autoAiWorkSys/docs/ai_service_integration_summary.md

AI Service Token 记录集成总结

概述

已成功将 Token 使用记录功能集成到 ai_service.js 中的所有 AI 调用方法。所有方法现在都会自动记录：

• Token 使用量（输入、输出、总计）
• 调用费用
• 响应时间
• 请求和响应内容
• 调用状态（成功/失败）

集成方法列表

1. chat() - 核心聊天方法

• 行号: 33-95
• 集成方式: 内置 Token 记录逻辑
• 记录时机:
  • 成功调用：记录完整 Token 数据和响应内容
  • 失败调用：记录错误信息和失败状态
• 特性:
  • 异步记录，不阻塞主流程
  • 自动计算费用（基于 DeepSeek 定价）
  • 捕获异常防止记录失败影响业务

2. analyzeResume() - 简历分析

• 行号: 129-199
• 参数更新: 添加 context = {} 参数
• 业务类型: resume_analysis
• 服务类型: completion
• reference_id: resumeData.id 或 resumeData.resumeId
• 使用示例:

const result = await aiService.analyzeResume(resumeData, {
  user_id: 123,
  sn_code: 'DEVICE001'
});

3. matchJobWithResume() - 岗位匹配度评估

• 行号: 208-283
• 参数更新: 添加 context = {} 参数
• 业务类型: job_matching
• 服务类型: completion
• reference_id: jobData.id 或 jobData.jobId
• 使用示例:

const matchResult = await aiService.matchJobWithResume(jobData, resumeData, {
  user_id: 123,
  sn_code: 'DEVICE001'
});

4. batchMatchJobs() - 批量岗位匹配

• 行号: 293-321
• 参数更新: 添加 context = {} 参数
• 集成方式: 将 context 传递给 matchJobWithResume()
• 特性:
  • 并发控制（每批 3 个）
  • 自动重试和错误处理
  • 每批之间间隔 1 秒防止 API 限流
• 使用示例:

const results = await aiService.batchMatchJobs(jobs, resumeData, {
  user_id: 123,
  sn_code: 'DEVICE001'
});

5. generateChatContent() - 生成聊天内容

• 行号: 328-397
• 参数更新: context 中提取 user_id 和 sn_code
• 业务类型: chat_generation
• 服务类型: chat
• reference_id: jobInfo.jobId 或 jobInfo.id
• 使用示例:

const chatContent = await aiService.generateChatContent({
  jobInfo: { jobId: 456, jobTitle: 'Node.js开发' },
  resumeInfo: resumeData,
  chatType: 'greeting',
  user_id: 123,
  sn_code: 'DEVICE001'
});

6. detectInterviewInvitation() - 面试邀约检测

• 行号: 405-454
• 参数更新: 添加 context = {} 参数
• 业务类型: interview_detection
• 服务类型: completion
• reference_id: context.conversation_id 或 context.job_id
• 使用示例:

const result = await aiService.detectInterviewInvitation(hrMessage, {
  user_id: 123,
  sn_code: 'DEVICE001',
  conversation_id: 789
});

7. analyzeSentiment() - 情感分析

• 行号: 462-503
• 参数更新: 添加 context = {} 参数
• 业务类型: sentiment_analysis
• 服务类型: completion
• reference_id: context.conversation_id 或 context.job_id
• 使用示例:

const sentiment = await aiService.analyzeSentiment(hrMessage, {
  user_id: 123,
  sn_code: 'DEVICE001',
  job_id: 456
});

辅助方法

recordAiCall() - 记录 AI 调用

• 行号: 102-109
• 功能: 调用 AiCallRecorder.record() 记录数据
• 异常处理: 记录失败不影响主流程，仅输出警告日志

calculateCost() - 计算费用

• 行号: 116-121
• 定价: ¥0.001 / 1000 tokens（DeepSeek 示例价格）
• 返回: 费用金额（元）
• 可调整: 可根据实际 API 定价修改 pricePerThousand

业务类型分类

业务类型	说明	对应方法
resume_analysis	简历竞争力分析	analyzeResume()
job_matching	岗位匹配度评估	matchJobWithResume()
chat_generation	聊天内容生成	generateChatContent()
interview_detection	面试邀约检测	detectInterviewInvitation()
sentiment_analysis	情感分析	analyzeSentiment()
chat	通用聊天	chat()（直接调用）

服务类型分类

服务类型	说明
chat	对话式交互
completion	文本生成/分析
embedding	向量化（未使用）

Context 参数说明

所有方法支持的 context 参数：

{
  user_id: Number,           // 用户ID（必填）
  sn_code: String,           // 设备序列号（可选）
  conversation_id: Number,   // 会话ID（用于聊天相关）
  job_id: Number,            // 岗位ID（用于岗位相关）
  // ... 其他业务字段
}

向后兼容性

所有 context 参数都是可选的（默认值 {}），因此：

• ✅ 现有代码无需修改即可继续运行
• ✅ 仅在需要 Token 追踪时传递 context
• ✅ 未传递 context 时，相关字段为 null（仍会记录基础信息）

数据库记录字段

每次 AI 调用会记录以下信息到 ai_call_records 表：

{
  user_id: Number,              // 用户ID
  sn_code: String,              // 设备序列号
  service_type: String,         // 服务类型（chat/completion/embedding）
  model_name: String,           // 模型名称（如 deepseek-chat）
  prompt_tokens: Number,        // 输入Token数
  completion_tokens: Number,    // 输出Token数
  total_tokens: Number,         // 总Token数
  request_content: String,      // 请求内容（JSON字符串）
  response_content: String,     // 响应内容
  cost_amount: Decimal,         // 费用（元）
  status: String,               // 状态（success/failed/timeout）
  response_time: Number,        // 响应时间（毫秒）
  error_message: String,        // 错误信息（失败时）
  api_provider: String,         // API提供商（deepseek）
  business_type: String,        // 业务类型
  reference_id: Number,         // 业务关联ID
  create_time: DateTime         // 创建时间
}

使用建议

1. 始终传递 user_id

// ✅ 推荐
await aiService.analyzeResume(resumeData, {
  user_id: ctx.session.userId,
  sn_code: ctx.headers['device-sn']
});

// ❌ 不推荐（无法追踪用户）
await aiService.analyzeResume(resumeData);

2. 为批量操作传递统一 context

const context = {
  user_id: 123,
  sn_code: 'DEVICE001'
};

// 所有批量调用都会记录相同的 user_id 和 sn_code
await aiService.batchMatchJobs(jobs, resumeData, context);

3. 传递业务关联 ID

await aiService.matchJobWithResume(jobData, resumeData, {
  user_id: 123,
  sn_code: 'DEVICE001'
});
// reference_id 会自动设置为 jobData.id 或 jobData.jobId

await aiService.detectInterviewInvitation(message, {
  user_id: 123,
  conversation_id: 789  // 手动指定会话ID
});

4. 监控失败调用

try {
  const result = await aiService.analyzeResume(resumeData, context);
} catch (error) {
  // 即使调用失败，也会记录到数据库（status='failed'）
  console.error('AI调用失败，已记录到数据库:', error.message);
}

性能优化

1. 异步记录：所有 Token 记录都是异步执行，不会阻塞 AI 调用的返回
2. 错误隔离：记录失败仅打印警告日志，不会抛出异常
3. 批量优化：batchMatchJobs() 使用并发控制，避免 API 限流

费用计算

当前定价（可调整）：

• DeepSeek: ¥0.001 / 1000 tokens

修改定价：编辑 ai_service.js:119

calculateCost(totalTokens) {
  const pricePerThousand = 0.001; // 修改此值
  return (totalTokens / 1000) * pricePerThousand;
}

统计查询示例

在后台管理界面可以查询：

• 按用户统计 Token 使用量
• 按设备统计
• 按业务类型统计
• 按日期范围统计
• 按模型统计费用

访问：后台管理 → 系统设置 → AI调用记录

测试验证

执行以下命令测试集成：

# 测试简历分析
node -e "
const aiService = require('./api/services/ai_service.js').getInstance();
aiService.analyzeResume({
  fullName: '张三',
  workYears: 3,
  education: '本科',
  skills: ['Node.js', 'Vue.js']
}, {
  user_id: 999,
  sn_code: 'TEST001'
}).then(console.log);
"

# 查看数据库记录
mysql -u root -p -e "SELECT id, user_id, business_type, total_tokens, cost_amount, status FROM ai_call_records ORDER BY id DESC LIMIT 5;"

更新日志

2025-12-27

• ✅ 集成 AiCallRecorder 到 ai_service.js
• ✅ 更新所有 AI 方法支持 context 参数
• ✅ 实现自动 Token 记录和费用计算
• ✅ 保持向后兼容性（context 为可选参数）
• ✅ 添加异步记录和错误隔离机制

---

集成完成！ 🎉

所有 AI 调用现在都会自动记录 Token 使用情况，可通过后台管理界面查看详细统计数据。