1python之web端跳转问题及重构分科

写在前面的话

无心插柳。昨天，该睡觉了，刷朋友圈，看到一位之前卖题的网友，发了一条朋友圈图文，贴了一个加群的二维码，大意是：加群找他往数据库录入题有优惠，这是个很简单的需求，往数据库录题，入门级程序员都会。这不是我观注的点，我关注的是：我是不是也可以向他学习，把头条运营群的二维码以朋友圈的形式发出去，就像戏文：庄稼活，不用学，人家咋着咱咋着。于是我也发了条朋友圈，贴了今日头条的码，就洗洗准备睡了。由于我发时，已经晚上11点多，但没过几分钟，就有两三个扫码加群的，这让我很欣喜，因为我正常推广，让别人加群，还要解释半天，别人也不一定理，但发个加群码，自己主动加群，我还挺意外，尤其是有一些我想让他们加群，又不知道怎么说的，他们扫码加了群，挺好的。所以，有些事，还是要多学习，多模仿，说不定有意外之喜，加油！

[241+100]-------底部有张生活照(我现在做头条号运营：大家想全托管挂号的联系我哦，每天让你得个汉堡包钱，wx: qhz198607)

【关键词】python、ragflow、跳转问题、重构分科

一、web端跳转问题（一级）

1.问题消失（二级）

描述：现在问一个问题，当回复到来时，把问题顶掉了，看下原因。

开工：

第一步：问题复现（三级）

20250327周四时间段：15:28-16:00

问题复现是这个样子，截图如下：

图1a-1

注：这个有一个操作，更新成功，我觉得是哪里影响的，找一下，在哪里。

第二步：【更新成功】影响（三级）

20250327周四时间段：15:33-16:00

捕捉到了，是683，截图如下：

图1a-2

注：找到相关代码，看都做了啥。找到相关代码如下：

图1a-3

注：这段代码，执行了更新操作，看下都做了啥，能不能不把问题充掉，而是保留。发现它没把问题冲掉，而是把【思考中。。】冲掉了，想办法不让它冲掉【思考中。。】

第三步：不能冲掉【思考中】（三级）

20250327周四时间段：15:57-16:00
20250327周四时间段：16:00-17:00

把这个文件和原版对比一下，看是不是需要修改点东西，对比如下：

图1a-4

注：看了下官网演示版本，发现人家提一个问题，更新后，【思考中】是不丢失的，看下【思考中】在哪里。

关键词在如下的地方：

图1a-5

注：相关的代码如下：

图1a-6

注：对比一下原版和现在的有啥区别，对比如下：

图1a-7

注：改了不少，复原的还有三个，先不管。跑一下看看效果，效果如下：

图1a-8

注：看下这个错误是怎么回事。

第四步：avatarDialog问题（三级）

20250327周四时间段：18:26-19:00

这个应该是哪个文件未引入，看下代码，把代码搞进去就好了，现在还是问题被冲掉。【是

不是接口的问题。这个问题先暂停，前端找到了一个临时解决方案。

二、重构分科（一级）

1.重构分科跑起来（二级）

描述：龙哥给了个例子，把重构分科跑起来，看看遇到什么问题不。 

开工：

第一步：跑程序（三级）

20250327周四时间段：22:15-23:00
20250327周四时间段：23:04-00:00

先写个接口，调用一下。看看怎么调用，如下：

图1b-1

注：看下这个类怎么调用，这个类的文字版本如下：

from sentence_transformers import SentenceTransformer
class PetDepartmentClassifier:
    def __init__(self):
        self.model = SentenceTransformer('all-MiniLM-L6-v2')
        self.departments = {...}  # 同上
        self._precompute_embeddings()
    def _precompute_embeddings(self):
        self.embeddings = {
            dept: self.model.encode(desc, convert_to_tensor=True)
            for dept, desc in self.department_descriptions.items()
        }
    def predict(self, query, top_k=3):
        pass
        # 实现预测逻辑pass

注：先改成单例模式。

第二步：单例模式（三级）

20250327周四时间段：23:14-00:00

问一下deepseek，如下：

使用类方法实现单例（推荐）

from sentence_transformers import SentenceTransformer

class PetDepartmentClassifier:
    _instance = None

    def __init__(self):
        self.model = SentenceTransformer('all-MiniLM-L6-v2')
        self.departments = {...}  # 同上
        self._precompute_embeddings()

    @classmethod
    def get_instance(cls):
        if cls._instance is None:
            cls._instance = cls()
        return cls._instance

    def _precompute_embeddings(self):
        self.embeddings = {
            dept: self.model.encode(desc, convert_to_tensor=True)
            for dept, desc in self.department_descriptions.items()
        }

    def predict(self, query, top_k=3):
        pass
        # 实现预测逻辑pass

使用方法三时，你需要这样获取实例：

classifier = PetDepartmentClassifier.get_instance()

这三种方法都能实现单例模式，推荐使用方法三，因为它更明确地表达了单例的意图，并且避免了直接实例化类可能带来的问题。

注：接下来是怎么调用这个类中的方法。

第三步：调用类方法（三级）

20250327周四时间段：23:26-00:00
20250327周四时间段：00:18-01:00

写个接口，写个测试用例调用下这个类，调用例子如下：

# main.py
from classifier import PetDepartmentClassifier

# 获取单例实例
classifier = PetDepartmentClassifier.get_instance()

# 调用 predict 方法
result = classifier.predict("我的宠物狗生病了", top_k=2)
print(result)  # 输出: ["department1", "department2"]

注：比着上述例子，写个接口方法程序如下：

@manager.route('/dispatch_recognize', methods=['POST'])
@validate_request("conversation_id", "question")
def dispatch_recognize():
    """
    这个接口主要用于识别用户询问问题的分科室，关键点是本地模型的调用
    """
    req = request.json
    log.info(f"req: {req}")

    question = req.get("question", '')
    if not question: 
        return get_data_error_result(message="question is not found!")

    result = classifier.predict("我的宠物狗生病了", top_k=2)
    print(result) 

注：接下来，写个测试用例，有个原则，能用测试用例的，不用postman。

第四步：测试用例（三级）

20250327周四时间段：23:49-00:00

写测试用例如下：

def test_dispatch_recognize(client):
    '''
    测试本地模型分科识别
    '''
    json_data = {    
        "question": '呕吐内容物是食物，呕吐的动作是剧烈呕吐，每天五次，呕吐只在饭后发生。'
    }

    url = f"/v1/conversation/dispatch_recognize"
    resp = client.post(
        url,
        json=json_data,
        headers={
            "Content-type": "application/json",
            "Authorization": "Bearer ragflow-UxOGYzZjUwYjMwOTExZWZiODc0MDI0Mm"
        }
    )
    if not 200 <= resp.status_code < 300:
        raise Exception(f"GET {url} status_code {resp.status_code}.")

    print(resp)   

注：接下来，运行下这个测试用例，效果如下：

图1b-2

注：这个算是跑通了，接下来，写分科逻辑。

第五步：分科逻辑（三级）

20250328周五时间段：09:47-10:00

写分科逻辑如下：

    def _precompute_embeddings(self):
        # 为每个科室生成描述语句
        self.department_descriptions = {
            dept: f"宠物{dept}相关问题，包括但不限于：{', '.join(symptoms)}"
            for dept, symptoms in self.departments.items()
        } 

        # 预先计算所有科室描述的嵌入向量（保持为2D张量）
        self.department_embeddings = {
            dept: self.model.encode(desc, convert_to_tensor=True).unsqueeze(0)
            for dept, desc in self.department_descriptions.items()
        }

注：运行看效果，把相关问题处理一下。

三、头条号战果汇报

昨日总播放529.6万，总收入191.8块，累计收入：3622.57块，可提现1578.38块，软件截图如下：

图1c-1

注：想要全脱管运营头条号的联系我，你出账号，我来运营，收益四六分成（你六我四），你当甩手掌柜，每天都能得几块零花钱，财富wx： 17701328814

四、生活照片

拍摄于‎2026‎年‎4‎月‎6‎日，‏‎10:10:15，给二宝在家里拍的，哥哥惹他了，小家伙有点不开心，当时二宝三岁六个月。其实，活到老，学到老并不是一句空话，我现在满脑子都是头条号运营的事，但不怎么懂运营之道，也不怎么会与人打交道，程序员和机器打交道还行，和活生生的人打交道，总有各种心理障碍，但现在需要推广，需要自己运营，怎么办，学呗，先以自己知道的方式做推广，在推广中改进方法，进行学习，慢慢的就好了，谁一出生也不是啥都会。做一个事，关键是需要迈出第一步，如果顾前顾后，那趁早别干了。所以，要大胆干，细心学，变OK了。

图1d-1

《本文完》