feat: 重大功能更新 v1.4.0 - 飞书集成、AI语义相似度、前端优化

主要更新内容: - 🚀 飞书多维表格集成，支持工单数据同步 - 🤖 AI建议与人工描述语义相似度计算 - 🎨 前端UI全面优化，现代化设计 - 📊 智能知识库入库策略（AI准确率<90%使用人工描述） - 🔧 代码重构，模块化架构优化 - 📚 完整文档整合和更新 - 🐛 修复配置导入和数据库字段问题技术特性: - 使用sentence-transformers进行语义相似度计算 - 快速模式结合TF-IDF和语义方法 - 响应式设计，支持移动端 - 加载状态和动画效果 - 配置化AI准确率阈值
2025-09-19 19:32:42 +01:00
parent 79cf316c63
commit da4736c323
30 changed files with 4778 additions and 1406 deletions
--- a/src/web/blueprints/README.md
+++ b/src/web/blueprints/README.md
@@ -21,6 +21,7 @@
  - `knowledge.py`: 知识库管理相关API
  - `monitoring.py`: 监控相关API
  - `system.py`: 系统管理相关API
+  - ~~`feishu_sync.py`~~: 已合并到主仪表板（删除）

 ## 蓝图模块说明

@@ -59,6 +60,12 @@
 - `/api/backup/*` - 数据备份
 - `/api/database/status` - 数据库状态

+### 7. 飞书集成功能（已合并）
+- **原独立页面**: `http://localhost:5000/feishu-sync`
+- **现集成位置**: 主仪表板的"飞书同步"标签页
+- **功能**: 飞书多维表格数据同步和管理
+- **API端点**: 通过主应用路由提供
+
 ## 优势

 1. **模块化**: 每个功能模块独立，便于维护
@@ -96,7 +103,16 @@ src/web/
 │   ├── system.py         # 系统管理
 │   └── README.md         # 架构说明
 ├── static/               # 静态文件
+│   ├── css/
+│   │   └── style.css     # 样式文件（包含飞书集成样式）
+│   └── js/
+│       ├── dashboard.js  # 仪表板逻辑（包含飞书同步功能）
+│       ├── chat.js       # 对话功能
+│       └── app.js        # 应用主逻辑
 └── templates/            # 模板文件
+    ├── dashboard.html    # 主仪表板（包含飞书同步标签页）
+    ├── chat.html         # 对话页面
+    └── index.html        # 首页
 ```

 ## 注意事项
@@ -106,3 +122,17 @@ src/web/
 3. 懒加载模式避免启动时的重复初始化
 4. 错误处理统一在蓝图内部进行
 5. 保持与原有API接口的兼容性
+6. 飞书集成功能已从独立蓝图合并到主仪表板
+7. 前端JavaScript类管理不同功能模块（TSPDashboard、FeishuSyncManager等）
+
+## 最新更新 (v1.4.0)
+
+### 功能合并
+- **飞书同步页面合并**: 原独立的飞书同步页面已合并到主仪表板
+- **统一用户体验**: 所有功能现在都在一个统一的界面中
+- **代码优化**: 删除了冗余的蓝图和模板文件
+
+### 架构改进
+- **前端模块化**: JavaScript代码按功能模块组织
+- **数据库扩展**: 工单表新增12个飞书相关字段
+- **字段映射**: 智能映射飞书字段到本地数据库结构
--- a/src/web/blueprints/workorders.py
+++ b/src/web/blueprints/workorders.py
@@ -6,11 +6,36 @@

 import os
 import pandas as pd
+import logging
 from datetime import datetime
 from flask import Blueprint, request, jsonify, send_file
 from werkzeug.utils import secure_filename
 from sqlalchemy import text

+logger = logging.getLogger(__name__)
+
+# 简化的AI准确率配置类
+class SimpleAIAccuracyConfig:
+    """简化的AI准确率配置"""
+    def __init__(self):
+        self.auto_approve_threshold = 0.95
+        self.use_human_resolution_threshold = 0.90
+        self.manual_review_threshold = 0.80
+        self.ai_suggestion_confidence = 0.95
+        self.human_resolution_confidence = 0.90
+    
+    def should_auto_approve(self, similarity: float) -> bool:
+        return similarity >= self.auto_approve_threshold
+    
+    def should_use_human_resolution(self, similarity: float) -> bool:
+        return similarity < self.use_human_resolution_threshold
+    
+    def get_confidence_score(self, similarity: float, use_human: bool = False) -> float:
+        if use_human:
+            return self.human_resolution_confidence
+        else:
+            return max(similarity, self.ai_suggestion_confidence)
+
 from src.main import TSPAssistant
 from src.core.database import db_manager
 from src.core.models import WorkOrder, Conversation, WorkOrderSuggestion, KnowledgeEntry
@@ -250,51 +275,101 @@ def save_workorder_human_resolution(workorder_id):
                rec = WorkOrderSuggestion(work_order_id=w.id)
                session.add(rec)
            rec.human_resolution = human_text
-            # 计算相似度（使用简单cosine TF-IDF，避免外部服务依赖）
+            # 计算语义相似度（使用sentence-transformers进行更准确的语义比较）
            try:
-                from sklearn.feature_extraction.text import TfidfVectorizer
-                from sklearn.metrics.pairwise import cosine_similarity
-                texts = [rec.ai_suggestion or "", human_text]
-                vec = TfidfVectorizer(max_features=1000)
-                mat = vec.fit_transform(texts)
-                sim = float(cosine_similarity(mat[0:1], mat[1:2])[0][0])
-            except Exception:
-                sim = 0.0
+                from src.utils.semantic_similarity import calculate_semantic_similarity
+                ai_text = rec.ai_suggestion or ""
+                sim = calculate_semantic_similarity(ai_text, human_text)
+                logger.info(f"AI建议与人工描述语义相似度: {sim:.4f}")
+            except Exception as e:
+                logger.error(f"计算语义相似度失败: {e}")
+                # 回退到传统方法
+                try:
+                    from sklearn.feature_extraction.text import TfidfVectorizer
+                    from sklearn.metrics.pairwise import cosine_similarity
+                    texts = [rec.ai_suggestion or "", human_text]
+                    vec = TfidfVectorizer(max_features=1000)
+                    mat = vec.fit_transform(texts)
+                    sim = float(cosine_similarity(mat[0:1], mat[1:2])[0][0])
+                except Exception:
+                    sim = 0.0
            rec.ai_similarity = sim
-            # 自动审批条件≥0.95
-            approved = sim >= 0.95
+            
+            # 使用简化的配置
+            config = SimpleAIAccuracyConfig()
+            
+            # 自动审批条件
+            approved = config.should_auto_approve(sim)
            rec.approved = approved
+            
+            # 记录使用人工描述入库的标记（当AI准确率低于阈值时）
+            use_human_resolution = config.should_use_human_resolution(sim)
+            rec.use_human_resolution = use_human_resolution
+            
            session.commit()
-            return jsonify({"success": True, "similarity": sim, "approved": approved})
+            return jsonify({
+                "success": True, 
+                "similarity": sim, 
+                "approved": approved,
+                "use_human_resolution": use_human_resolution
+            })
    except Exception as e:
        return jsonify({"error": str(e)}), 500

@workorders_bp.route('/<int:workorder_id>/approve-to-knowledge', methods=['POST'])
 def approve_workorder_to_knowledge(workorder_id):
-    """将已审批的AI建议入库为知识条目"""
+    """将已审批的AI建议或人工描述入库为知识条目"""
    try:
        with db_manager.get_session() as session:
            w = session.query(WorkOrder).filter(WorkOrder.id == workorder_id).first()
            if not w:
                return jsonify({"error": "工单不存在"}), 404
+            
            rec = session.query(WorkOrderSuggestion).filter(WorkOrderSuggestion.work_order_id == w.id).first()
-            if not rec or not rec.approved or not rec.ai_suggestion:
-                return jsonify({"error": "未找到可入库的已审批AI建议"}), 400
-            # 入库为知识条目（问=工单标题；答=AI建议；类目用工单分类）
+            if not rec:
+                return jsonify({"error": "未找到工单建议记录"}), 400
+            
+            # 使用简化的配置
+            config = SimpleAIAccuracyConfig()
+            
+            # 确定使用哪个内容入库
+            if rec.use_human_resolution and rec.human_resolution:
+                # AI准确率低于阈值，使用人工描述入库
+                answer_content = rec.human_resolution
+                confidence_score = config.get_confidence_score(rec.ai_similarity or 0, use_human=True)
+                verified_by = 'human_resolution'
+                logger.info(f"工单 {workorder_id} 使用人工描述入库，AI相似度: {rec.ai_similarity:.4f}")
+            elif rec.approved and rec.ai_suggestion:
+                # AI准确率≥阈值，使用AI建议入库
+                answer_content = rec.ai_suggestion
+                confidence_score = config.get_confidence_score(rec.ai_similarity or 0, use_human=False)
+                verified_by = 'auto_approve'
+                logger.info(f"工单 {workorder_id} 使用AI建议入库，相似度: {rec.ai_similarity:.4f}")
+            else:
+                return jsonify({"error": "未找到可入库的内容"}), 400
+            
+            # 入库为知识条目
            entry = KnowledgeEntry(
                question=w.title or (w.description[:20] if w.description else '工单问题'),
-                answer=rec.ai_suggestion,
+                answer=answer_content,
                category=w.category or '其他',
-                confidence_score=0.95,
+                confidence_score=confidence_score,
                is_active=True,
                is_verified=True,
-                verified_by='auto_approve',
+                verified_by=verified_by,
                verified_at=datetime.now()
            )
            session.add(entry)
            session.commit()
-            return jsonify({"success": True, "knowledge_id": entry.id})
+            
+            return jsonify({
+                "success": True, 
+                "knowledge_id": entry.id,
+                "used_content": "human_resolution" if rec.use_human_resolution else "ai_suggestion",
+                "confidence_score": confidence_score
+            })
    except Exception as e:
+        logger.error(f"入库知识库失败: {e}")
        return jsonify({"error": str(e)}), 500

@workorders_bp.route('/import', methods=['POST'])