Files

- 从服务器拉取完整代码
- 按框架规范整理项目结构
- 配置 Drone CI 测试环境部署
- 包含后端(FastAPI)、前端(Vue3)、管理端

技术栈: Vue3 + TypeScript + FastAPI + MySQL

2026-01-24 19:33:28 +08:00

10 KiB

Raw Blame History

智能工牌能力分析实施完成报告

一、实施概述

本次实施完成了智能工牌能力分析与课程推荐功能（V3-Dify查数据库方案），实现了从言迹智能工牌获取对话数据 → 调用Dify工作流分析能力 → 生成课程推荐 → 保存评估记录的完整功能链路。

实施时间: 2025-10-16
实施方案: 考培练系统规划/全链路联调/言迹智能工牌/智能工牌能力分析实施方案（V3-Dify查数据库）.md

二、已完成工作

2.1 数据库层

✅ 创建ability_assessments表

文件：kaopeilian-backend/migrations/create_ability_assessments.sql
表结构包含：
- 用户ID、数据来源、综合评分
- 能力维度评分（JSON）
- 推荐课程（JSON）
- 对话数量、分析时间
已成功执行迁移，表创建完成

2.2 后端层

✅ 模型定义

文件：kaopeilian-backend/app/models/ability.py
定义AbilityAssessment模型，对应ability_assessments表

✅ Schema定义

文件：kaopeilian-backend/app/schemas/ability.py
定义请求/响应Schema：
- AbilityDimension: 能力维度
- CourseRecommendation: 课程推荐
- AbilityAssessmentResponse: 评估响应
- AbilityAssessmentHistory: 历史记录

✅ 扩展YanjiService

文件：kaopeilian-backend/app/services/yanji_service.py
新增方法：
- get_audio_list(): 获取录音列表（模拟）
- get_employee_conversations_for_analysis(): 获取员工对话数据
- _generate_mock_conversation(): 生成模拟对话
- _short_conversation_template(): 短对话模板（<30秒）
- _medium_conversation_template(): 中等对话模板（30秒-5分钟）
- _long_conversation_template(): 长对话模板（>5分钟）

✅ 创建AbilityAssessmentService

文件：kaopeilian-backend/app/services/ability_assessment_service.py
核心方法：
- analyze_yanji_conversations(): 分析言迹对话生成评估
- get_user_assessment_history(): 获取评估历史
- get_assessment_detail(): 获取评估详情

✅ 扩展DifyPracticeService

文件：kaopeilian-backend/app/services/dify_practice_service.py
新增方法：
- analyze_ability_and_recommend_courses(): 调用Dify能力分析工作流

✅ 创建API接口

文件：kaopeilian-backend/app/api/v1/ability.py
接口列表：
- POST /api/v1/ability/analyze-yanji: 分析智能工牌数据
- GET /api/v1/ability/history: 获取评估历史
- GET /api/v1/ability/{assessment_id}: 获取评估详情

✅ 注册路由

文件：kaopeilian-backend/app/api/v1/__init__.py
已将ability_router注册到主路由

✅ 配置管理

文件：kaopeilian-backend/app/core/config.py
新增配置项：DIFY_YANJI_ANALYSIS_API_KEY

2.3 前端层

✅ API方法

文件：kaopeilian-frontend/src/api/trainee/index.ts
新增方法：analyzeYanjiBadge(): 分析智能工牌数据

✅ 更新成长路径页面

文件：kaopeilian-frontend/src/views/trainee/growth-path.vue
更新analyzeSmartBadgeData方法：
- 调用真实API替代模拟数据
- 更新能力雷达图
- 更新推荐课程列表
- 完善错误处理

三、功能流程

用户点击"AI分析智能工牌数据"按钮
    ↓
前端调用 analyzeYanjiBadge() API
    ↓
后端 /api/v1/ability/analyze-yanji 接口
    ↓
AbilityAssessmentService.analyze_yanji_conversations()
    ├─ YanjiService.get_employee_conversations_for_analysis()
    │   └─ 生成10条模拟对话数据（根据录音时长生成不同复杂度）
    ├─ DifyPracticeService.analyze_ability_and_recommend_courses()
    │   └─ 调用Dify工作流（Dify内部查询数据库）
    │       ├─ 查询用户信息和岗位
    │       ├─ 查询所有已发布课程
    │       ├─ LLM分析能力（6个维度）
    │       └─ 生成课程推荐（3-5门）
    └─ 保存评估记录到ability_assessments表
    ↓
返回评估结果（综合评分、维度评分、推荐课程）
    ↓
前端更新雷达图和推荐课程列表

四、关键技术点

4.1 模拟对话生成策略

由于言迹API暂时没有提供通过手机号直接查询录音的接口，我们实现了智能模拟对话生成：

三种复杂度模板：
- 短对话（<30秒）：4-6轮，简单咨询
- 中等对话（30秒-5分钟）：8-12轮，深入沟通
- 长对话（>5分钟）：15-20轮，完整销售流程
场景覆盖：
- 面部护理咨询
- 祛斑/美白需求
- 抗衰/紧肤项目
- 价格谈判与成交

4.2 Dify工作流设计

简化输入原则：

只传递 user_id 和 dialogue_history
Dify内部自行查询数据库获取用户信息和课程列表
减少API传输数据量，提升性能

输出格式：

{
  "analysis": {
    "total_score": 82,
    "ability_dimensions": [
      {
        "name": "专业知识",
        "score": 88,
        "feedback": "产品知识扎实..."
      }
    ],
    "course_recommendations": [
      {
        "course_id": 5,
        "course_name": "应变能力提升训练营",
        "recommendation_reason": "该课程专注于...",
        "priority": "high",
        "match_score": 95
      }
    ]
  }
}

4.3 前端集成要点

错误处理：
- 404：暂无智能工牌数据
- 400：用户未绑定手机号
- 其他：通用错误提示
- 失败时使用模拟数据兜底
数据转换：
- Dify返回的数据直接映射到前端展示
- 课程详情可后续补充完善

五、待完成工作

5.1 Dify工作流配置

⚠️ 必须完成：

创建Dify工作流：
- 工作流名称：智能工牌能力分析与课程推荐
- 输入参数：user_id, dialogue_history
配置数据库连接：
- Host: 数据库地址
- Port: 3307
- Database: kaopeilian
- Username: root
- Password: nj861021

配置查询节点：

查询1：获取用户信息和岗位

SELECT u.id, u.full_name, u.phone, p.name as position_name, p.skills
FROM users u
LEFT JOIN user_positions up ON u.id = up.user_id
LEFT JOIN positions p ON up.position_id = p.id
WHERE u.id = {{user_id}}

查询2：获取所有已发布课程

SELECT id, name, description, category, tags, difficulty_level, duration_hours
FROM courses
WHERE status = 'published' AND is_deleted = FALSE
ORDER BY sort_order

配置LLM节点：
- 提示词模板：参考实施方案第5.3节
- 要求输出JSON格式
- 6个能力维度评分
- 3-5门课程推荐
获取API Key：
- 在Dify中发布工作流
- 获取API Key
- 配置到 .env 文件：
```
DIFY_YANJI_ANALYSIS_API_KEY=app-xxxxxx
```
重启后端服务：
```
docker-compose restart backend
```

5.2 前端优化（可选）

从课程详情API补充课程信息（duration、difficulty、learnerCount）
从recommendation_reason中提取targetWeakPoints和expectedImprovement
添加评估历史查看功能
添加评估报告导出功能

5.3 测试验证（可选）

在真实环境测试完整流程
验证不同对话复杂度的分析效果
测试错误处理分支
性能测试（大量对话数据）

六、测试指南

6.1 数据库验证

# 查看表是否存在
docker exec kaopeilian-mysql-dev mysql -u root -pnj861021 kaopeilian \
  -e "SHOW TABLES LIKE 'ability_assessments';"

# 查看表结构
docker exec kaopeilian-mysql-dev mysql -u root -pnj861021 kaopeilian \
  -e "DESCRIBE ability_assessments;"

6.2 API测试（需要先配置Dify）

# 获取用户token
TOKEN="your_access_token_here"

# 调用能力分析API
curl -X POST http://localhost:8000/api/v1/ability/analyze-yanji \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json"

# 查看评估历史
curl -X GET "http://localhost:8000/api/v1/ability/history?limit=10" \
  -H "Authorization: Bearer $TOKEN"

6.3 前端测试

登录考培练系统
进入"成长路径"页面
点击"AI 分析智能工牌数据"按钮
观察：
- 能力雷达图是否更新
- 推荐课程列表是否更新
- 提示信息是否正确

七、文件清单

后端文件（新建）

kaopeilian-backend/migrations/create_ability_assessments.sql
kaopeilian-backend/app/models/ability.py
kaopeilian-backend/app/schemas/ability.py
kaopeilian-backend/app/services/ability_assessment_service.py
kaopeilian-backend/app/api/v1/ability.py

后端文件（修改）

kaopeilian-backend/app/services/yanji_service.py
kaopeilian-backend/app/services/dify_practice_service.py
kaopeilian-backend/app/api/v1/__init__.py
kaopeilian-backend/app/core/config.py

前端文件（修改）

kaopeilian-frontend/src/api/trainee/index.ts
kaopeilian-frontend/src/views/trainee/growth-path.vue

八、注意事项

数据库权限：确保Dify能访问数据库（生产环境需要配置防火墙）
API Key安全：不要将API Key提交到版本控制
性能考虑：对话数据量大时，Dify工作流可能超时（当前设置180秒）
兜底策略：前端失败时使用模拟数据，保证用户体验
用户手机号：必须在用户表中绑定手机号才能匹配言迹数据

九、后续优化方向

真实言迹数据接入：
- 等言迹API提供通过手机号查询录音的接口
- 替换模拟对话为真实ASR结果
能力评估算法优化：
- 结合历史评估数据
- 多维度权重调整
- 学习进度跟踪
课程推荐增强：
- 考虑用户学习历史
- 考虑岗位要求
- 考虑学习路径
可视化增强：
- 能力趋势图
- 对比分析
- 成长轨迹

实施状态: ✅ 代码实施完成，待配置Dify工作流
下一步: 在Dify中创建智能工牌能力分析工作流并配置数据库连接
负责人: 开发团队
预计完成时间: 待定

10 KiB Raw Blame History Unescape Escape