07 改进RAG应用：诊断调试和支持Java、.NET的MIS系统
你好，我是叶伟民。
上一节课我们完成了实战案例1的代码。然而这只是个demo，如果要支持更多的用例，支持更多的模块，我们需要添加更多选项序号和提示。
但是这又会引起一个新问题，用户在用我们系统的时候，你并没有在旁边看着，你怎么知道如何添加这些内容呢？你又怎么知道如何改进呢？
这就是我们今天要讨论的主题——诊断与调试。我们先开始第一步，查看用户的提问。
查看用户的提问
前面我们已经把对话记录保存在数据库里面了。现在，我们只需要在管理员界面添加相关模块就可以查看它们了。
启用管理员界面
首先，我们需要启用管理员界面。
我们打开 实战案例1\改造前\mysite\urls.py 文件。然后把第7行的注释取消掉。
from django.contrib import admin
from django.urls import include, path
app_name = "home"
urlpatterns = [
path('', include('home.urls')),
path('admin/', admin.site.urls),
]
然后重新运行，打开浏览器，导航到 http://127.0.0.1:8000/admin。将会出现以下界面。
然后我们还需要添加管理员，设置管理员密码，才能登录管理员界面。
添加管理员
我们回到 Anaconda Powershell Prompt。按ctrl+c停止运行，然后输入以下命令。
这时将会出现以下提示。
我们输入admin。然后在接下来的Email Address输入 “admin@admin.com”。
Password和Password(again)都输入admin。如果需要跳过密码验证这一步，这里输入y。
如果一切顺利，将会提示超级用户创建成功。
然后我们重新运行，打开浏览器，导航到 http://127.0.0.1:8000/admin。用户名输入admin，密码输入admin，点击登录。
然后我们将会看到如下界面。
在管理员界面添加对话记录模块
不过，现在这个管理员界面并没有地方可以查看对话记录。我们还需要在管理员界面添加对话记录模块。
我们打开实战案例1\改造前\home\admin.py文件。在文件尾部添加以下代码。
from .models import 对话记录
class 对话记录Admin(admin.ModelAdmin):
ordering = ["created_time"]
list_display = ['已结束','created_time','不带入大模型对话中','role', 'content', '处理后content','提交给大模型的payload']
search_fields = ['已结束']
list_filter = ('已结束',)
admin.site.register(对话记录, 对话记录Admin)
这段代码很好理解，其中第1行导入对话记录模型。第3行到第7行声明了对话记录模块在管理员界面里面的表现方式。第9行将对话记录模块注册到了管理员界面。
添加完刚才的代码，我们重新运行，打开浏览器登录管理员界面。这时将会看到以下界面。
点击“对话记录”来链接之后，我们可以看到后面这几项内容。
首先是用户的对话记录。
然后是大模型返回的结构化结果和AI处理后的结果。
另外还有提交给大模型的payload。
细心的同学可能会注意到，提交给大模型的payload里面的文字是乱码，这样是否会影响到调试和诊断呢？
实际上，我们并不需要查看这些文字，我一般只关心payload里面有多少条messages，前面的内容在提交时有没有遗漏。如果你一定要查看，网上有很多unicode转中文的小工具，自行搜索一下就会发现很多。
现在我们可以根据前面这些信息来改进我们的RAG质量。和我们上节课讲的一样，如果示例不够多，那就加示例；如果对大模型结果做的进一步处理不到位，那就加上对应代码；如果大模型还是出现其他意外，那就参考之前 第五节课“ 让大模型不要那么啰嗦”一节中所说的，添加更多指令。
讲到这里，我们实战案例1的相关代码都讲解完了。但是目前的代码还很乱。因此，我们需要整理一下代码。
整理一下代码
我们可以使用python的region关键词将同一类型的函数归类到一起。我们用VSCode打开项目以后，就可以使用ctrl+shift+a快捷键把
rag.py文件 的代码按region折叠。这时代码将会变成后面这样。
你可以在 这里 查看完整的rag.py代码。另外，我们会在这门专栏的最后一节课使用AI帮助我们认真的重构代码。
如何将本实战案例代码重用到你的MIS系统？
这里还有一个问题，有很多MIS系统并非使用Python编写，而是使用Java或.NET编写。那么如何将本实战案例的代码重用到你的MIS系统呢？
其中一个方案是将这个实战案例的代码从Python改成Java或.NET。然而AI基本是Python的世界，要想在AI的大道上走得更远，我并不建议你采用这个方案。
还有一个方案就是将现有的MIS系统从Java或.NET全部改成Python。这个方案工程量实在是太大，风险实在是太高。我也不建议你采用这个方案。
另一个方案是将这个实战案例的功能开放成API接口，提供给现有的MIS系统调用。这个方案是比较可行的，我们现在就来动手做做！
新增接口
我们在 实战案例1\改造后\home 目录下新增一个文件，命名为 views_api.py。然后添加后面的代码。
from django.http import JsonResponse
from django.views.decorators.csrf import csrf_exempt
from django.core import serializers
from .rag import *
def 开始新的对话api(request):
开始新的对话()
return JsonResponse({"code":200,"message":"已经成功开始新的对话"})
@csrf_exempt
def 获取结构化数据查询参数api(request):
用户输入 = request.POST['question']
查询参数 = 获取结构化数据查询参数(用户输入)
return JsonResponse({"querydata":查询参数})
def 从数据库查不到相关数据时的操作api(request):
从数据库查不到相关数据时的操作()
return JsonResponse({"code":200,"message":"已经成功执行从数据库查不到相关数据时的操作"})
@csrf_exempt
def 根据查询结果回答用户输入api(request):
用户输入 = request.POST['question']
查询结果 = request.POST['query-result']
根据查询结果回答用户输入(查询结果,用户输入)
return JsonResponse({"code":200,"message":"已经成功根据查询结果回答用户输入"})
def 获取对话记录api(request):
conversation_list = 获取当前对话记录()
conversation_list_json = serializers.serialize("json", list(conversation_list))
return JsonResponse({"conversationlist":conversation_list_json})
以上代码总共有5个接口，接口的功能都是我们之前接触过的。
除了新增接口，我们还需要修改rag.py和views.py文件。
第一处要修改的是 开始新的对话 函数。原因是views_api.py和views.py都重用了这个函数。首先我们打开views.py文件，将newtalk函数修改成以下模样。
现在我们看到，第2行代码已经和接口文件里面的代码一样了。
然后打开rag.py文件，在文件尾部新增这个函数。
def 开始新的对话():
未结束的对话 = 对话记录.objects.filter(已结束=False)
for current in 未结束的对话:
current.已结束 = True
对话记录.objects.bulk_update(未结束的对话, ['已结束'])
其实就是将这段原来在views.py文件的代码移到了rag.py文件，从而让views_api.py和views.py能够共用它。
第二处是将获取当前对话记录的代码从views.py文件移到了rag.py文件，从而让views_api.py和views.py共用它。也就是说，我们首先需要在rag.py文件尾部新增这个函数。
然后将views.py文件的index函数改成如下模样。
def index(request):
if request.method == 'POST':
用户输入 = request.POST['question']
查询参数 = 获取结构化数据查询参数(用户输入)
查询结果 = None
if 查询参数 is not None:
查询结果 = 查询(查询参数)
if 查询结果 is None:
从数据库查不到相关数据时的操作()
else:
查询结果json格式 = serializers.serialize("json", list(查询结果))
根据查询结果回答用户输入(查询结果json格式,用户输入)
conversation_list = 获取当前对话记录()
return render(request, "home/index.html",{"object_list":conversation_list})
第16行就是我们修改的地方。
然而细心的同学会发现，第13行也有变化。是的，这就是我们第三处需要修改的地方，把我们这个Python MIS系统才支持的功能从rag.py文件移出来。
我们需要打开rag.py文件，把将查询结果转为字符串函数修改成以下模样。
def 将查询结果转为字符串(查询结果):
return_str = ""
data = json.loads(查询结果)
for current in data:
if 'fields' in current:
for key, value in current['fields'].items():
return_str += f"{key}：{value}\n"
else:
for key, value in current.items():
return_str += f"{key}：{value}\n"
return return_str
我们可以看到，其实就是把原来的第2行代码从rag.py文件移到了views.py文件的index函数。
现在我们已经编写完API接口了，我们还需要注册这些接口，才能让外部调用它们。
注册接口
我们打开 home\urls.py 文件，在第11行之前插入以下代码。
path("api/new-talk", views_api.开始新的对话api, name="api-new-talk"),
path("api/get-query-paras", views_api.获取结构化数据查询参数api, name="api-get-query-paras"),
path("api/answer-without-data", views_api.从数据库查不到相关数据时的操作api, name="api-answer-without-data"),
path("api/answer-with-data", views_api.根据查询结果回答用户输入api, name="api-answer-with-data"),
path("api/get-conversation-list", views_api.获取对话记录api, name="api-get-conversation-list"),
测试接口
现在我们已经注册完接口了，我们重新运行，然后测试接口。
这里需要我们打开postman，输入以下接口url、提交方法和提交数据。然后进行测试。
需要注意的是， 在测试第2和第5个接口时，我们的key和value是需要添加body里面的，并且数据提交类型下拉列表要选form-data。
完成这些操作后，你的Java或者.NET MIS系统就能通过以上接口调用我们的实战案例了。
至此，我们的实战案例1就结束了。完整的代码可以在 这里 下载。
希望你通过这个实战案例能够说服你的利益相关者，说服他支持改造现有的MIS系统，从而真正进入生成式AI这条热门赛道。
小结
好了，今天这一讲到这里就结束了，最后我们来回顾一下。这一讲我们学会了两件事情。
第一件事情是通过查看用户的提问来改进我们的RAG应用。我们可以在管理员界面查看用户的提问，借此改进我们的RAG应用。
第二件事情是如何将实战案例1的代码重用到你的MIS系统。我们可以把rag.py文件里面的函数包装成http接口对外开放，这样你的MIS系统可以通过调用这些http接口来实现RAG功能了。
思考题
为了教学方便，代码中的数据库字段都是使用中文，但是实际工作中基本是英文，所以传给大模型的都会是英文而不是中文，如何处理这个问题？
欢迎你在留言区和我交流互动，如果这节课对你有启发，也推荐分享给身边更多朋友。