Langchain-Chatchat如何设置问答结果的短信推送？

Langchain-Chatchat如何实现问答结果的短信推送？

在企业智能化转型不断深入的今天，越来越多组织开始部署本地大模型系统来处理内部知识服务。一个典型的挑战浮现出来：即便后台已经能精准回答技术文档、运维手册中的复杂问题，用户仍需守在网页前等待响应——尤其当答案涉及紧急操作时，这种被动等待可能带来严重后果。

有没有办法让系统“主动出击”，把关键信息直接送到用户手上？比如，当员工问“数据库主从同步中断怎么办”后，不仅页面显示解决方案，还能立刻收到一条短信提醒？这正是本文要解决的问题。

我们以开源项目Langchain-Chatchat为例，探讨如何在其基础上构建一套稳定可靠的短信推送机制。这个过程不依赖云端知识传输，所有数据始终留在内网，同时又能借助成熟的通信通道实现毫秒级触达。

理解核心组件：Langchain-Chatchat 的能力边界

Langchain-Chatchat 并不是一个简单的聊天界面，而是一套完整的本地化 RAG（检索增强生成）系统。它允许你上传 PDF、Word 或 TXT 文档，自动解析内容并建立语义索引，最终通过大语言模型返回基于这些私有资料的答案。

它的架构清晰且模块化：

• 前端提供交互界面；
• 后端 API 负责文档加载、文本分块、向量化存储和问答生成；
• 支持多种本地模型（如 ChatGLM3、Qwen、Baichuan），可通过 llama.cpp 加载 GGUF 格式运行于普通服务器；
• 所有流程无需联网，原始文件永不外泄。

这套系统本身专注于“理解与生成”，并不关心“如何通知”。也就是说，它会完美地给出一段 200 字的技术指令，但不会告诉你：“这段话很重要，请立即查看。”

而这恰恰是用户体验的断点。

短信为何仍是不可替代的通知方式？

尽管微信、钉钉、邮件等渠道广泛应用，但在某些场景下，短信依然具备独特优势：

• 强制可见性：几乎所有手机都会弹出短信通知，即使应用被关闭或静音；
• 跨平台通用：老人机、备用机、访客设备都能接收；
• 法律效力强：银行交易、医疗预约等领域仍将短信视为正式通信凭证；
• 低延迟高到达率：运营商通道保障了 99% 以上的送达成功率，平均响应时间在 2 秒以内。

更重要的是，短信内容可以结构化控制。例如使用模板变量${answer}动态填充回答摘要，既合规又灵活。只要提前在阿里云、腾讯云等平台完成企业认证、签名备案和模板审核，就能合法调用 HTTPS 接口发送非营销类通知。

这意味着我们可以安全地将 AI 回答封装成一条简洁明了的短信，推送给指定人员。

如何打通“问答 → 短信”的最后一公里？

整个集成的关键在于事件监听 + 异步触发。

Langchain-Chatchat 提供了标准 RESTful 接口，最常用的是/chat接口，用于提交问题并获取回答。我们的目标是在该接口成功返回后，判断是否需要推送，并将结果转发至短信服务。

架构设计思路

用户提问 ↓ Langchain-Chatchat API Server ↓ [新增] 通知中间件（拦截响应） ↓ 条件判断 → 是否需短信推送？ ↓ 是 异步任务队列（Celery / APScheduler） ↓ 调用云短信 API（如阿里云 Dysmsapi） ↓ 用户手机收到短信

注意几个关键原则：

1. 不能阻塞主流程：短信发送失败不应影响问答功能本身；
2. 必须异步执行：避免因网络延迟拖慢整体响应；
3. 支持规则过滤：不是每个问题都值得发短信，应可配置触发条件。

实现示例：基于阿里云短信的服务封装

以下是一个简化但可用的 Python 函数，模拟调用阿里云短信接口：

import requests import json from datetime import datetime def send_sms(phone_number: str, answer: str): """ 发送问答结果到指定手机号 :param phone_number: 接收方手机号（带国家码，如8613800000000） :param answer: 从 Langchain-Chatchat 获取的回答文本 """ url = "https://dysmsapi.aliyuncs.com/" params = { 'RegionId': 'cn-hangzhou', 'Action': 'SendSms', 'Version': '2017-05-25', 'PhoneNumbers': phone_number, 'SignName': '企业知识助手', # 已备案的签名 'TemplateCode': 'SMS_240000000', # 审核通过的模板ID 'TemplateParam': json.dumps({ 'question_time': datetime.now().strftime("%Y-%m-%d %H:%M"), 'answer': answer[:100] + "..." if len(answer) > 100 else answer }), 'AccessKeyId': 'YOUR_ACCESS_KEY_ID', # 替换为真实AK 'Timestamp': datetime.utcnow().strftime('%Y-%m-%dT%H:%M:%SZ'), 'Format': 'JSON' } try: response = requests.get(url, params=params, timeout=5) result = response.json() if result.get('Code') == 'OK': print(f"[INFO] 短信发送成功 → {phone_number}") return True else: print(f"[ERROR] 短信发送失败 → {result.get('Message')}") return False except Exception as e: print(f"[EXCEPTION] 短信接口异常 → {str(e)}") return False

⚠️ 注意事项：

• 生产环境务必使用官方 SDK 进行签名（HMAC-SHA1），防止密钥泄露；
• TemplateParam中的字段名必须与审核通过的短信模板完全一致；
• 单条短信长度限制为 300 字符以内，长回答需截取或引导跳转。

工程实践建议

1. 使用 Celery 实现异步解耦

为了不影响主服务性能，推荐将短信发送放入后台任务队列：

from celery import Celery app = Celery('tasks', broker='redis://localhost:6379/0') @app.task def async_send_sms(phone, answer): send_sms(phone, answer)

然后在/chat接口的响应逻辑中添加触发代码：

# 假设已获得 answer 和 user_phone if should_trigger_sms(question): # 自定义判断逻辑 async_send_sms.delay(user_phone, answer)

这样即使短信服务暂时不可用，也不会导致问答超时。

2. 敏感信息脱敏处理

内部文档中常包含 IP 地址、密码、工单编号等敏感字段，在推送前应做掩码处理：

import re def mask_sensitive(text): # 掩盖 IPv4 地址 text = re.sub(r'\b\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\b', '***.***.***.***', text) # 掩盖密码字段 text = re.sub(r'(?i)password\s*[:=]\s*\S+', 'password = ***', text) # 掩盖手机号（可选） text = re.sub(r'1[3-9]\d{9}', '***********', text) return text

3. 智能推送策略

并非所有问题都需要短信通知。可以通过以下方式实现精细化控制：

• 关键词匹配：若回答中出现“立即重启”、“停止服务”、“核心故障”等词，则标记为高优先级；
• 用户标签：仅对运维、值班工程师等角色开启自动推送；
• 频率限制：同一用户每小时最多接收 3 条，防刷防误触；
• 内容长度判断：超过 200 字的回答改为发送短链接，指向 Web 端详情页。

4. 日志与监控

建立独立的日志表记录每次推送状态：

结合 Prometheus + Grafana 可视化展示每日发送量、失败率趋势，及时发现异常。

5. 权限与成本控制

• 设置 RBAC 权限：只有管理员可启用短信功能；
• 配置白名单号码：防止恶意填写他人手机号；
• 设定日限额：如每天最多发送 100 条，超出则告警；
• 定期审计日志：检查是否有滥用行为。

典型应用场景

这种“智能问答 + 主动通知”的组合已在多个行业中落地：

场景一：IT 运维知识库

一线员工询问“交换机端口异常怎么处理”，系统自动生成排查步骤，并短信发送给值班工程师。即使不在电脑前，也能第一时间响应。

场景二：医疗机构患者咨询

医院部署本地 AI 助手解答常见问题（如“疫苗接种禁忌”）。患者扫码提问后，除页面显示外，还会收到一条确认短信，提升信任感。

场景三：工业现场设备维修

工人通过平板查询某型号 PLC 的复位流程，系统识别为高风险操作，立即群发短信给三位主管备案，确保多人知情。

小结：让静态知识真正“活”起来

Langchain-Chatchat 的价值不只是“能回答问题”，而是“能在正确的时间把答案送到正确的人手中”。通过在其输出层接入短信推送机制，我们实现了从被动查询到主动服务的跃迁。

这一方案的核心优势在于：

• 安全性不受损：知识仍在本地，仅推送脱敏后的摘要；
• 实用性大幅提升：关键信息直达移动端，减少遗漏风险；
• 扩展性强：同一架构可适配企业微信、钉钉、邮件等多种通知方式。

未来还可以进一步探索：

• 结合用户行为分析，预测哪些问题更可能需要后续跟进；
• 利用语音合成技术，将重要通知转为电话播报；
• 建立反馈闭环：用户收到短信后点击“已处理”，反向更新系统状态。

技术的本质是服务于人。当我们不再要求用户“盯着屏幕等结果”，而是让系统主动说“我已经准备好了解决方案”，这才是智能化真正的意义所在。