【测试用例新增】AI：文多多 API 测试完善

yudao-module-ai/yudao-spring-boot-starter-ai/src/main/java/cn/iocoder/yudao/framework/ai/core/model/wenduoduo/api/WddApi.java

@@ -86,8 +86,29 @@ public class WddApi {
      * 创建任务
      *
      * @param type    类型
+     *                1.智能生成（主题、要求）
+     *                2.上传文件生成
+     *                3.上传思维导图生成
+     *                4.通过word精准转ppt
+     *                5.通过网页链接生成
+     *                6.粘贴文本内容生成
+     *                7.Markdown大纲生成
      * @param content 内容
+     *                type=1 用户输入主题或要求（不超过1000字符）
+     *                type=2、4 不传
+     *                type=3 幕布等分享链接
+     *                type=5 网页链接地址（http/https）
+     *                type=6 粘贴文本内容（不超过20000字符）
+     *                type=7 大纲内容（markdown）
      * @param files   文件列表
+     *                文件列表（文件数不超过5个，总大小不超过50M）：
+     *                type=1 上传参考文件（非必传，支持多个）
+     *                type=2 上传文件（支持多个）
+     *                type=3 上传思维导图（xmind/mm/md）（仅支持一个）
+     *                type=4 上传word文件（仅支持一个）
+     *                type=5、6、7 不传
+     *                <p>
+     *                支持格式：doc/docx/pdf/ppt/pptx/txt/md/xls/xlsx/csv/html/epub/mobi/xmind/mm
      * @return 任务ID
      */
     public ApiResponse createTask(String token, Integer type, String content, List<MultipartFile> files) {
@@ -127,7 +148,7 @@ public class WddApi {
         return this.webClient.get()
                 .uri(uri)
                 .retrieve()
-                .onStatus(STATUS_PREDICATE, EXCEPTION_FUNCTION.apply(null))
+                .onStatus(STATUS_PREDICATE, EXCEPTION_FUNCTION.apply(lang))
                 .bodyToMono(new ParameterizedTypeReference<ApiResponse>() {
                 })
                 .<Map<String, Object>>handle((response, sink) -> {
@@ -164,15 +185,14 @@ public class WddApi {
      * @param question 用户修改建议
      * @return 大纲内容流
      */
-    public Flux<Map<String, Object>> updateOutlineContent(String token, String id, String markdown, String question) {
-        UpdateOutlineRequest request = new UpdateOutlineRequest(id, markdown, question);
+    public Flux<Map<String, Object>> updateOutlineContent(String token, UpdateOutlineRequest request) {
         return this.webClient.post()
                 .uri("/api/ppt/v2/updateContent")
                 .header("token", token)
                 .body(Mono.just(request), UpdateOutlineRequest.class)
                 .retrieve()
                 .onStatus(STATUS_PREDICATE, EXCEPTION_FUNCTION.apply(request))
-                .bodyToFlux(new ParameterizedTypeReference<Map<String, Object>>() {
+                .bodyToFlux(new ParameterizedTypeReference<>() {
                 });
     }
 

yudao-module-ai/yudao-spring-boot-starter-ai/src/test/java/cn/iocoder/yudao/framework/ai/ppt/wdd/WddApiTests.java

@@ -0,0 +1,306 @@
+package cn.iocoder.yudao.framework.ai.ppt.wdd;
+
+import cn.iocoder.yudao.framework.ai.core.model.wenduoduo.api.WddApi;
+import cn.iocoder.yudao.framework.common.util.json.JsonUtils;
+import org.junit.jupiter.api.Disabled;
+import org.junit.jupiter.api.Test;
+import reactor.core.publisher.Flux;
+
+import java.util.Map;
+import java.util.Objects;
+
+
+/**
+ * {@link WddApi} 集成测试
+ *
+ * @author xiaoxin
+ */
+public class WddApiTests {
+
+    private final WddApi wddApi = new WddApi("https://docmee.cn");
+
+
+    private final String token = "sk_FJo7sKErrrEs5CIZz1";
+
+
+    @Test //获取token
+    @Disabled
+    public void testCreateApiToken() {
+        // 准备参数
+        String apiKey = "ak_RK1rm7TrEv3E3JSWIK";
+        WddApi.CreateTokenRequest request = new WddApi.CreateTokenRequest(apiKey);
+        // 调用方法
+        String token = wddApi.createApiToken(request);
+        // 打印结果
+        System.out.println(token);
+    }
+
+
+    @Test // 创建任务
+    @Disabled
+    public void testCreateTask() {
+        WddApi.ApiResponse apiResponse = wddApi.createTask(token, 1, "dify 介绍", null);
+        System.out.println(apiResponse);
+    }
+
+
+    @Test // 创建大纲
+    @Disabled
+    public void testGenerateOutlineRequest() {
+        WddApi.GenerateOutlineRequest request = new WddApi.GenerateOutlineRequest("1901449466163105792", "medium", null, null, null, null);
+        //调用
+        Flux<Map<String, Object>> flux = wddApi.generateOutlineContent(token, request);
+        StringBuffer contentBuffer = new StringBuffer();
+        flux.doOnNext(chunk -> {
+            contentBuffer.append(chunk.get("text"));
+            if (Objects.equals(Integer.parseInt(String.valueOf(chunk.get("status"))), 4)) {
+                // status 为 4，最终 markdown 结构树
+                System.out.println(JsonUtils.toJsonString(chunk.get("result")));
+                System.out.println(" ########################################################################");
+            }
+        }).then().block();
+        // 打印结果
+        System.out.println(contentBuffer);
+
+    }
+
+    @Test // 修改大纲
+    @Disabled
+    public void testUpdateOutlineContentRequest() {
+        WddApi.UpdateOutlineRequest request = new WddApi.UpdateOutlineRequest("1901449466163105792", TEST_OUT_LINE_CONTENT, "精简一点，三个章节即可");
+        //调用
+        Flux<Map<String, Object>> flux = wddApi.updateOutlineContent(token, request);
+        StringBuffer contentBuffer = new StringBuffer();
+        flux.doOnNext(chunk -> {
+            contentBuffer.append(chunk.get("text"));
+            if (Objects.equals(Integer.parseInt(String.valueOf(chunk.get("status"))), 4)) {
+                // status 为 4，最终 markdown 结构树
+                System.out.println(JsonUtils.toJsonString(chunk.get("result")));
+                System.out.println(" ########################################################################");
+            }
+        }).then().block();
+        // 打印结果
+        System.out.println(contentBuffer);
+
+    }
+
+    @Test // 获取 PPT 模版分页
+    @Disabled
+    public void testGetPptTemplatePage() {
+        // 准备参数
+        WddApi.TemplateQueryRequest.Filter filter = new WddApi.TemplateQueryRequest.Filter(1, null, null, null);
+        WddApi.TemplateQueryRequest request = new WddApi.TemplateQueryRequest(1, 10, filter);
+        //调用
+        WddApi.PagePptTemplateInfo pptTemplatePage = wddApi.getPptTemplatePage(token, request);
+        // 打印结果
+        System.out.println(pptTemplatePage);
+    }
+
+
+    @Test // 生成 PPT
+    @Disabled
+    public void testGeneratePptx() {
+        // 准备参数
+        WddApi.GeneratePptxRequest request = new WddApi.GeneratePptxRequest("1900913633555255296", "1804885538940116992", TEST_OUT_LINE_CONTENT);
+        //调用
+        WddApi.PptInfo pptInfo = wddApi.generatePptx("", request);
+        // 打印结果
+        System.out.println(pptInfo);
+    }
+
+
+    private final String TEST_OUT_LINE_CONTENT = """
+            # Dify：新一代AI应用开发平台
+            
+            ## 1 什么是Dify
+            ### 1.1 Dify定义：AI应用开发平台
+            #### 1.1.1 低代码开发
+            Dify是一个低代码AI应用开发平台，旨在简化AI应用的构建过程，让开发者无需编写大量代码即可快速创建各种智能应用。
+            #### 1.1.2 核心功能
+            Dify的核心功能包括数据集成、模型选择、流程编排和应用部署，提供一站式解决方案，加速AI应用的落地和迭代。
+            #### 1.1.3 开源与商业
+            Dify提供开源版本和商业版本，满足不同用户的需求，开源版本适合个人开发者和小型团队，商业版本则提供更强大的功能和技术支持。
+            
+            ### 1.2 Dify解决的问题：AI开发痛点
+            #### 1.2.1 开发周期长
+            传统AI应用开发周期长，需要大量的人力和时间投入，Dify通过可视化界面和预置组件，大幅缩短开发周期。
+            #### 1.2.2 技术门槛高
+            AI技术门槛高，需要专业的知识和技能，Dify降低技术门槛，让更多开发者能够参与到AI应用的开发中来。
+            #### 1.2.3 部署和维护复杂
+            AI应用的部署和维护复杂，需要专业的运维团队，Dify提供自动化的部署和维护工具，简化流程，降低成本。
+            
+            ### 1.3 Dify发展历程
+            #### 1.3.1 早期探索
+            Dify的早期版本主要关注于自然语言处理领域的应用，通过集成各种NLP模型，提供文本分类、情感分析等功能。
+            #### 1.3.2 功能扩展
+            随着用户需求的不断增长，Dify的功能逐渐扩展到图像识别、语音识别等领域，支持更多类型的AI应用。
+            #### 1.3.3 生态建设
+            Dify积极建设开发者生态，提供丰富的文档、教程和案例，帮助开发者更好地使用Dify平台，共同推动AI技术的发展。
+            
+            ## 2 Dify的核心功能
+            ### 2.1 数据集成：连接各种数据源
+            #### 2.1.1 支持多种数据源
+            Dify支持连接各种数据源，包括关系型数据库、NoSQL数据库、文件系统、云存储等，满足不同场景的数据需求。
+            #### 2.1.2 数据转换和清洗
+            Dify提供数据转换和清洗功能，可以将不同格式的数据转换为统一的格式，并去除无效数据，提高数据质量。
+            #### 2.1.3 数据安全
+            Dify注重数据安全，采用各种安全措施保护用户的数据，包括数据加密、访问控制、权限管理等。
+            
+            ### 2.2 模型选择：丰富的AI模型库
+            #### 2.2.1 预置模型
+            Dify预置了丰富的AI模型，包括自然语言处理、图像识别、语音识别等领域的模型，开发者可以直接使用这些模型，无需自行训练，极大的简化了开发流程。
+            #### 2.2.2 自定义模型
+            Dify支持开发者上传自定义模型，满足个性化的需求。开发者可以将自己训练的模型部署到Dify平台上，与其他开发者共享。
+            #### 2.2.3 模型评估
+            Dify提供模型评估功能，可以对不同模型进行评估，选择最优的模型，提高应用性能。
+            
+            ### 2.3 流程编排：可视化流程设计器
+            #### 2.3.1 可视化界面
+            Dify提供可视化的流程设计器，开发者可以通过拖拽组件的方式，设计AI应用的流程，无需编写代码，简单高效。
+            #### 2.3.2 灵活的流程控制
+            Dify支持灵活的流程控制，可以根据不同的条件执行不同的分支，实现复杂的业务逻辑。
+            #### 2.3.3 实时调试
+            Dify提供实时调试功能，可以在设计流程的过程中，实时查看流程的执行结果，及时发现和解决问题。
+            
+            ### 2.4 应用部署：一键部署和管理
+            #### 2.4.1 快速部署
+            Dify提供一键部署功能，可以将AI应用快速部署到各种环境，包括本地环境、云环境、容器环境等。
+            #### 2.4.2 自动伸缩
+            Dify支持自动伸缩，可以根据应用的负载自动调整资源，保证应用的稳定性和性能。
+            #### 2.4.3 监控和告警
+            Dify提供监控和告警功能，可以实时监控应用的状态，并在出现问题时及时告警，方便运维人员进行处理。
+            
+            ## 3 Dify的特点和优势
+            ### 3.1 低代码：降低开发门槛
+            #### 3.1.1 可视化开发
+            Dify采用可视化开发模式，开发者无需编写大量代码，只需通过拖拽组件即可完成AI应用的开发，降低了开发门槛。
+            #### 3.1.2 预置组件
+            Dify预置了丰富的组件，包括数据源组件、模型组件、流程控制组件等，开发者可以直接使用这些组件，提高开发效率。
+            #### 3.1.3 减少代码量
+            Dify可以显著减少代码量，降低开发难度，让更多开发者能够参与到AI应用的开发中来。
+            
+            ### 3.2 灵活：满足不同场景需求
+            #### 3.2.1 支持多种数据源
+            Dify支持多种数据源，可以连接各种数据源，满足不同场景的数据需求。
+            #### 3.2.2 支持自定义模型
+            Dify支持自定义模型，开发者可以将自己训练的模型部署到Dify平台上，满足个性化的需求。
+            #### 3.2.3 灵活的流程控制
+            Dify支持灵活的流程控制，可以根据不同的条件执行不同的分支，实现复杂的业务逻辑。
+            
+            ### 3.3 高效：加速应用落地
+            #### 3.3.1 快速开发
+            Dify通过可视化界面和预置组件，大幅缩短开发周期，加速AI应用的落地。
+            #### 3.3.2 快速部署
+            Dify提供一键部署功能，可以将AI应用快速部署到各种环境，提高部署效率。
+            #### 3.3.3 自动化运维
+            Dify提供自动化的运维工具，简化运维流程，降低运维成本。
+            
+            ### 3.4 开放：构建繁荣生态
+            #### 3.4.1 开源社区
+            Dify拥有活跃的开源社区，开发者可以在社区中交流经验、分享资源、共同推动Dify的发展。
+            #### 3.4.2 丰富的文档
+            Dify提供丰富的文档、教程和案例，帮助开发者更好地使用Dify平台。
+            #### 3.4.3 API支持
+            Dify提供API支持，开发者可以通过API将Dify集成到自己的系统中，扩展Dify的功能。
+            
+            ## 4 Dify的使用场景
+            ### 4.1 智能客服：提升客户服务质量
+            #### 4.1.1 自动回复
+            Dify可以用于构建智能客服系统，实现自动回复客户的常见问题，提高客户服务效率。
+            #### 4.1.2 情感分析
+            Dify可以对客户的语音或文本进行情感分析，判断客户的情绪，并根据情绪提供个性化的服务。
+            #### 4.1.3 知识库问答
+            Dify可以构建知识库问答系统，让客户通过提问的方式获取所需的信息，提高客户满意度。
+            
+            ### 4.2 金融风控：提高风险识别能力
+            #### 4.2.1 欺诈检测
+            Dify可以用于构建金融风控系统，实现欺诈检测，识别可疑交易，降低风险。
+            #### 4.2.2 信用评估
+            Dify可以对用户的信用进行评估，并根据评估结果提供不同的金融服务。
+            #### 4.2.3 反洗钱
+            Dify可以用于反洗钱，识别可疑资金流动，防止犯罪行为。
+            
+            ### 4.3 智慧医疗：提升医疗服务水平
+            #### 4.3.1 疾病诊断
+            Dify可以用于辅助疾病诊断，提高诊断准确率，缩短诊断时间。
+            #### 4.3.2 药物研发
+            Dify可以用于药物研发，加速新药的发现和开发。
+            #### 4.3.3 智能健康管理
+            Dify可以构建智能健康管理系统，为用户提供个性化的健康建议和服务。
+            
+            ### 4.4 智慧城市：提升城市管理效率
+            #### 4.4.1 交通优化
+            Dify可以用于交通优化，提高交通效率，缓解交通拥堵。
+            #### 4.4.2 环境监测
+            Dify可以用于环境监测，实时监测空气质量、水质等环境指标，及时发现和解决环境问题。
+            #### 4.4.3 智能安防
+            Dify可以用于智能安防，提高城市安全水平，预防犯罪行为。
+            
+            ## 5 Dify的成功案例
+            ### 5.1 Case 1：某电商平台的智能客服
+            #### 5.1.1 项目背景
+            该电商平台客户服务压力大，人工客服成本高，需要一种智能化的解决方案。
+            #### 5.1.2 解决方案
+            使用Dify构建智能客服系统，实现自动回复客户的常见问题，并根据客户的情绪提供个性化的服务。
+            #### 5.1.3 效果
+            客户服务效率提高50%，客户满意度提高20%，人工客服成本降低30%。
+            
+            ### 5.2 Case 2：某银行的金融风控系统
+            #### 5.2.1 项目背景
+            该银行面临日益增长的金融风险，需要一种更有效的风险识别和控制手段。
+            #### 5.2.2 解决方案
+            使用Dify构建金融风控系统，实现欺诈检测、信用评估和反洗钱等功能，提高风险识别能力。
+            #### 5.2.3 效果
+            欺诈交易识别率提高40%，信用评估准确率提高30%，洗钱风险降低25%。
+            
+            ### 5.3 Case 3：某医院的辅助疾病诊断系统
+            #### 5.3.1 项目背景
+            该医院医生工作压力大，疾病诊断准确率有待提高，需要一种辅助诊断工具。
+            #### 5.3.2 解决方案
+            使用Dify构建辅助疾病诊断系统，根据患者的病历和症状，提供诊断建议，提高诊断准确率。
+            #### 5.3.3 效果
+            疾病诊断准确率提高20%，诊断时间缩短15%，医生工作效率提高10%。
+            
+            ## 6 Dify的未来展望
+            ### 6.1 技术升级
+            #### 6.1.1 模型优化
+            Dify将不断优化预置模型，提高模型性能，并支持更多类型的AI模型。
+            #### 6.1.2 流程引擎升级
+            Dify将升级流程引擎，提高流程的灵活性和可扩展性，支持更复杂的业务逻辑。
+            #### 6.1.3 平台性能优化
+            Dify将不断优化平台性能，提高平台的稳定性和可靠性，满足大规模应用的需求。
+            
+            ### 6.2 生态建设
+            #### 6.2.1 社区建设
+            Dify将继续加强开源社区建设，吸引更多开发者参与，共同推动Dify的发展。
+            #### 6.2.2 合作伙伴拓展
+            Dify将拓展合作伙伴，与更多的企业和机构合作，共同推动AI技术的应用。
+            #### 6.2.3 应用商店
+            Dify将构建应用商店，让开发者可以分享自己的应用，用户可以购买和使用这些应用，构建繁荣的生态系统。
+            
+            ### 6.3 应用领域拓展
+            #### 6.3.1 智能制造
+            Dify将拓展到智能制造领域，为企业提供智能化的生产管理和质量控制解决方案。
+            #### 6.3.2 智慧农业
+            Dify将拓展到智慧农业领域，为农民提供智能化的种植和养殖管理解决方案。
+            #### 6.3.3 更多领域
+            Dify将拓展到更多领域，为各行各业提供智能化的解决方案，推动社会发展。
+            
+            ## 7 总结
+            ### 7.1 Dify的价值
+            #### 7.1.1 降低AI开发门槛
+            Dify通过低代码的方式，让更多开发者能够参与到AI应用的开发中来。
+            #### 7.1.2 加速AI应用落地
+            Dify提供一站式解决方案，加速AI应用的落地和迭代。
+            #### 7.1.3 构建繁荣的AI生态
+            Dify通过开源社区和应用商店，构建繁荣的AI生态系统。
+            
+            ### 7.2 共同发展
+            #### 7.2.1 欢迎加入Dify社区
+            欢迎更多开发者加入Dify社区，共同推动Dify的发展。
+            #### 7.2.2 合作共赢
+            期待与更多的企业和机构合作，共同推动AI技术的应用。
+            #### 7.2.3 共创未来
+            让我们一起用AI技术改变世界，共创美好未来。""";
+
+}