feat: 新增 oss 与智普图片解析功能

server/api/chat_routes.py

@@ -35,8 +35,12 @@ from pathlib import Path
 sys.path.append(str(Path(__file__).parent.parent))
 
 from models.chat_models import ChatRequest, ModelInfo
-from utils.helpers import (extract_delta_content, format_api_response,
+from utils.helpers import (
-                           generate_unique_id, get_current_timestamp)
+    extract_delta_content,
+    format_api_response,
+    generate_unique_id,
+    get_current_timestamp,
+)
 from utils.logger import log_error, log_exception, log_info
 
 # 模拟数据库 - 实际应用中应使用持久化存储
@@ -1030,13 +1034,18 @@ async def upload_file_handler(file: UploadFile = File(...)):
         unique_filename = f"{int(datetime.utcnow().timestamp())}_{generate_unique_id()}{file_extension}"
         file_path = upload_dir / unique_filename
 
-        # 保存文件
+        # 保存文件到本地（临时缓存）
+        content = await file.read()
         with open(file_path, "wb") as f:
-            content = await file.read()
             f.write(content)
 
+        # 文件关闭后再上传到 OSS
+        from utils.oss_uploader import upload_file as oss_upload
+
+        oss_result = oss_upload(str(file_path))
+        file_url = oss_result["url"]
+
         # 返回文件信息
-        file_url = f"http://localhost:8000/uploads/{unique_filename}"
         result = {
             "url": file_url,
             "name": file.filename,

server/requirements.txt

@@ -9,3 +9,5 @@ typing-extensions==4.12.2
 # 路线二：阿里云文档智能解析（doc/docx/pdf）
 llama-index-core>=0.10.0
 llama-index-readers-dashscope>=0.1.0
+# 阿里云 OSS 上传
+alibabacloud-oss-v2

server/utils/glm_adapter.py

@@ -47,7 +47,7 @@ def get_client():
 
 # ── 模型映射 ──────────────────────────────────────────────────────────
 DEFAULT_TEXT_MODEL = "glm-4.5-Air"  # glm-4.6 文本统一模型
-DEFAULT_VISION_MODEL = "glm-4.5-Air"
+DEFAULT_VISION_MODEL = "glm-4.6v"
 
 MODEL_MAP = {
     "qwen-max": "glm-4.5-Air",
@@ -61,7 +61,12 @@ MODEL_MAP = {
 def resolve_model(model: str, has_vision: bool = False) -> str:
     if model.startswith("glm"):
         return model
-    return MODEL_MAP.get(model, DEFAULT_TEXT_MODEL)
+    mapped = MODEL_MAP.get(model, DEFAULT_TEXT_MODEL)
+    # 当消息包含图片时，强制使用视觉模型
+    if has_vision and mapped != DEFAULT_VISION_MODEL:
+        print(f"[GLM] 检测到图片，模型从 {mapped} 切换为 {DEFAULT_VISION_MODEL}")
+        return DEFAULT_VISION_MODEL
+    return mapped
 
 
 # ── 文件上传（含 file_id 缓存）───────────────────────────────────────
@@ -249,6 +254,44 @@ async def glm_stream_generator(
         f"[GLM] 流式请求：model={actual_model} vision={has_vision} "
         f"web_search={web_search} thinking={deep_thinking}"
     )
+    # ── 调试：打印发送给 GLM 的完整消息结构 ──
+    for i, msg in enumerate(glm_msgs):
+        role = msg.get("role", "?")
+        content = msg.get("content", "")
+        if isinstance(content, list):
+            for j, part in enumerate(content):
+                if not isinstance(part, dict):
+                    print(f"[GLM-DEBUG] msg[{i}].content[{j}]: {type(part).__name__}")
+                    continue
+                part_type = part.get("type", "?")
+                if part_type == "image_url":
+                    img_val = part.get("image_url", "")
+                    img_url = (
+                        img_val.get("url", "")
+                        if isinstance(img_val, dict)
+                        else str(img_val)
+                    )
+                    display = img_url[:120] + "..." if len(img_url) > 120 else img_url
+                    print(
+                        f"[GLM-DEBUG] msg[{i}].content[{j}]: type=image_url, url={display}"
+                    )
+                elif part_type == "text":
+                    preview = (part.get("text", "") or "")[:100]
+                    print(
+                        f"[GLM-DEBUG] msg[{i}].content[{j}]: type=text, text={preview}"
+                    )
+                else:
+                    print(f"[GLM-DEBUG] msg[{i}].content[{j}]: {part}")
+        else:
+            print(f"[GLM-DEBUG] msg[{i}]: role={role}, content={str(content)[:150]}")
+    if extra_kwargs:
+        print(f"[GLM-DEBUG] extra_kwargs={extra_kwargs}")
+    # 原始 JSON 转储（用于排查结构问题）
+    import json as _json
+
+    print(
+        f"[GLM-RAW] messages={_json.dumps(glm_msgs, ensure_ascii=False, default=str)[:2000]}"
+    )
 
     chunk_queue: queue.Queue = queue.Queue(maxsize=128)
 
@@ -367,6 +410,44 @@ def glm_chat_sync(
 
     client = get_client()
     print(f"[GLM] 非流式请求：model={actual_model}")
+    # ── 调试：打印发送给 GLM 的完整消息结构 ──
+    for i, msg in enumerate(glm_msgs):
+        role = msg.get("role", "?")
+        content = msg.get("content", "")
+        if isinstance(content, list):
+            for j, part in enumerate(content):
+                if not isinstance(part, dict):
+                    print(f"[GLM-DEBUG] msg[{i}].content[{j}]: {type(part).__name__}")
+                    continue
+                part_type = part.get("type", "?")
+                if part_type == "image_url":
+                    img_val = part.get("image_url", "")
+                    img_url = (
+                        img_val.get("url", "")
+                        if isinstance(img_val, dict)
+                        else str(img_val)
+                    )
+                    display = img_url[:120] + "..." if len(img_url) > 120 else img_url
+                    print(
+                        f"[GLM-DEBUG] msg[{i}].content[{j}]: type=image_url, url={display}"
+                    )
+                elif part_type == "text":
+                    preview = (part.get("text", "") or "")[:100]
+                    print(
+                        f"[GLM-DEBUG] msg[{i}].content[{j}]: type=text, text={preview}"
+                    )
+                else:
+                    print(f"[GLM-DEBUG] msg[{i}].content[{j}]: {part}")
+        else:
+            print(f"[GLM-DEBUG] msg[{i}]: role={role}, content={str(content)[:150]}")
+    if extra_kwargs:
+        print(f"[GLM-DEBUG] extra_kwargs={extra_kwargs}")
+    # 原始 JSON 转储（用于排查结构问题）
+    import json as _json
+
+    print(
+        f"[GLM-RAW] messages={_json.dumps(glm_msgs, ensure_ascii=False, default=str)[:2000]}"
+    )
     resp = client.chat.completions.create(
         model=actual_model,
         messages=glm_msgs,

server/utils/oss_uploader.py

@@ -0,0 +1,227 @@
+"""
+阿里云 OSS 简单上传工具
+参考文档: https://help.aliyun.com/zh/oss/user-guide/simple-upload
+
+支持:
+  - 上传本地文件
+  - 上传字节数据 / 字符串
+  - 上传文件流（file-like object）
+  - 自动根据文件后缀生成 OSS 对象路径
+  - 返回可公开访问的 URL（需确保 Bucket 已开启公共读或已配置签名）
+
+前置条件:
+  1. pip install alibabacloud-oss-v2
+  2. 在 .env 中配置以下变量:
+       OSS_ACCESS_KEY_ID=<你的 AccessKey ID>
+       OSS_ACCESS_KEY_SECRET=<你的 AccessKey Secret>
+       OSS_BUCKET_NAME=<存储空间名称>
+       OSS_ENDPOINT=<Endpoint，如 https://oss-cn-hangzhou.aliyuncs.com>
+       OSS_REGION=<地域，如 cn-hangzhou>
+       OSS_URL_PREFIX=<可选，自定义域名前缀，如 https://cdn.example.com>
+"""
+
+import os
+import uuid
+import mimetypes
+from datetime import datetime
+from pathlib import Path
+from typing import Optional, Union, BinaryIO
+
+import alibabacloud_oss_v2 as oss
+from dotenv import load_dotenv
+
+# ── 加载环境变量 ──────────────────────────────────────────────
+load_dotenv()
+
+# AccessKey 从系统环境变量读取（~/.bashrc 中 export 设置）
+OSS_ACCESS_KEY_ID = os.environ.get("OSS_ACCESS_KEY_ID", "")
+OSS_ACCESS_KEY_SECRET = os.environ.get("OSS_ACCESS_KEY_SECRET", "")
+# 以下配置从 .env 文件读取
+OSS_BUCKET_NAME = os.getenv("OSS_BUCKET_NAME", "")
+OSS_ENDPOINT = os.getenv("OSS_ENDPOINT", "")
+OSS_REGION = os.getenv("OSS_REGION", "")
+# 可选：自定义域名前缀，用于拼接返回的公开 URL
+OSS_URL_PREFIX = os.getenv("OSS_URL_PREFIX", "")
+
+
+def _get_client() -> oss.Client:
+    """创建并返回 OSS 客户端实例"""
+    credentials_provider = oss.credentials.StaticCredentialsProvider(
+        access_key_id=OSS_ACCESS_KEY_ID,
+        access_key_secret=OSS_ACCESS_KEY_SECRET,
+    )
+    cfg = oss.config.load_default()
+    cfg.credentials_provider = credentials_provider
+    cfg.region = OSS_REGION
+    cfg.endpoint = OSS_ENDPOINT
+    return oss.Client(cfg)
+
+
+def _generate_object_key(filename: str, prefix: str = "uploads") -> str:
+    """
+    根据文件名生成唯一的 OSS 对象 Key
+    格式: {prefix}/{日期}/{uuid}_{原始文件名}
+    """
+    date_str = datetime.now().strftime("%Y%m%d")
+    unique_id = uuid.uuid4().hex[:8]
+    safe_name = Path(filename).name  # 只取文件名，去掉路径
+    return f"{prefix}/{date_str}/{unique_id}_{safe_name}"
+
+
+def _build_url(object_key: str) -> str:
+    """根据对象 Key 构建可访问的 URL"""
+    if OSS_URL_PREFIX:
+        return f"{OSS_URL_PREFIX.rstrip('/')}/{object_key}"
+    # 默认使用 Bucket 域名拼接
+    endpoint = OSS_ENDPOINT.replace("https://", "").replace("http://", "")
+    return f"https://{OSS_BUCKET_NAME}.{endpoint}/{object_key}"
+
+
+def upload_file(
+    file_path: str,
+    object_key: Optional[str] = None,
+    prefix: str = "uploads",
+) -> dict:
+    """
+    上传本地文件到 OSS
+
+    参数:
+        file_path:   本地文件的绝对路径
+        object_key:  自定义 OSS 对象名称，为 None 则自动生成
+        prefix:      对象 Key 的前缀目录
+
+    返回:
+        包含上传结果的字典:
+        {
+            "url":        "文件访问地址",
+            "object_key": "OSS 对象路径",
+            "etag":       "ETag",
+            "status_code": 200,
+        }
+    """
+    if not os.path.isfile(file_path):
+        raise FileNotFoundError(f"文件不存在: {file_path}")
+
+    filename = os.path.basename(file_path)
+    if object_key is None:
+        object_key = _generate_object_key(filename, prefix)
+
+    # 检测文件类型，设置 Content-Type
+    content_type, _ = mimetypes.guess_type(file_path)
+
+    client = _get_client()
+    result = client.put_object_from_file(
+        oss.PutObjectRequest(
+            bucket=OSS_BUCKET_NAME,
+            key=object_key,
+            content_type=content_type,
+        ),
+        file_path,
+    )
+
+    return {
+        "url": _build_url(object_key),
+        "object_key": object_key,
+        "etag": result.etag,
+        "status_code": result.status_code,
+    }
+
+
+def upload_bytes(
+    data: Union[bytes, str],
+    filename: str,
+    object_key: Optional[str] = None,
+    prefix: str = "uploads",
+    content_type: Optional[str] = None,
+) -> dict:
+    """
+    上传字节数据或字符串到 OSS
+
+    参数:
+        data:         要上传的数据（bytes 或 str）
+        filename:     用于生成 Key 的文件名（如 "report.txt"）
+        object_key:   自定义 OSS 对象名称，为 None 则自动生成
+        prefix:       对象 Key 的前缀目录
+        content_type: 自定义 Content-Type
+
+    返回:
+        包含上传结果的字典
+    """
+    if isinstance(data, str):
+        data = data.encode("utf-8")
+
+    if object_key is None:
+        object_key = _generate_object_key(filename, prefix)
+
+    if content_type is None:
+        content_type, _ = mimetypes.guess_type(filename)
+
+    client = _get_client()
+    result = client.put_object(
+        oss.PutObjectRequest(
+            bucket=OSS_BUCKET_NAME,
+            key=object_key,
+            body=data,
+            content_type=content_type,
+        )
+    )
+
+    return {
+        "url": _build_url(object_key),
+        "object_key": object_key,
+        "etag": result.etag,
+        "status_code": result.status_code,
+    }
+
+
+def upload_fileobj(
+    fileobj: BinaryIO,
+    filename: str,
+    object_key: Optional[str] = None,
+    prefix: str = "uploads",
+    content_type: Optional[str] = None,
+) -> dict:
+    """
+    上传文件流（file-like object）到 OSS
+
+    参数:
+        fileobj:      文件流对象（如 open(path, 'rb') 或 FastAPI 的 UploadFile.file）
+        filename:     用于生成 Key 的文件名
+        object_key:   自定义 OSS 对象名称，为 None 则自动生成
+        prefix:       对象 Key 的前缀目录
+        content_type: 自定义 Content-Type
+
+    返回:
+        包含上传结果的字典
+    """
+    data = fileobj.read()
+    return upload_bytes(
+        data=data,
+        filename=filename,
+        object_key=object_key,
+        prefix=prefix,
+        content_type=content_type,
+    )
+
+
+# ────────────────────────────────────────────────────────────────
+# 命令行入口：python -m utils.oss_uploader --file <路径>
+# ────────────────────────────────────────────────────────────────
+if __name__ == "__main__":
+    import argparse
+
+    parser = argparse.ArgumentParser(description="阿里云 OSS 简单上传工具")
+    parser.add_argument("--file", required=True, help="要上传的本地文件路径")
+    parser.add_argument("--key", default=None, help="自定义 OSS 对象路径（可选）")
+    parser.add_argument(
+        "--prefix", default="uploads", help="对象 Key 前缀（默认: uploads）"
+    )
+    args = parser.parse_args()
+
+    result = upload_file(args.file, object_key=args.key, prefix=args.prefix)
+
+    print("✅ 上传成功!")
+    print(f"   访问地址: {result['url']}")
+    print(f"   对象路径: {result['object_key']}")
+    print(f"   ETag:     {result['etag']}")
+    print(f"   状态码:   {result['status_code']}")

server/utils/test_oss_glm.py

@@ -0,0 +1,89 @@
+"""
+测试脚本：上传文件到 OSS → 获取 URL → 发送给 GLM 进行识别
+
+用法:
+    cd server
+    source ~/.bashrc && source .venv/bin/activate
+    python -m utils.test_oss_glm --file <本地文件路径> [--prompt "描述一下这张图片"]
+"""
+
+import argparse
+import sys
+from pathlib import Path
+
+# 确保 server 目录在 sys.path
+sys.path.insert(0, str(Path(__file__).resolve().parent.parent))
+
+from utils.oss_uploader import upload_file
+from utils.glm_adapter import glm_chat_sync
+
+
+def main():
+    parser = argparse.ArgumentParser(description="上传文件到 OSS 并让 GLM 读取")
+    parser.add_argument("--file", required=True, help="要上传的本地文件路径")
+    parser.add_argument(
+        "--prompt", default="请描述一下这张图片的内容", help="发给 GLM 的提示词"
+    )
+    parser.add_argument(
+        "--model", default="glm-4.6v", help="GLM 模型名称（默认: glm-4.6v）"
+    )
+    args = parser.parse_args()
+
+    # ── 第一步：上传文件到 OSS ────────────────────────────────
+    file_path = args.file
+    if not Path(file_path).exists():
+        print(f"❌ 文件不存在: {file_path}")
+        sys.exit(1)
+
+    print(f"📤 正在上传文件: {file_path}")
+    oss_result = upload_file(file_path)
+    file_url = oss_result["url"]
+    print(f"✅ 上传成功!")
+    print(f"   URL: {file_url}")
+    print()
+
+    # ── 第二步：构建消息，把 URL 发给 GLM ──────────────────────
+    messages = [
+        {
+            "role": "user",
+            "content": [
+                {
+                    "type": "image_url",
+                    "image_url": {"url": file_url},
+                },
+                {
+                    "type": "text",
+                    "text": args.prompt,
+                },
+            ],
+        }
+    ]
+
+    print(f"🤖 正在请求 GLM ({args.model}) 识别图片...")
+    print(f"   提示词: {args.prompt}")
+    print()
+
+    result = glm_chat_sync(
+        messages=messages,
+        model=args.model,
+        temperature=0.7,
+        max_tokens=2048,
+    )
+
+    print("─" * 60)
+    print("📝 GLM 回复:")
+    print("─" * 60)
+    print(result["content"])
+    print("─" * 60)
+
+    if result.get("usage"):
+        usage = result["usage"]
+        print(
+            f"\n📊 Token 用量: 输入 {usage['promptTokens']} | "
+            f"输出 {usage['completionTokens']} | "
+            f"总计 {usage['totalTokens']}"
+        )
+
+
+if __name__ == "__main__":
+    main()