代码中硬编码 API 密钥
   • 使用环境变量或配置文件管理敏感信息

2. Redis 配置

   • 生产环境建议配置 Redis 密码
   • 使用专门的 Redis 服务器
   • 定期备份 Redis 数据

3. 代理设置

   • 可通过 extras.agency 参数设置代理
   • 支持 HTTP 和 HTTPS 代理

4. 错误处理

   • 所有请求都有适当的错误处理
   • 超时自动处理
   • 详细的错误信息返回

本项目采用 MIT License 开源许可证。