update:ragflow教程升级到0.22.0

README.md

@@ -246,7 +246,7 @@ Websocket接口地址: wss://2662r3426b.vicp.fun/xiaozhi/v1/
 | 声纹识别 | 支持多用户声纹注册、管理和识别，与ASR并行处理，实时识别说话人身份并传递给LLM进行个性化回应 |
 | 智能对话 | 支持多种LLM(大语言模型)，实现智能对话 |
 | 视觉感知 | 支持多种VLLM(视觉大模型)，实现多模态交互 |
-| 意图识别 | 支持LLM意图识别、Function Call函数调用，提供插件化意图处理机制 |
+| 意图识别 | 支持外挂的大模型意图识别、大模型自主函数调用，提供插件化意图处理机制 |
 | 记忆系统 | 支持本地短期记忆、mem0ai接口记忆，具备记忆总结功能 |
 | 知识库 | 支持RAGFlow知识库，让大模型判断需要调度知识库后再回答 |
 | 工具调用 | 支持客户端IOT协议、客户MCP协议、服务端MCP协议、MCP接入点协议、自定义工具函数 |

docs/homeassistant-integration.md

@@ -97,7 +97,7 @@ http://homeassistant.local:8123
 
 使用管理员账号，登录`智控台`。在`智能体管理`，找到你的智能体，再点击`配置角色`。
 
-将意图识别设置成`函数调用`或`LLM意图识别`。这时你会看到右侧有一个`编辑功能`。点击`编辑功能`按钮，会弹出`功能管理`的框。
+将意图识别设置成`外挂的大模型意图识别`或`大模型自主函数调用`。这时你会看到右侧有一个`编辑功能`。点击`编辑功能`按钮，会弹出`功能管理`的框。
 
 在`功能管理`的框里，你需要勾选`HomeAssistant设备状态查询`和`HomeAssistant设备状态修改`。
 

docs/ragflow-integration.md

@@ -90,12 +90,11 @@ FLUSH PRIVILEGES;
 
 你需要在你电脑找一个文件夹，用来存放ragflow项目。例如我在`/home/system/xiaozhi`文件夹。
 
-你可以使用`git`命令，将ragflow项目下载到这个文件夹，本教程使用的是`2025年11月11日`提交的`dd5b8e2e1a877211d17aae5552d8895b1bca763d`版本进行安装部署。
+你可以使用`git`命令，将ragflow项目下载到这个文件夹，本教程使用的是`v0.22.0`版本进行安装部署。
 ```
 git clone https://ghfast.top/https://github.com/infiniflow/ragflow.git
 cd ragflow
-git reset --hard dd5b8e2e1a877211d17aae5552d8895b1bca763d
-
+git checkout v0.22.0
 ```
 下载完后，进入`docker`文件夹。
 ``` shell
@@ -158,8 +157,6 @@ services:
 编辑`ragflow/docker`文件夹下的`.env`文件,找到以下配置，逐个搜索，逐个修改！逐个搜索，逐个修改！
 
 ``` env
-# ragflow镜像
-RAGFLOW_IMAGE=infiniflow/ragflow@sha256:d9ff494d1bf72138ce6fe0eaf4962cf4bea471c8c266d12b8bfb9d10ac3a2f6e
 # 端口设置
 SVR_WEB_HTTP_PORT=8008           # HTTP端口
 SVR_WEB_HTTPS_PORT=8009          # HTTPS端口

main/manager-api/src/main/resources/db/changelog/202511131020.sql

@@ -0,0 +1,11 @@
+UPDATE `ai_model_config` SET 
+`doc_link` = 'https://github.com/infiniflow/ragflow/blob/main/README_zh.md',
+`remark` = '详细部署教程参考：https://github.com/xinnan-tech/xiaozhi-esp32-server/blob/main/docs/ragflow-integration.md
+部署成功，注冊登录后，点击右上角头像，获得RAGFlow的API KEY和API服务器地址。使用RAGFlow前请在Model Provider中添加模型和设置默认模型。' WHERE `id` = 'RAG_RAGFlow';
+
+update `ai_model_config` set `model_name` = '外挂的大模型意图识别' where `id` = 'Intent_intent_llm';
+update `ai_model_config` set `model_name` = '大模型自主函数调用' where `id` = 'Intent_function_call';
+
+update `ai_model_provider` set `name` = '外挂的大模型意图识别' , `fields` =  '[{"key":"llm","label":"引用的LLM模型","type":"string"}]' where  id = 'SYSTEM_Intent_intent_llm';
+update `ai_model_provider` set `name` = '大模型自主函数调用' where  id = 'SYSTEM_Intent_function_call';
+

main/manager-api/src/main/resources/db/changelog/db.changelog-master.yaml

@@ -415,4 +415,11 @@ databaseChangeLog:
       changes:
         - sqlFile:
             encoding: utf8
-            path: classpath:db/changelog/202510251150.sql
+            path: classpath:db/changelog/202510251150.sql
+  - changeSet:
+      id: 202511131020
+      author: hrz
+      changes:
+        - sqlFile:
+            encoding: utf8
+            path: classpath:db/changelog/202511131020.sql

main/xiaozhi-server/core/providers/intent/intent_llm/intent_llm.py

@@ -55,7 +55,6 @@ class IntentProvider(IntentProviderBase):
         prompt = (
             "【严格格式要求】你必须只能返回JSON格式，绝对不能返回任何自然语言！\n\n"
             "你是一个意图识别助手。请分析用户的最后一句话，判断用户意图并调用相应的函数。\n\n"
-
             "【重要规则】以下类型的查询请直接返回result_for_context，无需调用函数：\n"
             "- 询问当前时间（如：现在几点、当前时间、查询时间等）\n"
             "- 询问今天日期（如：今天几号、今天星期几、今天是什么日期等）\n"
@@ -202,7 +201,7 @@ class IntentProvider(IntentProviderBase):
         # 记录LLM调用完成时间
         llm_time = time.time() - llm_start_time
         logger.bind(tag=TAG).debug(
-            f"LLM意图识别完成, 模型: {model_info}, 调用耗时: {llm_time:.4f}秒"
+            f"外挂的大模型意图识别完成, 模型: {model_info}, 调用耗时: {llm_time:.4f}秒"
         )
 
         # 记录后处理开始时间
@@ -238,8 +237,10 @@ class IntentProvider(IntentProviderBase):
                 # 处理不同类型的意图
                 if function_name == "result_for_context":
                     # 处理基础信息查询，直接从context构建结果
-                    logger.bind(tag=TAG).info("检测到result_for_context意图，将使用上下文信息直接回答")
-                    
+                    logger.bind(tag=TAG).info(
+                        "检测到result_for_context意图，将使用上下文信息直接回答"
+                    )
+
                 elif function_name == "continue_chat":
                     # 处理普通对话
                     # 保留非工具相关的消息
@@ -249,7 +250,7 @@ class IntentProvider(IntentProviderBase):
                         if msg.role not in ["tool", "function"]
                     ]
                     conn.dialogue.dialogue = clean_history
-                    
+
                 else:
                     # 处理函数调用
                     logger.bind(tag=TAG).info(f"检测到函数调用意图: {function_name}")