项目介绍
《AI智能伴侣》:基于大模型的情感陪伴应用。用户可以给 AI 伴侣设置昵称和性格,它以对应人设进行自然对话。
-cmEhUn5g.B0uYujc_.png)
环境准备
整体分前端、服务端两部分:
-cQfiondh.CjVkdVTo.png)
前端环境(Nginx)
把 nginx-ai-partner.zip 解压到没有中文、不带空格的目录:
-czchun1c.CEoPxU6K.png)
- 启动:双击
nginx.exe,占用 88 端口(端口在conf/nginx.conf里配置) - 停止:
- 方式一:Nginx 目录下开 cmd,执行
nginx.exe -s stop - 方式二:任务管理器找到 nginx 进程,右键结束
- 方式一:Nginx 目录下开 cmd,执行
坑
Nginx 不会开机自启,每次关机重开都要手动启动。
启动后浏览器访问 http://localhost:88 就是项目页面:
服务端环境(FastAPI)
- 新建名为
ai_partner的项目
-cvpDvnAf.pk_OaLkA.png)
选 FastAPI 模板时,IDE 会自动装好 fastapi、uvicorn,并生成实例和样例代码:
-ciBKAnjw.jd7LPWgx.png)
- 把资料里的
data目录拷到项目目录下(存放基础数据)
-c06r1nqg.C_tVgPEp.png)
- 改实例描述信息 + 加启动代码
python
from fastapi import FastAPI
app = FastAPI(title="AI智能伴侣", description="一款基于人工智能的情感陪伴应用", version="1.0.0")
if __name__ == "__main__":
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8000)前后端交互流程
- 浏览器请求
http://localhost:88,路径后没写资源 → 默认返回index.html - 浏览器解析、渲染页面
- 页面加载完,前端自动请求
http://localhost:88/api/presets拿伴侣预设 conf/nginx.conf里配了规则:/api开头的请求转发给http://localhost:8000- 服务端处理完把结果给 Nginx,Nginx 再回给前端渲染
-cjH1Gnxb.CDoBnS0o.png)
两个入口别混
访问完整项目走前端 http://localhost:88/;单独测接口走服务端 http://localhost:8000/。
接口一:预设伴侣信息加载
GET /api/presets,无请求参数,前端用来渲染预设下拉框。
-crjVknbh._upfm_Um.png)
- 数据源:
data/companion_presets.json
响应示例:
json
{
"code": 200,
"message": "获取预设列表成功",
"data": [
{
"id": 1,
"name": "东北甜妹",
"nick_name": "小甜甜",
"nature": "活泼开朗的东北姑娘……",
"sort_order": 1
}
]
}写完先用 Swagger(http://localhost:8000/docs)自测,再开前端页面联调:
接口二:新建会话
POST /api/sessions,访问项目时若没有会话,前端自动发起,把伴侣昵称、性格传过来。
-cRIW3nPg.DJQEHf4s.png)
- 请求体:
{"nick_name": "小甜甜", "nature": "活泼开朗的东北姑娘……"} - 响应:
{"code": 200, "message": "创建会话成功", "data": "2026-05-29_15-30-00"} - 存储设计:一个会话一个文件,文件名 =
%Y-%m-%d_%H-%M-%S,全部放在sessions目录,文件内容:
json
{
"nick_name": "小甜甜",
"nature": "活泼开朗的东北姑娘……",
"session_name": "2026-05-25_10-47-15",
"messages": []
}接口三:与 AI 交互
POST /api/chat,服务端自动加载该会话历史,调 DeepSeek 生成回复,并把这一轮对话写回会话文件。
- 请求体 4 个字段:
session_name、message、nick_name、nature - 响应:
{"code": 200, "message": "请求成功", "data": "咋滴啦大兄弟?……"}
处理思路(四步)
- 定义接收请求体的类
- 用
nick_name+nature拼系统提示词(固定 8 条规则 + 性格) - 读会话文件 → 取出历史
messages→ 追加本轮user消息(消息滚雪球,会话记忆靠这个实现) - 组装
system + 历史 + 本轮调模型,取choices[0].message.content - 把
assistant回复追加进历史,整份 json 回写文件
系统提示词模板
python
SYSTEM_PROMPT_TEMPLATE = """你叫 %s,现在是用户的真实伴侣,请完全代入伴侣角色。
规则:
1. 每次只回1条消息
2. 禁止任何场景或状态描述性文字
3. 匹配用户的语言
4. 回复简短,像微信聊天一样
5. 有需要的话可以用❤️🌸等emoji表情
6. 用符合伴侣性格的方式对话
7. 回复的内容, 要充分体现伴侣的性格特征
8. 不要太肉麻(比如想你之类的,就日常聊天)
伴侣性格:
- %s
你必须严格遵守上述规则来回复用户。
"""-cu6TQnDd.n6Yipjql.png)
完整代码
python
import json
import os
from datetime import datetime
from typing import Any
from fastapi import FastAPI
from openai import OpenAI
from pydantic import BaseModel
app = FastAPI(title="AI智能伴侣", description="一款基于人工智能的情感陪伴应用", version="1.0.0")
# 调用大模型的客户端
client = OpenAI(
api_key=os.environ.get('DEEPSEEK_API_KEY'),
base_url="https://api.deepseek.com")
PRESETS_FILE_PATH = "data/companion_presets.json"
# 会话文件目录,不存在则创建
SESSIONS_DIR = "sessions"
if not os.path.exists(SESSIONS_DIR):
os.mkdir(SESSIONS_DIR)
def get_session_path(session_name: str) -> str:
"""会话名 → 文件路径"""
return f"{SESSIONS_DIR}/{session_name}.json"
SYSTEM_PROMPT_TEMPLATE = """你叫 %s,现在是用户的真实伴侣,请完全代入伴侣角色。
规则:
1. 每次只回1条消息
2. 禁止任何场景或状态描述性文字
3. 匹配用户的语言
4. 回复简短,像微信聊天一样
5. 有需要的话可以用❤️🌸等emoji表情
6. 用符合伴侣性格的方式对话
7. 回复的内容, 要充分体现伴侣的性格特征
8. 不要太肉麻(比如想你之类的,就日常聊天)
伴侣性格:
- %s
你必须严格遵守上述规则来回复用户。
"""
# 统一响应结构
class ApiResponse(BaseModel):
code: int
message: str
data: Any = None
# 新建会话的请求体
class CreateSessionRequest(BaseModel):
nick_name: str
nature: str
# 对话的请求体
class ChatRequest(BaseModel):
session_name: str
message: str
nick_name: str
nature: str
# ========== 接口一:预设列表 ==========
@app.get("/api/presets")
def get_presets():
print("获取伴侣的预设列表")
if not os.path.exists(PRESETS_FILE_PATH):
return ApiResponse(code=500, message="预设信息不存在")
with open(PRESETS_FILE_PATH, "r", encoding="utf-8") as f:
data = json.load(f)
return ApiResponse(code=200, message="获取伴侣预设信息成功", data=data)
# ========== 接口二:新建会话 ==========
@app.post("/api/sessions")
def create_session(request: CreateSessionRequest):
print("新建一个会话~")
# 会话名用当前时间
session_name = datetime.now().strftime("%Y-%m-%d_%H-%M-%S")
session_data = {
"session_name": session_name,
"nick_name": request.nick_name,
"nature": request.nature,
"messages": []
}
# 一个会话一个 json 文件
with open(get_session_path(session_name), "w", encoding="utf-8") as f:
json.dump(session_data, f, ensure_ascii=False, indent=2)
return ApiResponse(code=200, message="新建会话成功", data=session_name)
# ========== 接口三:与 AI 交互 ==========
@app.post("/api/chat")
def chat(request: ChatRequest):
print(f"发送消息成功~{request.session_name},{request.nick_name},{request.message},{request.nature}")
# 1. 拼系统提示词
sys_temp = SYSTEM_PROMPT_TEMPLATE % (request.nick_name, request.nature)
# 2. 读出该会话的历史消息
with open(get_session_path(request.session_name), "r", encoding="utf-8") as f:
session_data = json.load(f)
session_data_messages = session_data.get("messages")
session_data_messages.append({"role": "user", "content": request.message})
# 3. system + 全部历史(滚雪球 = 会话记忆)
send_messages = [{"role": "system", "content": sys_temp}]
for s in session_data_messages:
send_messages.append(s)
# 4. 调模型
response = client.chat.completions.create(
model="deepseek-v4-pro",
messages=send_messages,
stream=False,
reasoning_effort="high",
extra_body={"thinking": {"type": "disabled"}}
)
result = response.choices[0].message.content
# 5. 把回复也存进历史,整份回写文件
session_data_messages.append({"role": "assistant", "content": result})
session_data["nick_name"] = request.nick_name
session_data["nature"] = request.nature
with open(get_session_path(request.session_name), "w", encoding="utf-8") as f:
json.dump(session_data, f, ensure_ascii=False, indent=2)
return ApiResponse(code=200, message="回复成功", data=result)
if __name__ == '__main__':
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8000)