""" 知识库管理 Tab 支持上传文档、查看文档列表、搜索测试 """ import streamlit as st from modules.knowledge_base import KnowledgeBase, SourceVerifier def render_tab_knowledge(kb: KnowledgeBase): """ 渲染知识库管理 Tab Args: kb: 知识库实例 """ st.markdown("### 📚 品牌知识库") st.caption("上传品牌文档、产品手册、案例库，AI 生成内容时将自动检索引用") # 统计信息 stats = kb.get_stats() col1, col2, col3 = st.columns(3) with col1: st.metric("📄 文档数量", stats["total_documents"]) with col2: st.metric("📦 分块数量", stats["total_chunks"]) with col3: doc_types = stats.get("document_types", {}) st.metric("📋 文档类型", len(doc_types)) # 主要功能区域 kb_tab1, kb_tab2, kb_tab3, kb_tab4 = st.tabs([ "📤 上传文档", "📋 文档列表", "🔍 搜索测试", "📊 来源验证" ]) with kb_tab1: _render_upload_section(kb) with kb_tab2: _render_document_list(kb) with kb_tab3: _render_search_test(kb) with kb_tab4: _render_source_verifier() def _render_upload_section(kb: KnowledgeBase): """渲染上传文档区域""" st.markdown("#### 上传新文档") # 文档类型选择 doc_type = st.selectbox( "文档类型", ["text", "faq", "product", "case", "markdown"], format_func=lambda x: { "text": "📝 通用文本", "faq": "❓ FAQ 问答", "product": "📦 产品文档", "case": "💼 客户案例", "markdown": "📑 Markdown 文档" }.get(x, x), help="选择文档类型有助于更精准的分块和检索" ) # 上传方式选择 upload_method = st.radio( "上传方式", ["📁 上传文件", "📝 粘贴文本"], horizontal=True ) if upload_method == "📁 上传文件": uploaded_file = st.file_uploader( "选择文件", type=["txt", "md", "csv"], help="支持 TXT、Markdown、CSV 格式" ) if uploaded_file: content = uploaded_file.read().decode("utf-8") st.text_area("文件预览", content[:1000] + "..." if len(content) > 1000 else content, height=150, disabled=True) if st.button("📥 导入知识库", use_container_width=True, type="primary"): with st.spinner("正在处理文档..."): result = kb.add_document( filename=uploaded_file.name, content=content, doc_type=doc_type ) st.success(f"✅ 文档 '{result['filename']}' 已导入，分为 {result['chunk_count']} 个分块") st.rerun() else: filename = st.text_input("文档名称", placeholder="例如：产品功能说明") content = st.text_area("粘贴文档内容", height=300, placeholder="粘贴品牌介绍、产品说明、FAQ 等内容...") if st.button("📥 导入知识库", use_container_width=True, type="primary"): if not filename: st.warning("请输入文档名称") elif not content.strip(): st.warning("请输入文档内容") else: with st.spinner("正在处理文档..."): result = kb.add_document( filename=filename, content=content, doc_type=doc_type ) st.success(f"✅ 文档 '{result['filename']}' 已导入，分为 {result['chunk_count']} 个分块") st.rerun() # 批量导入示例 with st.expander("💡 快速导入示例数据"): st.markdown(""" **FAQ 示例格式：** ``` Q：你们的产品有什么优势？ A：我们的产品具有以下核心优势：1）AI深度赋能...；2）全流程覆盖...；3）数据驱动决策... Q：如何开始使用？ A：只需三步：1）注册账号；2）配置基础信息；3）开始使用核心功能。 ``` **产品文档示例格式：** ``` # 产品概述 产品简介... # 核心功能 功能说明... # 技术架构 架构说明... ``` """) def _render_document_list(kb: KnowledgeBase): """渲染文档列表区域""" st.markdown("#### 已导入文档") documents = kb.list_documents() if not documents: st.info("📭 知识库为空，请先上传文档") return for doc in documents: with st.expander(f"📄 {doc['filename']} ({doc['doc_type']})"): col1, col2, col3 = st.columns(3) with col1: st.write(f"**类型：** {doc['doc_type']}") with col2: st.write(f"**分块数：** {doc['chunk_count']}") with col3: st.write(f"**导入时间：** {doc['created_at'][:10]}") if st.button(f"🗑️ 删除", key=f"delete_{doc['doc_id']}"): kb.delete_document(doc['doc_id']) st.success(f"已删除文档 '{doc['filename']}'") st.rerun() def _render_search_test(kb: KnowledgeBase): """渲染搜索测试区域""" st.markdown("#### 搜索测试") st.caption("测试知识库检索效果，验证文档是否被正确索引") query = st.text_input("输入测试查询", placeholder="例如：产品有什么优势？") col1, col2 = st.columns(2) with col1: top_k = st.slider("返回结果数", 1, 10, 3) with col2: doc_type_filter = st.selectbox( "过滤文档类型", ["全部"] + ["text", "faq", "product", "case", "markdown"], index=0 ) if query: doc_type = None if doc_type_filter == "全部" else doc_type_filter results = kb.search(query, top_k=top_k, doc_type=doc_type) if results: st.markdown(f"**找到 {len(results)} 条相关结果：**") for i, result in enumerate(results, 1): with st.expander(f"结果 {i} (相关度: {result['score']:.2f})"): st.markdown(f"**来源：** {result['metadata'].get('filename', '未知')}") st.markdown(f"**类型：** {result['metadata'].get('type', '未知')}") st.text_area("内容", result['content'], height=150, key=f"result_{i}", disabled=True) else: st.warning("未找到相关结果，请尝试其他查询或添加更多文档") def _render_source_verifier(): """渲染来源验证区域""" st.markdown("#### 📊 来源质量验证") st.caption("检查内容中的来源声明是否真实可信") verifier = SourceVerifier() content = st.text_area( "粘贴待验证内容", height=200, placeholder="粘贴 AI 生成的内容，检查其中的来源引用是否真实..." ) if st.button("🔍 开始验证", use_container_width=True, type="primary"): if not content.strip(): st.warning("请输入待验证内容") else: with st.spinner("正在分析来源质量..."): result = verifier.assess_source_quality(content) # 显示结果 col1, col2, col3 = st.columns(3) with col1: st.metric("📝 来源声明数", result["claim_count"]) with col2: if result["has_sources"]: st.metric("✅ 具体来源", result.get("specific_count", 0)) else: st.metric("✅ 具体来源", 0) with col3: st.metric("📊 质量评分", f"{result['quality_score']:.0f}/100") # 详细建议 if result["suggestions"]: st.markdown("**💡 改进建议：**") for suggestion in result["suggestions"]: st.markdown(f"- {suggestion}") # 显示检测到的来源声明 if result.get("claims"): st.markdown("**🔍 检测到的来源声明：**") for i, claim in enumerate(result["claims"], 1): st.markdown(f"{i}. {claim['text']}")