概述

本文介绍怎样采用 AI 辅助从 0 到 1 搭建一个智能周报生成系统。 背后.… 我们将沉重点介绍以下方面：

• 需求解析和设计
• 项目结构和配置管理
• 数据库模型和 LLB 调用服务
• API 接口实现和应用入口文件
• Docker Compose 部署和接口测试示例

需求解析和设计

需求背景

很更多团队都有写周报的习惯。开发人员每周需要整理完成事项、遇到的问题、下周计划等内容。 躺赢。 如果团队成员较更多，管理者还需要汇总较大家的周报，提炼项目进度和风险因素点。

技术手段选型

选择 FastAPI 作为后端框架，采用 SQLite 作为演示数据库。

系统功能模块

1. 用户输入工作岗位内容
2. 调用较大模型生成结构化周报
3. 保存历史持续发展记录

项目结构和配置管理

bash ai-weekly-report/ app/ api/ core/ db/ sc 牛逼。 hemas/ services/ logs/ .env docker-compose.yml

配置文件

在 .env 文件中定义周边环境变量， 如 APP_不结盟EAPP_ENV 等。

makefile APP_不结盟E=AI Weekly Report APP_ENV=development APP_HOST=0.0.0.0 APP_PORT=8000 DATABASE_URL=sqlite:///./weekly_ LLM_API_KEY=your_api_key_here LLM_BASE_URL=https://v1.dify.ai/llm/completions/v5/minimal/interactive?model_id=babbage&max_tokens=2048&prompt=&temperature=⊤_p=&n=&stream=False&stop_sequences= LLM_MODEL=deepseek-chats - %s - %s - %sLOG_DATEFORMAT=%Y-%m-%d %H:%M:%SLOG_HANDLERS=

数据库模型和 LLB 调用服务

数据库表结构

勇敢一点... 采用 SQLAlchemy 定义数据表结构，如 WeeklyReport 表等。

当冤大头了。 python from datetime import datetimefrom sqlalchemy import String, Text, DateTimefrom import Mapped, mapped_columnfrom import Baseclass WeeklyReport: __tablename__ = "weekly_reports" id: Mapped = mapped_column user_name: Mapped = mapped_column, index=True) raw_content: Mapped = mapped_column generated_report: Mapped = mapped_column model_name: Mapped = mapped_column) created_at: Mapped = mapped_column

LLM 调用服务封装

精辟。 定义一个 LLMService 类来封装 LLM 的调用逻辑。

pythonimport httpxfrom import settingsfrom import app_loggerclass LLMService: def __init__: _key = settings.LLM_API_KEY _url = settings.LLM_BASE_URL _model = settings.LLM_MODEL _timeout = settings.LLM_TIMEOUTasync def generate_weekly_report -> str: prompt = self._build_prompt as client=responseawait data={})return dataexcept Exception as e:app_logger_raise RuntimeErrordef _build_prompt -> str:return f"""请根据以下工作岗位内容生成一份结构化中文周报。要求：1. 语言专业、 简洁； 2. 按以下结构输出： - 本周完成工作岗位 - 遇到的问题与风险因素 - 下周工作岗位计划 - 需要协助的事项 3. 如果原始内容中没有明确提到某一部分，请合理归纳，但不要编造具体事实； 4. 输出 Markdown 格式。 原始工作岗位内容：{raw_content}"""，至于吗？

API 接口实现

定义 API 接口， 包括创建报告、列表报告等接口。

pythonfrom typing import Listfrom fastapi import APIRouter, Depends, HTTPExceptionfrom import Sessionfrom import get_dbfrom import ReportCreateRequest, ReportResponsefrom _service import ReportServicerouter = APIRouterreport_service = ReportService@async def create_report):try:return await report__reportexcept RuntimeError as e:raise HTTPException)@def list_reports):return report__reports

应用入口文件

定义应用入口文件，启动 FastAPI 应用。

pythonfrom fastapiimport FastAPI fromimport routerasreport_router fromimportsettings fromimportBaseengine models_all=FastAPI_router@def health_check:return {"status":"ok","app":"%s"%settings.APP_不结盟E,"env":"%s"%settings.APP_ENV}

Docker Compose 部署

换个角度。 定义 Docker Compose 配置文件，启动容器。

yamloverision:"3.9"servicesai-weekly-report:imagepython311-slimcontainer_nameai-weekly-reportworking_dir/appvolumes.-:/appports-80008000env_file-.envcommand> sh -c pipinstall-r&&uvicorn-app--host80008000"，躺赢。

接口测试示例

采用 curl 命令测试接口。

bashcurl-XPOST"http://localhost8000/reports"\-H"Content-Typeapplication/json"\-d'{user_name""raw_content""}'}

本文介绍了怎样采用 AI 辅助从 0 到 1 搭建一个智能周报生成系统。我们探讨了需求解析、 项目结构、数据库模型、LLB 调用服务、API 接口实现以及 Docker Compose 部署等方面。用例编写等环节，佛系。。