import json import logging from typing import Any, Dict, TypeVar, List, Union, Tuple import ast # 定义类型变量用于泛型类型提示 T = TypeVar("T") # 获取logger logger = logging.getLogger("json_utils") def safe_json_loads(json_str: str, default_value: T = None) -> Union[Any, T]: """ 安全地解析JSON字符串，出错时返回默认值 现在尝试处理单引号和标准JSON 参数: json_str: 要解析的JSON字符串 default_value: 解析失败时返回的默认值 返回: 解析后的Python对象，或在解析失败时返回default_value """ if not json_str or not isinstance(json_str, str): logger.warning(f"safe_json_loads 接收到非字符串输入: {type(json_str)}, 值: {json_str}") return default_value try: # 尝试标准的 JSON 解析 return json.loads(json_str) except json.JSONDecodeError: # 如果标准解析失败，尝试将单引号替换为双引号再解析 # （注意：这种替换可能不安全，如果字符串内容本身包含引号） # 更安全的方式是用 ast.literal_eval try: # logger.debug(f"标准JSON解析失败，尝试用 ast.literal_eval 解析: {json_str[:100]}...") result = ast.literal_eval(json_str) # 确保结果是字典（因为我们通常期望参数是字典） if isinstance(result, dict): return result else: logger.warning(f"ast.literal_eval 解析成功但结果不是字典: {type(result)}, 内容: {result}") return default_value except (ValueError, SyntaxError, MemoryError, RecursionError) as ast_e: logger.error(f"使用 ast.literal_eval 解析失败: {ast_e}, 字符串: {json_str[:100]}...") return default_value except Exception as e: logger.error(f"使用 ast.literal_eval 解析时发生意外错误: {e}, 字符串: {json_str[:100]}...") return default_value except Exception as e: logger.error(f"JSON解析过程中发生意外错误: {e}, 字符串: {json_str[:100]}...") return default_value def extract_tool_call_arguments(tool_call: Dict[str, Any], default_value: Dict[str, Any] = None) -> Dict[str, Any]: """ 从LLM工具调用对象中提取参数 参数: tool_call: 工具调用对象字典 default_value: 解析失败时返回的默认值 返回: 解析后的参数字典，或在解析失败时返回default_value """ default_result = default_value or {} if not tool_call or not isinstance(tool_call, dict): logger.error(f"无效的工具调用对象: {tool_call}") return default_result try: # 提取function参数 function_data = tool_call.get("function", {}) if not function_data or not isinstance(function_data, dict): logger.error(f"工具调用缺少function字段或格式不正确: {tool_call}") return default_result # 提取arguments arguments_str = function_data.get("arguments", "{}") if not arguments_str: return default_result # 解析JSON return safe_json_loads(arguments_str, default_result) except Exception as e: logger.error(f"提取工具调用参数时出错: {e}") return default_result def safe_json_dumps(obj: Any, default_value: str = "{}", ensure_ascii: bool = False, pretty: bool = False) -> str: """ 安全地将Python对象序列化为JSON字符串 参数: obj: 要序列化的Python对象 default_value: 序列化失败时返回的默认值 ensure_ascii: 是否确保ASCII编码(默认False，允许中文等非ASCII字符) pretty: 是否美化输出JSON 返回: 序列化后的JSON字符串，或在序列化失败时返回default_value """ try: indent = 2 if pretty else None return json.dumps(obj, ensure_ascii=ensure_ascii, indent=indent) except TypeError as e: logger.error(f"JSON序列化失败(类型错误): {e}") return default_value except Exception as e: logger.error(f"JSON序列化过程中发生意外错误: {e}") return default_value def normalize_llm_response(response: Any, log_prefix: str = "") -> Tuple[bool, List[Any], str]: """ 标准化LLM响应格式，将各种格式（如元组）转换为统一的列表格式 参数: response: 原始LLM响应 log_prefix: 日志前缀 返回: 元组 (成功标志, 标准化后的响应列表, 错误消息) """ logger.debug(f"{log_prefix}原始人 LLM响应: {response}") # 检查是否为None if response is None: return False, [], "LLM响应为None" # 记录原始类型 logger.debug(f"{log_prefix}LLM响应原始类型: {type(response).__name__}") # 将元组转换为列表 if isinstance(response, tuple): logger.debug(f"{log_prefix}将元组响应转换为列表") response = list(response) # 确保是列表类型 if not isinstance(response, list): return False, [], f"无法处理的LLM响应类型: {type(response).__name__}" # 处理工具调用部分（如果存在） if len(response) == 3: content, reasoning, tool_calls = response # 将工具调用部分转换为列表（如果是元组） if isinstance(tool_calls, tuple): logger.debug(f"{log_prefix}将工具调用元组转换为列表") tool_calls = list(tool_calls) response[2] = tool_calls return True, response, "" def process_llm_tool_calls( tool_calls: List[Dict[str, Any]], log_prefix: str = "" ) -> Tuple[bool, List[Dict[str, Any]], str]: """ 处理并验证LLM响应中的工具调用列表 参数: tool_calls: 从LLM响应中直接获取的工具调用列表 log_prefix: 日志前缀 返回: 元组 (成功标志, 验证后的工具调用列表, 错误消息) """ # 如果列表为空，表示没有工具调用，这不是错误 if not tool_calls: return True, [], "工具调用列表为空" # 验证每个工具调用的格式 valid_tool_calls = [] for i, tool_call in enumerate(tool_calls): if not isinstance(tool_call, dict): logger.warning(f"{log_prefix}工具调用[{i}]不是字典: {type(tool_call).__name__}, 内容: {tool_call}") continue # 检查基本结构 if tool_call.get("type") != "function": logger.warning( f"{log_prefix}工具调用[{i}]不是function类型: type={tool_call.get('type', '未定义')}, 内容: {tool_call}" ) continue if "function" not in tool_call or not isinstance(tool_call.get("function"), dict): logger.warning(f"{log_prefix}工具调用[{i}]缺少'function'字段或其类型不正确: {tool_call}") continue func_details = tool_call["function"] if "name" not in func_details or not isinstance(func_details.get("name"), str): logger.warning(f"{log_prefix}工具调用[{i}]的'function'字段缺少'name'或类型不正确: {func_details}") continue # 验证参数 'arguments' args_value = func_details.get("arguments") # 1. 检查 arguments 是否存在且是字符串 if args_value is None or not isinstance(args_value, str): logger.warning(f"{log_prefix}工具调用[{i}]的'function'字段缺少'arguments'字符串: {func_details}") continue # 2. 尝试安全地解析 arguments 字符串 parsed_args = safe_json_loads(args_value, None) # 3. 检查解析结果是否为字典 if parsed_args is None or not isinstance(parsed_args, dict): logger.warning( f"{log_prefix}工具调用[{i}]的'arguments'无法解析为有效的JSON字典, " f"原始字符串: {args_value[:100]}..., 解析结果类型: {type(parsed_args).__name__}" ) continue # 如果检查通过，将原始的 tool_call 加入有效列表 valid_tool_calls.append(tool_call) if not valid_tool_calls and tool_calls: # 如果原始列表不为空，但验证后为空 return False, [], "所有工具调用格式均无效" return True, valid_tool_calls, ""