async def list_docs( knowledge_base_id: Optional[str] = Query(default=None, description="Knowledge Base Name", example="kb1") ): if knowledge_base_id: local_doc_folder = get_folder_path(knowledge_base_id) if not os.path.exists(local_doc_folder): return {"code": 1, "msg": f"Knowledge base {knowledge_base_id} not found"} all_doc_names = [ doc for doc in os.listdir(local_doc_folder) if os.path.isfile(os.path.join(local_doc_folder, doc)) ] return ListDocsResponse(data=all_doc_names) else: if not os.path.exists(UPLOAD_ROOT_PATH): all_doc_ids = [] else: all_doc_ids = [ folder for folder in os.listdir(UPLOAD_ROOT_PATH) if os.path.isdir(os.path.join(UPLOAD_ROOT_PATH, folder)) ] return ListDocsResponse(data=all_doc_ids)

这是一个 Python 函数，用于列出文档列表。该函数包含一个可选的参数 knowledge_base_id，如果提供了该参数，则会列出该知识库中的所有文档。否则，将列出所有知识库中的文档名并返回。函数首先检查提供的知识库 ID 是否存在，如果存在，则获取该知识库中的本地文档文件夹路径。然后，它检查该文件夹是否存在。如果不存在，则返回一个包含错误消息的字典。如果该文件夹存在，则使用 os.listdir() 函数获取该文件夹中的所有文件名。然后，它使用列表推导式过滤掉所有非文件类型的对象，并将剩余的文件名添加到一个列表中。最后，函数返回一个 ListDocsResponse 对象，其中包含文档名的列表。如果没有提供知识库 ID，则获取所有知识库中的文档名并返回。

相关问题

async def new_desktop(self, region_id: str = None, desktop_name: str = None, bundle_id: str = None, end_user_ids: list = None, office_site_id: str = None, os_type: str = 'Windows', policy_group_id: str = None, desktop_status: str = None, user_commands: List[dict] = None, desktop_timers: List[dict] = None, **kwargs) -> List[Desktop]:

这似乎是一个Python方法的定义，它接受多个参数并返回一个Desktop对象的列表。该方法的名称是new_desktop，它似乎是用于创建新的桌面。参数包括region_id（地区ID）、desktop_name（桌面名称）、bundle_id（捆绑ID）、end_user_ids（终端用户ID列表）、office_site_id（办公地点ID）、os_type（操作系统类型）、policy_group_id（策略组ID）、desktop_status（桌面状态）、user_commands（用户命令列表）和desktop_timers（桌面计时器列表）。除此之外还有一些未知的关键字参数。

async def local_doc_chat( knowledge_base_id: str = Body(..., description="Knowledge Base Name", example="kb1"), question: str = Body(..., description="Question", example="工伤保险是什么？"), history: List[List[str]] = Body( [], description="History of previous questions and answers", example=[ ], ), ): vs_path = os.path.join(VS_ROOT_PATH, knowledge_base_id) if not os.path.exists(vs_path): # return BaseResponse(code=1, msg=f"Knowledge base {knowledge_base_id} not found") return ChatMessage( question=question, response=f"Knowledge base {knowledge_base_id} not found", history=history, ) else: start = time.time() for resp, history in local_doc_qa.get_knowledge_based_answer( query=question, vs_path=vs_path, chat_history=history, streaming=True ): pass end = time.time() print(f'总共用时{end-start}') return ChatMessage( question=question, response=resp["result"], history=history )

这段代码定义了一个名为 `local_doc_chat` 的异步函数，它接受三个参数：`knowledge_base_id`、`question` 和 `history`，其中 `knowledge_base_id` 和 `question` 都是必填参数，而 `history` 是一个可选参数，默认值为一个空列表。

在函数体内，首先检查指定的知识库是否存在。如果不存在，则返回一个 `ChatMessage` 实例，它的 `question` 属性为用户提出的问题，`response` 属性为提示信息，`history` 属性为之前的聊天历史记录。

如果知识库存在，则调用 `local_doc_qa.get_knowledge_based_answer` 方法来获取答案。这个方法接受四个参数：`query`、`vs_path`、`chat_history` 和 `streaming`。其中，`query` 是用户提出的问题，`vs_path` 是知识库的本地路径，`chat_history` 是之前的聊天历史记录，`streaming` 参数表示是否使用流式处理。

最后，函数返回一个 `ChatMessage` 实例，它的 `question` 属性为用户提出的问题，`response` 属性为获取到的答案，`history` 属性为更新后的聊天历史记录。