Add platform config website_url, admin tab, fix writer DB config fallback, add trigger endpoints

platform/backend/app/api/assistant.py

@@ -0,0 +1,61 @@
+from fastapi import APIRouter, Depends, HTTPException
+from pydantic import BaseModel
+from typing import List, Optional
+from ..core.nvidia_client import call_llm
+from .auth import get_current_user
+
+router = APIRouter(prefix="/api/assistant", tags=["assistant"])
+
+PAGE_CONTEXTS = {
+    "dashboard": "仪表盘页面：显示系统概览统计（选题总数、待处理、待审查、待发布、已发布、今日新增）、模块状态卡片（6个定时任务的运行状态）、近期计划列表",
+    "topics": "选题管理页面：创建和管理内容选题，支持筛选、排序、评分、编辑、预览等功能",
+    "metrics": "数据分析页面：展示各平台内容表现数据，包括浏览量、点赞、收藏、评论等指标的趋势图表",
+    "calendar": "内容日历页面：以日历形式展示内容发布计划，支持创建、编辑、拖拽调整日期",
+    "assets": "素材管理页面：管理图片、文件等媒体素材，支持上传、标签分类、关联选题",
+    "tasks": "任务管理页面：查看内容创作任务的执行状态，包括自动采集、同步、生成、优化等任务",
+    "platforms": "平台配置页面：管理各发布平台的配置，包括平台名称、API端点、发布格式等",
+    "admin": "系统管理页面：管理用户、LLM配置、系统配置、采集类别、信息源、组织、查看运行日志等",
+}
+
+class ChatRequest(BaseModel):
+    message: str
+    page: str = "dashboard"
+    history: List[dict] = []
+
+@router.post("/chat")
+def chat(request: ChatRequest, current_user=Depends(get_current_user)):
+    try:
+        from ..database import SessionLocal
+        from ..models import SystemConfig
+        db = SessionLocal()
+        sc = db.query(SystemConfig).filter(SystemConfig.key == "assistant_system_prompt").first()
+        base_prompt = sc.value if sc else None
+        db.close()
+    except Exception:
+        base_prompt = None
+
+    page_name = request.page
+    page_guide = PAGE_CONTEXTS.get(page_name, "未知页面")
+    username = current_user.username if hasattr(current_user, 'username') else '用户'
+
+    system_prompt = base_prompt or f"""你是一个智能内容创作平台助手，帮助用户解答平台使用问题。
+
+当前用户 {username} 正在查看：{page_guide}
+
+你可以帮助用户：
+1. 解释各个页面的功能和操作方法
+2. 解答平台使用中的疑问
+3. 提供操作建议和最佳实践
+4. 指导用户完成具体的操作步骤
+
+请用友好、简洁的中文回答。如果不确定，建议用户参考相关页面或联系管理员。一次回答控制在200字以内。"""
+
+    messages = request.history[-20:]
+    conversation = "\n".join([f"{'用户' if m.get('role') == 'user' else '助手'}: {m.get('content', '')}" for m in messages])
+    prompt_text = f"{conversation}\n用户: {request.message}\n助手:"
+
+    try:
+        reply = call_llm(prompt_text, system_prompt=system_prompt, temperature=0.5, max_tokens=1000)
+        return {"reply": reply}
+    except Exception as e:
+        return {"reply": f"抱歉，AI助手暂时无法响应，请稍后重试。"}