本项目已内置完整的劳动法专业知识（法律条文库、8 个分析 Agent、赔偿计算公式、文书模板等）。 你只需要配好 AI API，所有功能自动可用。
cd fastapi-server
cp .env.example .env
编辑 .env，修改这 4 行：
LLM_PROVIDER=deepseek
LLM_API_KEY=sk-你的key
LLM_BASE_URL=https://api.deepseek.com
LLM_MODEL=deepseek-chat
cd fastapi-server
pip install -e ".[dev]"
uvicorn app.main:app --reload
访问 http://localhost:8000/api/health 确认启动成功。
只要接口兼容 OpenAI 格式（/v1/chat/completions），改 2 行环境变量即可切换：
| 模型 | LLM_PROVIDER | LLM_BASE_URL | LLM_MODEL |
|---|---|---|---|
| DeepSeek | deepseek | https://api.deepseek.com | deepseek-chat |
| 通义千问 | qwen | https://dashscope.aliyuncs.com/compatible-mode/v1 | qwen-plus |
| 智谱 GLM | custom | https://open.bigmodel.cn/api/paas/v4 | glm-4 |
| Moonshot | custom | https://api.moonshot.cn/v1 | moonshot-v1-8k |
| OpenAI | openai | https://api.openai.com/v1 | gpt-4o |
| 本地 Ollama | custom | http://localhost:11434/v1 | qwen2.5:7b |
| 任何兼容接口 | custom | 你的接口地址 | 你的模型名 |
切换示例——换成通义千问：
LLM_PROVIDER=qwen
LLM_API_KEY=sk-你的阿里云key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL=qwen-plus
不需要改任何代码。
| 需要你配置 | 已内置（无需动） |
|---|---|
| LLM_API_KEY（必填） | 劳动法条文库（71 条 YAML） |
| LLM_BASE_URL（接口地址） | 8 个分析 Agent Prompt |
| LLM_MODEL（模型名） | 赔偿计算公式引擎 |
| 仲裁申请书等文书模板 | |
| 违法识别规则 | |
| 案件管理系统 | |
| Web 前端 + 管理后台 |
在 fastapi-server/app/ai/ 下新建一个文件，继承 BaseLLMAdapter，实现 chat() 方法即可。
示例——创建一个通义千问原生接口适配器：
# app/ai/qwen_native.py
from app.ai.base import BaseLLMAdapter, ChatMessage, ChatResult, LLMError
from app.config import settings
import httpx
class QwenNativeAdapter(BaseLLMAdapter):
name = "qwen_native"
async def chat(self, messages, **kwargs):
# 你的通义千问原生 API 调用逻辑
...
# 然后在 app/ai/adapters.py 的 ADAPTERS 字典中注册：
# "qwen_native": QwenNativeAdapter
以 DeepSeek 为例：
| 操作 | 估算 token | 费用 |
|---|---|---|
| 一次案件分析 | ~2000 | ~¥0.001 |
| 一次赔偿计算 | ~1000 | ~¥0.0005 |
| 一次合同审查 | ~3000 | ~¥0.0015 |
DeepSeek 价格约 ¥0.14/百万 token（输入）——日常使用几乎免费。
| 症状 | 检查 |
|---|---|
| AI 返回”服务调用失败” | .env 中 LLM_API_KEY 是否填写？网络是否通？ |
| AI 回复乱码 | LLM_MODEL 是否正确？接口是否支持中文？ |
| 想界面配置 Key | 启动后点「设置」→ 输入 API Key → 保存即可 |