num/cloudfunctions/generateReading/index.js

/**
 * AI 命盘解读云函数
 *
 * 接收命盘数据，调用 LLM API 生成数字能量学解读
 * 支持 DeepSeek / OpenAI 兼容接口
 * 通过云调用鉴权，不在前端暴露 API Key
 */

const cloud = require('wx-server-sdk');
cloud.init({ env: cloud.DYNAMIC_CURRENT_ENV });

// LLM API 配置（通过云托管环境变量配置，不硬编码密钥）
const LLM_API_KEY = process.env.LLM_API_KEY || 'YOUR_API_KEY';
const LLM_API_URL = process.env.LLM_API_URL || 'https://api.deepseek.com/v1/chat/completions';
const LLM_MODEL = process.env.LLM_MODEL || 'deepseek-chat';

// 系统提示词 — 设定 AI 的角色和行为
const SYSTEM_PROMPT = `你是一位专业的数字能量学解读师，精通生命密码（数字能量学）。你的任务是基于用户的三角形命盘数据，提供专业、准确、有洞见的解读。

解读风格要求：
1. 专业但不晦涩，让普通人也能理解
2. 每段解读 100-200 字，言简意赅
3. 结合数字能量学理论，给出性格特质、优势、成长建议
4. 语气温和正向，避免恐吓或绝对化表述
5. 以 "你" 称呼用户，亲切自然

重要原则：
- 解读必须基于命盘中的实际数字，不能编造
- 避免宿命论，强调个人选择和发展的可能性
- 所有解读最后加一句 "仅供参考" 的提示`;

function buildPrompt(chartData, name) {
  const { positions, zones, mainCharacter, isMasterNumber } = chartData;

  let prompt = `请为以下命盘生成解读。\n\n`;
  prompt += `姓名：${name || '用户'}\n`;
  prompt += `主性格数字：${mainCharacter}${isMasterNumber ? '（卓越数）' : ''}\n\n`;
  prompt += `完整命盘数据：\n`;
  prompt += `底层：A=${positions.A} B=${positions.B} C=${positions.C} D=${positions.D} E=${positions.E}\n`;
  prompt += `第二层：F=${positions.F} G=${positions.G} H=${positions.H} I=${positions.I}\n`;
  prompt += `第三层：J=${positions.J} K=${positions.K} L=${positions.L}\n`;
  prompt += `第四层：M=${positions.M} N=${positions.N}\n`;
  prompt += `顶端：O=${positions.O}\n\n`;
  prompt += `请以 JSON 格式返回，包含以下字段：\n`;
  prompt += `{
    "mainCharacter": "主性格解读（重点突出${mainCharacter}号人的核心特质、优势、适合的发展方向）",
    "fatherSource": "父源区解读（F=${positions.F}, J=${positions.J} 的含义和影响）",
    "motherSource": "母源区解读（I=${positions.I}, L=${positions.L} 的含义和影响）",
    "leftZone": "左区（0-20岁）解读",
    "middleZone": "中区（20-40岁）解读",
    "rightZone": "右区（40-60岁）解读"
  }\n\n`;
  prompt += `请只返回 JSON，不要包含其他文字。`;

  return prompt;
}

exports.main = async (event, context) => {
  const { chartData, name } = event;

  if (!chartData || !chartData.positions) {
    return { code: 400, error: '缺少命盘数据' };
  }

  try {
    const userPrompt = buildPrompt(chartData, name);

    const response = await fetch(LLM_API_URL, {
      method: 'POST',
      headers: {
        'Content-Type': 'application/json',
        'Authorization': `Bearer ${LLM_API_KEY}`,
      },
      body: JSON.stringify({
        model: LLM_MODEL,
        messages: [
          { role: 'system', content: SYSTEM_PROMPT },
          { role: 'user', content: userPrompt },
        ],
        temperature: 0.7,
        max_tokens: 2000,
      }),
    });

    const data = await response.json();

    if (!data.choices || !data.choices[0]) {
      console.error('LLM API error:', data);
      return { code: 500, error: 'AI 服务异常', reading: null };
    }

    const content = data.choices[0].message.content;

    // Try to parse JSON from the response
    try {
      // Find JSON in the response (handle cases where model wraps in markdown)
      const jsonMatch = content.match(/\{[\s\S]*\}/);
      const jsonStr = jsonMatch ? jsonMatch[0] : content;
      const reading = JSON.parse(jsonStr);

      return {
        code: 0,
        reading: {
          mainCharacter: reading.mainCharacter || '',
          fatherSource: reading.fatherSource || '',
          motherSource: reading.motherSource || '',
          leftZone: reading.leftZone || '',
          middleZone: reading.middleZone || '',
          rightZone: reading.rightZone || '',
        },
      };
    } catch (parseErr) {
      // If JSON parsing fails, return raw text
      return {
        code: 0,
        reading: {
          mainCharacter: content,
          fatherSource: '解读生成中，请稍后再试',
          motherSource: '解读生成中，请稍后再试',
          leftZone: '解读生成中，请稍后再试',
          middleZone: '解读生成中，请稍后再试',
          rightZone: '解读生成中，请稍后再试',
        },
      };
    }
  } catch (err) {
    console.error('Cloud function error:', err);
    return { code: 500, error: err.message, reading: null };
  }
};