片段管理

在该功能模块中，我们已完成以下几个核心功能：

• 数据库设计：为存储和管理片段数据提供结构化的支持。
• 用户登录：确保数据访问和操作的安全性。
• 知识库管理：支持知识库的创建、更新和删除。
• 文件拆分：将上传的文件拆分为多个片段，便于内容的精细化管理。
• 片段向量化：通过向量化技术，将片段内容转换为可计算的向量，便于相似度计算。
• 命中率测试：通过计算用户查询与片段的相似度来进行匹配测试。
• 文档管理：实现对不同文档内容的管理。

接下来，我们将实现 片段管理 功能，提供三个主要的 API 接口，使用户可以高效地访问和管理片段的内容数据。

功能概述

片段管理 功能包括以下主要操作：

1. 获取片段列表：根据数据集 ID 和文档 ID 分页获取片段列表。
2. 添加问题到片段：为指定的片段添加问题。
3. 获取片段的问题列表：获取指定片段下的所有问题。

接口定义

以下是片段管理的三个主要接口定义：

1. 获取片段列表

接口 URL: http://localhost:3000/api/dataset/{datasetId}/document/{documentId}/paragraph/{pageNo}/{pageSize}
请求方法: GET

• 路径参数：
  • datasetId (Long)：数据集的唯一标识符。
  • documentId (Long)：文档的唯一标识符。
  • pageNo (Integer)：当前页码。
  • pageSize (Integer)：每页显示的记录数。

示例请求

GET http://localhost:3000/api/dataset/443309276048408576/document/443662133182980096/paragraph/1/20

响应

{
  "message": null,
  "data": {
    "size": 20,
    "total": 6,
    "current": 1,
    "records": [
      {
        "update_time": 1730853305661,
        "is_active": true,
        "create_time": 1730853305661,
        "id": "443662143056371712",
        "title": "",
        "document_id": "443662133182980096",
        "content": "...."
      }
    ]
  },
  "code": 200
}

响应字段说明

• message: 错误或提示信息，成功时为 null。
• data: 数据对象，包含分页信息和片段记录。
  • size: 每页的记录数。
  • total: 总记录数。
  • current: 当前页码。
  • records: 包含片段信息的列表，每条记录包含以下字段：
    • update_time: 片段最后一次更新的时间戳。
    • is_active: 片段的状态，true 表示启用，false 表示禁用。
    • create_time: 片段的创建时间戳。
    • id: 片段的唯一标识符。
    • title: 片段的标题（如果有）。
    • document_id: 所属文档的标识符。
    • content: 片段的具体内容。
• code: 响应状态码，200 表示成功。

2. 添加问题到片段

接口 URL: http://localhost:3000/api/dataset/{datasetId}/document/{documentId}/paragraph/{paragraphId}/problem
请求方法: POST

• 路径参数：

  • datasetId (Long)：数据集的唯一标识符。
  • documentId (Long)：文档的唯一标识符。
  • paragraphId (Long)：片段的唯一标识符。

• 请求体：

{
  "content": "Exam Schedule"
}

示例请求

POST http://localhost:3000/api/dataset/443309276048408576/document/443662133182980096/paragraph/443662151243653120/problem
Content-Type: application/json

{
  "content": "Exam Schedule"
}

响应

{
  "message": null,
  "data": {
    "id": "444734959665311744",
    "content": "Exam Schedule",
    "dataset_id": "443309276048408576"
  },
  "code": 200
}

响应字段说明

• message: 错误或提示信息，成功时为 null。
• data: 新添加的问题对象，包含以下字段：
  • id: 问题的唯一标识符。
  • content: 问题的内容。
  • dataset_id: 所属数据集的标识符。
• code: 响应状态码，200 表示成功。

3. 获取片段的问题列表

接口 URL: http://localhost:3000/api/dataset/{datasetId}/document/{documentId}/paragraph/{paragraphId}/problem
请求方法: GET

• 路径参数：
  • datasetId (Long)：数据集的唯一标识符。
  • documentId (Long)：文档的唯一标识符。
  • paragraphId (Long)：片段的唯一标识符。

示例请求

GET http://localhost:3000/api/dataset/443309276048408576/document/443662133182980096/paragraph/443662151243653120/problem

响应

{
  "message": null,
  "data": [
    {
      "id": "444734959665311744",
      "content": "office hour",
      "dataset_id": "443309276048408576"
    },
    {
      "id": "444831888056446976",
      "content": "class time",
      "dataset_id": "443309276048408576"
    }
  ],
  "code": 200
}

响应字段说明

• message: 错误或提示信息，成功时为 null。
• data: 问题列表数组，每个问题包含以下字段：
  • id: 问题的唯一标识符。
  • content: 问题的内容。
  • dataset_id: 所属数据集的标识符。
• code: 响应状态码，200 表示成功。

代码实现

以下是 片段管理 功能的核心代码实现，包括 API 控制器和服务层。

1. API 控制器

文件：ApiDatasetController.java

import com.litongjava.annotation.Get;
import com.litongjava.annotation.Post;
import com.litongjava.annotation.RequestPath;
import com.litongjava.jfinal.aop.Aop;
import com.litongjava.maxkb.service.MaxKbParagraphServcie;
import com.litongjava.model.result.ResultVo;
import com.litongjava.tio.boot.http.HttpRequest;
import com.litongjava.tio.boot.http.TioRequestContext;
import com.litongjava.tio.utils.json.JsonUtils;

@RequestPath("/api/dataset")
public class ApiDatasetController {

  /**
   * 获取指定文档下的片段列表（分页）
   *
   * @param datasetId 数据集 ID
   * @param documentId 文档 ID
   * @param pageNo 当前页码
   * @param pageSize 每页片段数量
   * @return ResultVo 包含分页片段列表
   */
  @Get("/{datasetId}/document/{documentId}/paragraph/{pageNo}/{pageSize}")
  public ResultVo listParagraph(Long datasetId, Long documentId, Integer pageNo, Integer pageSize) {
    Long userId = TioRequestContext.getUserIdLong();
    return Aop.get(MaxKbParagraphServcie.class).page(userId, datasetId, documentId, pageNo, pageSize);
  }

  /**
   * 获取指定片段下的问题列表
   *
   * @param datasetId 数据集 ID
   * @param documentId 文档 ID
   * @param paragraphId 片段 ID
   * @return ResultVo 包含问题列表
   */
  @Get("/{datasetId}/document/{documentId}/paragraph/{paragraphId}/problem")
  public ResultVo listProblem(Long datasetId, Long documentId, Long paragraphId) {
    Long userId = TioRequestContext.getUserIdLong();
    return Aop.get(MaxKbParagraphServcie.class).listProblemByParagraphId(datasetId, documentId, paragraphId);
  }

  /**
   * 添加问题到指定片段
   *
   * @param datasetId 数据集 ID
   * @param documentId 文档 ID
   * @param paragraphId 片段 ID
   * @param request HTTP 请求对象，包含请求体
   * @return ResultVo 添加结果
   */
  @Post("/{datasetId}/document/{documentId}/paragraph/{paragraphId}/problem")
  public ResultVo addProblem(Long datasetId, Long documentId, Long paragraphId, HttpRequest request) {
    String bodyString = request.getBodyString();
    String content = JsonUtils.parseToMap(bodyString, String.class, String.class).get("content");
    return Aop.get(MaxKbParagraphServcie.class).addProblemById(datasetId, documentId, paragraphId, content);
  }
}

代码说明

• 注解 @RequestPath("/api/dataset")：定义控制器的基础路径为 /api/dataset。
• 方法 listParagraph：
  • 注解 @Get("/{datasetId}/document/{documentId}/paragraph/{pageNo}/{pageSize}")：定义 GET 请求路径。
  • 参数：
    • datasetId：数据集 ID。
    • documentId：文档 ID。
    • pageNo：当前页码。
    • pageSize：每页片段数量。
  • 功能：获取指定文档下的分页片段列表。
• 方法 listProblem：
  • 注解 @Get("/{datasetId}/document/{documentId}/paragraph/{paragraphId}/problem")：定义 GET 请求路径。
  • 参数：
    • datasetId：数据集 ID。
    • documentId：文档 ID。
    • paragraphId：片段 ID。
  • 功能：获取指定片段下的所有问题列表。
• 方法 addProblem：
  • 注解 @Post("/{datasetId}/document/{documentId}/paragraph/{paragraphId}/problem")：定义 POST 请求路径。
  • 参数：
    • datasetId：数据集 ID。
    • documentId：文档 ID。
    • paragraphId：片段 ID。
    • request：包含请求体的 HTTP 请求对象。
  • 功能：为指定的片段添加一个新问题。
• 依赖注入：通过 Aop.get(MaxKbParagraphServcie.class) 获取 MaxKbParagraphServcie 服务实例。

2. 服务层

文件：MaxKbParagraphServcie.java

package com.litongjava.maxkb.service;

import java.util.ArrayList;
import java.util.List;

import com.jfinal.kit.Kv;
import com.litongjava.db.TableInput;
import com.litongjava.db.TableResult;
import com.litongjava.db.activerecord.Db;
import com.litongjava.db.activerecord.Row;
import com.litongjava.kit.RecordUtils;
import com.litongjava.maxkb.constant.TableNames;
import com.litongjava.maxkb.model.ResultPage;
import com.litongjava.model.page.Page;
import com.litongjava.model.result.ResultVo;
import com.litongjava.table.services.ApiTable;
import com.litongjava.tio.utils.snowflake.SnowflakeIdUtils;

import lombok.extern.slf4j.Slf4j;

@Slf4j
public class MaxKbParagraphServcie {

  /**
   * 分页获取片段列表
   *
   * @param userId 用户 ID
   * @param datasetId 数据集 ID
   * @param documentId 文档 ID
   * @param pageNo 当前页码
   * @param pageSize 每页片段数量
   * @return ResultVo 包含分页片段列表
   */
  public ResultVo page(Long userId, Long datasetId, Long documentId, Integer pageNo, Integer pageSize) {
    log.info("datasetId:{}, documentId:{}", datasetId, documentId);
    TableInput tableInput = new TableInput();
    tableInput.setColumns("id, title, content, is_active, document_id, create_time, update_time");
    tableInput.set("dataset_id", datasetId)
              .set("document_id", documentId)
              .setPageNo(pageNo)
              .setPageSize(pageSize);

    TableResult<Page<Row>> tableResult = ApiTable.page(TableNames.max_kb_paragraph, tableInput);
    Page<Row> page = tableResult.getData();
    int totalRow = page.getTotalRow();
    List<Row> records = page.getList();

    List<Kv> kvs = RecordUtils.recordsToKv(records, false);
    ResultPage<Kv> resultPage = new ResultPage<>(pageNo, pageSize, totalRow, kvs);
    return ResultVo.ok(resultPage);
  }

  /**
   * 获取指定片段下的问题列表
   *
   * @param datasetId 数据集 ID
   * @param documentId 文档 ID
   * @param paragraphId 片段 ID
   * @return ResultVo 包含问题列表
   */
  public ResultVo listProblemByParagraphId(Long datasetId, Long documentId, Long paragraphId) {
    String sql = "SELECT p.id, p.content, p.dataset_id " +
                 "FROM max_kb_problem p " +
                 "JOIN max_kb_problem_paragraph_mapping mapping ON mapping.problem_id = p.id " +
                 "WHERE mapping.paragraph_id = ?";
    List<Row> records = Db.find(sql, paragraphId);
    List<Kv> kvs = RecordUtils.recordsToKv(records, false);
    return ResultVo.ok(kvs);
  }

  /**
   * 批量添加问题到指定片段
   *
   * @param datasetId 数据集 ID
   * @param documentId 文档 ID
   * @param paragraphId 片段 ID
   * @param problems 问题内容列表
   * @return ResultVo 添加结果
   */
  public ResultVo addProblemsById(Long datasetId, Long documentId, Long paragraphId, List<String> problems) {
    List<Row> problemRecords = new ArrayList<>();
    List<Row> mappings = new ArrayList<>();
    for (String str : problems) {
      long problemId = SnowflakeIdUtils.id();
      problemRecords.add(Row.by("id", problemId)
                              .set("dataset_id", datasetId)
                              .set("hit_num", 0)
                              .set("content", str));
      long mappingId = SnowflakeIdUtils.id();
      mappings.add(Row.by("id", mappingId)
                     .set("dataset_id", datasetId)
                     .set("document_id", documentId)
                     .set("paragraph_id", paragraphId)
                     .set("problem_id", problemId));
    }

    Db.tx(() -> {
      Db.batchSave(TableNames.max_kb_problem, problemRecords, 2000);
      Db.batchSave(TableNames.max_kb_problem_paragraph_mapping, mappings, 2000);
      return true;
    });
    return ResultVo.ok("问题添加成功");
  }

  /**
   * 添加单个问题到指定片段
   *
   * @param datasetId 数据集 ID
   * @param documentId 文档 ID
   * @param paragraphId 片段 ID
   * @param content 问题内容
   * @return ResultVo 添加结果
   */
  public ResultVo addProblemById(Long datasetId, Long documentId, Long paragraphId, String content) {
    long problemId = SnowflakeIdUtils.id();
    Row problem = Row.by("id", problemId)
                           .set("dataset_id", datasetId)
                           .set("hit_num", 0)
                           .set("content", content);
    long mappingId = SnowflakeIdUtils.id();
    Row mapping = Row.by("id", mappingId)
                           .set("dataset_id", datasetId)
                           .set("document_id", documentId)
                           .set("paragraph_id", paragraphId)
                           .set("problem_id", problemId);

    Db.tx(() -> {
      Db.save(TableNames.max_kb_problem, problem);
      Db.save(TableNames.max_kb_problem_paragraph_mapping, mapping);
      return true;
    });
    return ResultVo.ok("问题添加成功");
  }
}

代码说明

• 方法 page：
  • 参数：
    • userId：当前用户的 ID，用于权限控制。
    • datasetId：数据集 ID，用于过滤片段。
    • documentId：文档 ID，用于过滤片段。
    • pageNo：当前页码。
    • pageSize：每页片段数量。
  • 功能：
    1. 创建 TableInput 对象，设置查询列、数据集 ID、文档 ID、页码和页大小。
    2. 调用 ApiTable.page 方法执行分页查询，获取 TableResult。
    3. 从 TableResult 中提取 Page<Row> 对象，获取总行数和记录列表。
    4. 将记录列表转换为键值对列表 (List<Kv>)。
    5. 构建 ResultPage<Kv> 对象，包含分页信息和片段列表。
    6. 返回成功的 ResultVo 对象，包含 ResultPage 数据。
• 方法 listProblemByParagraphId：
  • 参数：
    • datasetId：数据集 ID。
    • documentId：文档 ID。
    • paragraphId：片段 ID。
  • 功能：
    1. 定义 SQL 查询，联接问题表和问题-片段映射表，筛选指定片段的所有问题。
    2. 执行查询，获取问题记录列表。
    3. 将记录列表转换为键值对列表 (List<Kv>)。
    4. 返回成功的 ResultVo 对象，包含问题列表数据。
• 方法 addProblemsById：
  • 参数：
    • datasetId：数据集 ID。
    • documentId：文档 ID。
    • paragraphId：片段 ID。
    • problems：问题内容列表。
  • 功能：
    1. 遍历问题内容列表，为每个问题生成唯一 ID，并创建问题记录和映射记录。
    2. 执行数据库事务，批量保存问题记录和映射记录。
    3. 返回成功的 ResultVo 对象，包含添加结果信息。
• 方法 addProblemById：
  • 参数：
    • datasetId：数据集 ID。
    • documentId：文档 ID。
    • paragraphId：片段 ID。
    • content：问题内容。
  • 功能：
    1. 生成唯一的 problemId 和 mappingId。
    2. 创建问题记录和映射记录。
    3. 执行数据库事务，保存问题记录和映射记录。
    4. 返回成功的 ResultVo 对象，包含添加结果信息。
• 依赖组件：
  • ApiTable：用于执行数据库表的分页查询和单条记录查询。
  • RecordUtils：用于将数据库记录转换为键值对格式。
  • ResultVo 和 ResultPage：用于标准化 API 响应结构。
  • SnowflakeIdUtils：用于生成唯一的 ID。
  • Db：用于数据库操作，支持事务管理。

权限控制

在上述实现中，我们假设 userId 为 1 的用户为管理员，具有管理所有数据集和片段的权限。非管理员用户只能管理和访问自己创建的数据集和片段。这种权限控制确保了数据的安全性和隐私性。

异常处理

当前实现未详细展示异常处理逻辑。建议在实际开发中加入以下内容：

1. 参数校验：确保请求参数的有效性，如 datasetId、documentId 和 paragraphId 的存在性、pageNo 和 pageSize 的合理性。
2. 权限验证：在服务层进一步验证用户是否有权访问指定的数据集、文档和片段。
3. 错误响应：在发生异常时，返回适当的错误消息和状态码，如 400 Bad Request、401 Unauthorized、404 Not Found 等。

测试

为了确保片段管理功能的正确性和稳定性，建议编写以下测试用例：

1. 获取片段列表：
   • 查询存在的数据集和文档，验证返回的片段列表是否正确。
   • 查询不存在的数据集或文档，验证返回的错误信息。
   • 测试不同的 pageNo 和 pageSize 参数，确保分页逻辑正确。
2. 添加问题到片段：
   • 向存在的片段添加问题，验证问题是否成功添加。
   • 向不存在的片段添加问题，验证返回的错误信息。
   • 添加空内容的问题，验证系统的处理方式。
3. 获取片段的问题列表：
   • 查询存在的片段，验证返回的问题列表是否正确。
   • 查询不存在的片段，验证返回的错误信息。
   • 验证权限控制，确保用户无法访问未授权的片段的问题。

显示效果

总结

通过上述接口和代码实现，我们成功地为系统添加了片段管理功能。该功能允许用户根据数据集和文档管理和检索片段，支持分页查询、问题的添加与查看。未来，可以进一步扩展此功能，如添加片段编辑、删除、批量操作等，以满足更全面的片段管理需求。