feat: AIHR 智能人力资源管理系统初始提交

- 员工花名册管理（加密存储、导入导出） - 薪酬管理（发薪批次、薪酬模版、加班费计算、工资条） - 社保公积金（多城市配置、版本管理、基数调整） - 解聘管理（6步流程、证据链、工作交接） - AI 助手（合同审查、风险预测、RAG 知识库） - Dashboard 仪表盘 - 设置与通知
2026-07-24 13:53:11 +08:00
commit 0df8aa77d9
109 changed files with 38190 additions and 0 deletions
@@ -0,0 +1,195 @@
+import OpenAI from 'openai'
+import { searchKnowledge } from './rag.service'
+
+const apiKey = process.env.DASHSCOPE_API_KEY || ''
+const baseURL = 'https://dashscope.aliyuncs.com/compatible-mode/v1'
+
+const client = new OpenAI({ apiKey, baseURL, timeout: 30 * 1000, maxRetries: 1 })
+
+const SYSTEM_PROMPT = `你是一个专业的劳动用工合规顾问，精通中国劳动法、劳动合同法、社会保险法等相关法律法规。
+
+你的职责：
+1. 回答用户关于劳动用工的合规问题
+2. 基于企业实际数据给出针对性建议
+3. 引用具体法律条文作为依据
+4. 用通俗易懂的语言解释法律问题
+
+回答要求：
+- 先给出直接结论，再展开解释
+- 引用法律条文时标注具体法律名称和条款号
+- 涉及金额时给出计算过程
+- 如有关联的企业数据，在回答中提及
+- 回答简洁有力，避免冗长`
+
+export async function chat(messages: { role: 'user' | 'assistant'; content: string }[], orgContext?: string) {
+  const lastUserMsg = messages.filter(m => m.role === 'user').pop()
+  let ragContext = ''
+  if (lastUserMsg) {
+    try {
+      const knowledge = await searchKnowledge(lastUserMsg.content, 3)
+      if (knowledge.length > 0) {
+        ragContext = `\n\n相关法律条文（RAG检索结果）：\n${knowledge.join('\n\n')}`
+      }
+    } catch { /* RAG not available, continue without */ }
+  }
+
+  const systemMessage = orgContext
+    ? `${SYSTEM_PROMPT}\n\n当前企业数据概览：\n${orgContext}${ragContext}`
+    : `${SYSTEM_PROMPT}${ragContext}`
+
+  const response = await client.chat.completions.create({
+    model: 'qwen-plus',
+    messages: [
+      { role: 'system', content: systemMessage },
+      ...messages,
+    ],
+    temperature: 0.7,
+    max_tokens: 2000,
+  })
+
+  return response.choices[0]?.message?.content || ''
+}
+
+export async function* chatStream(messages: { role: 'user' | 'assistant'; content: string }[], orgContext?: string) {
+  const lastUserMsg = messages.filter(m => m.role === 'user').pop()
+  let ragContext = ''
+  if (lastUserMsg) {
+    try {
+      const knowledge = await searchKnowledge(lastUserMsg.content, 3)
+      if (knowledge.length > 0) {
+        ragContext = `\n\n相关法律条文（RAG检索结果）：\n${knowledge.join('\n\n')}`
+      }
+    } catch { /* RAG not available, continue without */ }
+  }
+
+  const systemMessage = orgContext
+    ? `${SYSTEM_PROMPT}\n\n当前企业数据概览：\n${orgContext}${ragContext}`
+    : `${SYSTEM_PROMPT}${ragContext}`
+
+  const stream = await client.chat.completions.create({
+    model: 'qwen-plus',
+    messages: [
+      { role: 'system', content: systemMessage },
+      ...messages,
+    ],
+    temperature: 0.7,
+    max_tokens: 2000,
+    stream: true,
+  })
+
+  for await (const chunk of stream) {
+    const delta = chunk.choices[0]?.delta?.content
+    if (delta) yield delta
+  }
+}
+
+export async function reviewContract(contractText: string): Promise<{ text: string; structured: { riskItems: { level: string; title: string; description: string; suggestion: string }[]; score: number; summary: string } }> {
+  const prompt = `请审查以下劳动合同文本的合法性，逐条检查并标注风险等级（红/黄/绿），给出修改建议，最后给出合规评分（0-100分）。
+
+合同文本：
+${contractText}
+
+请按以下格式输出：
+【风险项】
+🔴/🟡/🟢 [问题标题] - [说明] - [修改建议]
+
+【合规评分】XX/100
+
+【总体建议】
+一段话总结`
+
+  const response = await client.chat.completions.create({
+    model: 'qwen-max',
+    messages: [
+      { role: 'system', content: '你是劳动法合同审查专家，精通劳动合同法。' },
+      { role: 'user', content: prompt },
+    ],
+    temperature: 0.3,
+    max_tokens: 3000,
+  })
+
+  const text = response.choices[0]?.message?.content || ''
+
+  // 解析结构化数据
+  const riskItems: { level: string; title: string; description: string; suggestion: string }[] = []
+  const riskRegex = /(🔴|🟡|🟢)\s*\[([^\]]+)\]\s*-\s*\[([^\]]+)\]\s*-\s*\[([^\]]+)\]/g
+  let match
+  while ((match = riskRegex.exec(text)) !== null) {
+    riskItems.push({
+      level: match[1] === '🔴' ? 'RED' : match[1] === '🟡' ? 'YELLOW' : 'GREEN',
+      title: match[2],
+      description: match[3],
+      suggestion: match[4],
+    })
+  }
+
+  const scoreMatch = text.match(/【合规评分】\s*(\d+)\s*\/\s*100/)
+  const score = scoreMatch ? parseInt(scoreMatch[1]) : 0
+
+  const summaryMatch = text.match(/【总体建议】\s*([\s\S]*?)(?:$|$)/)
+  const summary = summaryMatch ? summaryMatch[1].trim() : ''
+
+  return { text, structured: { riskItems, score, summary } }
+}
+
+export async function matchCase(scenario: string) {
+  const prompt = `作为一个劳动法案例匹配专家，请分析以下劳动争议情形，匹配相似的仲裁/诉讼案例，评估败诉风险。
+
+争议情形：
+${scenario}
+
+请按以下格式输出：
+【相似案例】
+案例1：[案例标题]
+- 情形：[简要描述]
+- 结果：[判决结果]
+- 赔偿金额：[金额]
+- 相似度：XX%
+
+案例2：...
+
+【败诉风险评估】
+风险等级：高/中/低（XX%）
+原因：[分析]
+
+【建议】
+[降低风险的具体建议]`
+
+  const response = await client.chat.completions.create({
+    model: 'qwen-max',
+    messages: [
+      { role: 'system', content: '你是劳动法案例分析专家，熟悉劳动仲裁和诉讼案例。' },
+      { role: 'user', content: prompt },
+    ],
+    temperature: 0.3,
+    max_tokens: 3000,
+  })
+
+  return response.choices[0]?.message?.content || ''
+}
+
+export async function predictRisks(orgContext: string) {
+  const prompt = `基于以下企业用工数据，预测未来30天可能出现的合规风险，并给出优先级建议。
+
+企业数据：
+${orgContext}
+
+请按以下格式输出：
+【未来30天预计风险】
+- [员工姓名/风险描述] → [建议措施]
+
+【优先级建议】
+[先处理什么，再处理什么]`
+
+  const response = await client.chat.completions.create({
+    model: 'qwen-plus',
+    messages: [
+      { role: 'system', content: '你是劳动用工风险预测专家，能基于企业数据分析未来风险趋势。' },
+      { role: 'user', content: prompt },
+    ],
+    temperature: 0.5,
+    max_tokens: 1500,
+  })
+
+  return response.choices[0]?.message?.content || ''
+}