diff --git a/index.html b/index.html
index 615ab95..73e7702 100755
--- a/index.html
+++ b/index.html
@@ -1192,10 +1192,7 @@
font-size: 13px;
}
-.thinking-loading::after {
- content: '';
- animation: dots 0.8s infinite;
-}
+
@keyframes dots {
0% { content: ''; }
@@ -2421,6 +2418,7 @@
function sendMessage(isPre) {
+ debugger;
if (controller) {
showToast("请先停止对话");
@@ -2453,8 +2451,9 @@
addMessage('', "user", url);
} else {
addMessage('', "user", sendParam.imageBase64);
- sendParam.imageBase64 = '';
+
}
+ sendParam.imageBase64 = '';
fileInput.value = "";
}
@@ -2606,6 +2605,7 @@ const getAiResponse = async (img) => {
body: JSON.stringify(sendParam),
signal: controller.signal,
});
+ sendParam.imageBase64 ='';
} catch (err) {
loadingDiv.textContent = "请求中断";
if (controller) {
diff --git a/server2.js b/server2.js
index 80c9893..921fe30 100755
--- a/server2.js
+++ b/server2.js
@@ -2323,16 +2323,28 @@ app.post("/analyze", upload.single("file"), async (req, res) => {
{
role: "system",
content:
- `
- 你是图像场景描述助手，严格按指定格式输出1次图片描述，绝不重复、无多余内容、无分析建议。
- 输出格式（固定话术，仅替换【】内容，必须1句完整文本）：
- 用户上传了一张【图片类型】的航拍规划图，现在需要制定详细的割草计划。从图片描述来看，这明显是一个【场景属性】项目的测绘规划图，区域有【标注特征】。
- 替换规则：
- 1. 【图片类型】：光伏场站/梯田/坡地（按图实际）
- 2. 【场景属性】：新能源场站/农业/生态修复（匹配场景）
- 3. 【标注特征】：方阵编号和绿色边界线/地块编号和边界标注（按图实际）
- 强制要求：仅输出1次上述格式文本，无重复、无追加、无解释
- ` // 核心：引导精准场景描述，摒弃泛化内容
+ // `
+ // 你是图像场景描述助手，严格按指定格式输出1次图片描述，绝不重复、无多余内容、无分析建议。
+ // 输出格式（固定话术，仅替换【】内容，必须1句完整文本）：
+ // 用户上传了一张【图片类型】的航拍规划图，现在需要制定详细的割草计划。从图片描述来看，这明显是一个【场景属性】项目的测绘规划图，区域有【标注特征】。
+ // 替换规则：
+ // 1. 【图片类型】：光伏场站/梯田/坡地（按图实际）
+ // 2. 【场景属性】：新能源场站/农业/生态修复（匹配场景）
+ // 3. 【标注特征】：方阵编号和绿色边界线/地块编号和边界标注（按图实际）
+ // 强制要求：仅输出1次上述格式文本，无重复、无追加、无解释
+ // ` // 核心：引导精准场景描述，摒弃泛化内容
+ `
+ 你是图像场景描述助手，任务是根据用户上传的图片内容，输出一段自然且详细的描述。根据图片内容判断场景类型和任务需求，并结合图片的特征进行分析和推理。确保输出的描述自然流畅，符合图片中的实际情况。
+ 输出格式（固定话术，仅替换【】内容，必须1句完整文本）：
+ 用户上传了一张【图片类型】的图片，从图片描述来看，这明显是一个【场景属性】的图片，有【标注特征】的特点。
+1. 【图片类型】：根据图片内容，判断为如光伏场站、农业梯田、坡地、森林、生态保护区、矿区等（根据实际场景推断）。
+2. 【场景属性】：根据图片的具体特点，判断为新能源项目（如光伏、风电）、农业耕作、生态修复、环境监测等（依据场景具体内容）。
+3. 【标注特征】：根据图片上的实际标注进行推理，可以是方阵编号、绿色边界线、区域分区编号、地块边界、作物分区标注、水渠路径、道路标注等（尽可能涵盖图片上的标注信息）。
+
+例如，如果是光伏场站，标注特征可能是方阵编号与绿色边界线；如果是农业地块，可能是地块编号与作物分区标注；如果是生态保护区，可能是生态分区边界线。
+
+ 强制要求：输出一次自然流畅、无死板格式的描述，并根据图片分析作业计划的可行性。要避免固定模板输出，更多地展现图片内容与作业任务的关联，并基于推理得出任务可能的实施方式。
+ `
},
...historyMessages,
{
@@ -2340,12 +2352,16 @@ app.post("/analyze", upload.single("file"), async (req, res) => {
content: [
{ type: "text", text:
`
- 请严格按以下固定格式输出1句图片描述，不重复、不增删、不解释、无多余内容：
- 用户上传了一张【图片类型】的航拍规划图，现在需要制定详细的割草计划。从图片描述来看，这明显是一个【场景属性】项目的测绘规划图，区域有【标注特征】。
- 替换要求：
- 1. 【图片类型】填光伏场站/梯田/坡地；【场景属性】填新能源场站/农业；【标注特征】填方阵编号和绿色边界线
- 2. 仅输出1次完整句子，杜绝任何重复表述
- `
+ 输出格式要求（固定话术，仅替换【】内容，必须1句完整文本）：
+ 用户上传了一张【图片类型】的图片，从图片描述来看，这明显是一个【场景属性】的图片，有【标注特征】的特点。
+1. 【图片类型】：根据图片内容，判断为如光伏场站、农业梯田、坡地、森林、生态保护区、矿区等（根据实际场景推断）。
+2. 【场景属性】：根据图片的具体特点，判断为新能源项目（如光伏、风电）、农业耕作、生态修复、环境监测等（依据场景具体内容）。
+3. 【标注特征】：根据图片上的实际标注进行推理，可以是方阵编号、绿色边界线、区域分区编号、地块边界、作物分区标注、水渠路径、道路标注等（尽可能涵盖图片上的标注信息）。
+
+例如，如果是光伏场站，标注特征可能是方阵编号与绿色边界线；如果是农业地块，可能是地块编号与作物分区标注；如果是生态保护区，可能是生态分区边界线。
+
+ 强制要求：输出一次自然流畅、无死板格式的描述，并根据图片分析作业计划的可行性。要避免固定模板输出，更多地展现图片内容与作业任务的关联，并基于推理得出任务可能的实施方式。
+ `
}, // 贴合用户想要的描述风格
imageBase64 ? {
type: "image_url",
@@ -2357,7 +2373,6 @@ app.post("/analyze", upload.single("file"), async (req, res) => {
},
];
- console.log("====== 开始图像分析666... ======");
// 去掉max_tokens限制，保证描述完整
const completion = await client.chat.completions.create({
model: "gpt-4.1",
@@ -2388,45 +2403,66 @@ app.post("/analyze", upload.single("file"), async (req, res) => {
{
role: "system",
content:
- `
- 你是新能源领域专业分析人员，以第一人称模拟自然思考，基于图片场景和用户需求切入，开头不重复图片描述，直接顺延展开深度思考，不输出最终结论和具体方案。
+ // `
+ // 你是新能源领域专业分析人员，以第一人称模拟自然思考，基于图片场景和用户需求切入，开头不重复图片描述，直接顺延展开深度思考，不输出最终结论和具体方案。
+ // 规则：
+ // 1. 思考开头直接承接图片场景（光伏场站/梯田+割草需求），不重复完整描述句，自然切入需求解读
+ // 2. 思考逻辑：先解读用户要割草计划的表面诉求，再深挖背后核心顾虑，最后梳理需确认的基础信息，贴合场景属性
+ // 3. 语气：自然口语化，连贯段落，无列表、无具体步骤/工具/人员安排、无泛化表述
+ // 4. 必须结合图片标注特征（方阵编号/边界线）展开思考，体现场景关联性
+ // 示例（参考风格，无重复描述）：
+ // 用户要制定详细的割草计划，表面是想要一套可执行的作业流程，说白了就是希望在保障场站发电效率、作业安全的同时，平衡好长期运维成本，不过我得先琢磨他们真正担心的点。背后大概率在意割草会不会损伤光伏方阵或支架、作业时的安全风险管控，还有不同编号方阵和边界区域的作业能不能全覆盖、无死角，以及割草后植被反弹遮光影响发电收益的问题。再往深层想，他们还会关心草屑处理会不会堵塞排水或影响设备通风、是否符合环保监管要求、季节和天气对作业时机的影响，还有一次性清理和周期性维护的成本权衡。图里的方阵编号和绿色边界线，说明需要按区作业，还要关注场内通道和设施位置来规避风险，所以我会先梳理场站地形、植被类型、关键设施分布这些基础信息，明确作业优先级和潜在风险点。
+ // ` // 给示例，锚定用户想要的风格
+ `
+ 你是新能源领域的专业分析人员，以第一人称模拟自然思考。基于用户提供的图片场景，直奔用户需求，避免重复场景描述，直接通过场景细节展开深度思考，不输出最终结论和具体方案。
规则：
- 1. 思考开头直接承接图片场景（光伏场站/梯田+割草需求），不重复完整描述句，自然切入需求解读
- 2. 思考逻辑：先解读用户要割草计划的表面诉求，再深挖背后核心顾虑，最后梳理需确认的基础信息，贴合场景属性
- 3. 语气：自然口语化，连贯段落，无列表、无具体步骤/工具/人员安排、无泛化表述
- 4. 必须结合图片标注特征（方阵编号/边界线）展开思考，体现场景关联性
- 示例（参考风格，无重复描述）：
- 用户要制定详细的割草计划，表面是想要一套可执行的作业流程，说白了就是希望在保障场站发电效率、作业安全的同时，平衡好长期运维成本，不过我得先琢磨他们真正担心的点。背后大概率在意割草会不会损伤光伏方阵或支架、作业时的安全风险管控，还有不同编号方阵和边界区域的作业能不能全覆盖、无死角，以及割草后植被反弹遮光影响发电收益的问题。再往深层想，他们还会关心草屑处理会不会堵塞排水或影响设备通风、是否符合环保监管要求、季节和天气对作业时机的影响，还有一次性清理和周期性维护的成本权衡。图里的方阵编号和绿色边界线，说明需要按区作业，还要关注场内通道和设施位置来规避风险，所以我会先梳理场站地形、植被类型、关键设施分布这些基础信息，明确作业优先级和潜在风险点。
- ` // 给示例，锚定用户想要的风格
+ 1. 思考开始时直接切入用户的实际需求，结合图片中的内容，避免不必要的描述，准确把握用户核心诉求。
+ 2. 逐步展开思考，从表面需求到深层次顾虑，再到必要的场景信息确认，确保逻辑清晰、层次分明。
+ 3. 语气要自然、流畅，避免硬性的分项列举或过于泛化的表述，要体现出思考的逐步深入和连贯性。
+ 4. 必须与图片特征相结合，强化场景关联性，确保对用户需求的精准分析和有效反馈。
+ 5. 不要出现我不做结论之类的相似的字眼。
+ 示例：
+ 用户希望制定一份割草计划，表面上看，是为了确保割草作业高效、安全，并控制运维成本。但从我对场站的理解来看，他们更深层次的顾虑是割草时是否会影响到光伏方阵的正常运作，或者是否会对设备的支架产生影响。再者，割草过程中需要特别注意的是，不同区域、不同编号方阵的处理，可能需要差异化的作业策略，确保每个区域都能得到充分覆盖，且不留死角。我还需要思考割草后的草屑是否会影响场站的排水系统、设备的通风散热，甚至环保合规问题。基于这些疑虑，我需要进一步确认场站的地形特点、植被情况、方阵分布，以及重要设施的位置，以便更好地评估潜在的作业风险与优先级。
+ `
},
...historyMessages,
{ role: "user", content: userPrompt || "请分析图片并制定计划" },
{ role: "assistant", content: sceneText } // 传入精准场景描述
];
-
- const thinkingStream = await client1.chat.completions.create({
- model: "gpt-5-mini",
+ const thinkingStream = await client.chat.completions.create({
+ model: "gpt-4",
stream: true,
- messages: thinkingMessages
+ messages: thinkingMessages,
+ max_completion_tokens: 1500, // 根据需要调整
});
res.write(`data: ${JSON.stringify({ type: "phase", content: "thinking" })}\n\n`);
let thinkingText = "";
console.log("====== 开始思路输出 ======");
- for await (const chunk of thinkingStream) {
- if (stopFlags.get(requestId)) {
- console.log("⛔ 思路阶段被中断");
- res.end();
- stopFlags.delete(requestId);
- return;
- }
- const delta = chunk.choices[0]?.delta?.content || "";
- thinkingText += delta;
- if (delta) {
- res.write(`data: ${JSON.stringify({ type: "thinking", content: delta })}\n\n`);
- }
- }
+ for await (const chunk of thinkingStream) {
+ if (stopFlags.get(requestId)) {
+ console.log("⛔ 思路阶段被中断");
+ res.end();
+ stopFlags.delete(requestId);
+ return;
+ }
+
+ const delta = chunk.choices[0]?.delta?.content || "";
+ if (delta) {
+ // 逐个字符地输出
+ for (let i = 0; i < delta.length; i++) {
+ const char = delta[i];
+ thinkingText += char; // 累积生成的内容
+
+ // 发送每个字符到客户端
+ res.write(`data: ${JSON.stringify({ type: "thinking", content: char })}\n\n`);
+
+ // 控制每个字符的输出延时（例如50ms）
+ await new Promise(resolve => setTimeout(resolve, 20)); // 你可以调整延时来控制打字速度
+ }
+ }
+ }
console.log(thinkingText);
console.log("====== 思路输出结束 ======");
@@ -2449,8 +2485,8 @@ app.post("/analyze", upload.single("file"), async (req, res) => {
{ role: "assistant", content: thinkingText }
];
- const answerStream = await client1.chat.completions.create({
- model: "gpt-5-mini",
+ const answerStream = await client.chat.completions.create({
+ model: "gpt-4",
stream: true,
messages: answerMessages
});
@@ -2459,19 +2495,31 @@ app.post("/analyze", upload.single("file"), async (req, res) => {
let llmText = "";
console.log("====== 开始最终分析 ======");
- for await (const chunk of answerStream) {
- if (stopFlags.get(requestId)) {
- console.log("⛔ 最终分析被中断");
- res.end();
- stopFlags.delete(requestId);
- return;
- }
- const delta = chunk.choices[0]?.delta?.content || "";
- llmText += delta;
- if (delta) {
- res.write(`data: ${JSON.stringify({ type: "answer", content: delta })}\n\n`);
- }
- }
+ for await (const chunk of answerStream) {
+ if (stopFlags.get(requestId)) {
+ console.log("⛔ 最终分析被中断");
+ res.end();
+ stopFlags.delete(requestId);
+ return;
+ }
+
+ const delta = chunk.choices[0]?.delta?.content || "";
+
+ // 如果 delta 为空，不处理
+ if (delta) {
+ // 逐字输出
+ for (let i = 0; i < delta.length; i++) {
+ const char = delta[i];
+ llmText += char; // 累积已输出的内容
+
+ // 每个字符单独发送
+ res.write(`data: ${JSON.stringify({ type: "answer", content: char })}\n\n`);
+
+ // 模拟打字机效果：控制每个字符的输出间隔（例如：50ms）
+ await new Promise(resolve => setTimeout(resolve, 20)); // 延时 50ms
+ }
+ }
+ }
console.log(llmText);
console.log("====== 最终分析结束 ======");
@@ -2512,7 +2560,6 @@ app.post("/analyze", upload.single("file"), async (req, res) => {
fs.unlinkSync(req.file.path);
}
console.log("====== 分析完成 ======");
- console.timeEnd("analyze");
} catch (err) {
console.error("❌ 调用失败:", err.message);
@@ -2535,39 +2582,6 @@ app.post("/analyze", upload.single("file"), async (req, res) => {
-
-
-
-app.post("/stop", express.json(), (req, res) => {
- const { requestId } = req.body;
- console.log("🔴 收到停止信号:", requestId);
- stopFlags.set(requestId, true);
- console.log(stopFlags, "消息id");
- res.json({ ok: true });
-});
-app.post('/submit', async (req, res) => {
- const { company, scenes, needs, userId } = req.body;
-
- console.log("收到数据:", company, scenes, needs, userId);
-
- if (!company || !needs || !userId) {
- return res.status(400).json({ message: "缺少必要字段" });
- }
-
- try {
- const sql =
- "INSERT INTO pv_form (company, scenes, needs, userId) VALUES (?, ?, ?, ?)";
-
- await pool.query(sql, [company, scenes, needs, userId || null]);
-
- res.json({ code: 200, message: "提交成功！" });
- } catch (err) {
- console.error("数据库插入失败:", err);
- res.status(500).json({ message: "数据库写入失败" });
- }
-});
-
-
app.post("/stop", express.json(), (req, res) => {
const { requestId } = req.body;
console.log("🔴 收到停止信号:", requestId);