新增debug訊息

backend/services/enhanced_product_service.py

@@ -43,16 +43,20 @@ class EnhancedProductService:
         """
         db = None
         try:
+            logger.info(f"🔍 開始進階商品搜尋: '{query_text}'")
             db = get_database_session()
-            
+
             # 建立基本查詢，預載入分類資訊
             query = db.query(Product).options(
                 joinedload(Product.category)
             ).filter(Product.is_deleted == False)
-            
+
             # 關鍵字搜尋 - 支援商品名稱、編號、條碼
             if query_text:
+                logger.info(f"🔑 使用關鍵字搜尋: '{query_text}'")
                 search_terms = query_text.strip().split()
+                logger.info(f"📝 分割的搜尋詞: {search_terms}")
+
                 for term in search_terms:
                     search_filter = or_(
                         Product.productName.ilike(f"%{term}%"),
@@ -214,13 +218,22 @@ class EnhancedProductService:
         """
         db = None
         try:
+            logger.info(f"🛍️ 開始商品推薦查詢: '{query_text}'")
             db = get_database_session()
-            
+
+            if not db:
+                logger.error(f"❌ 無法獲取資料庫連接")
+                return DatabaseResult(success=False, error="資料庫連接失敗")
+
+            logger.info(f"✅ 資料庫連接成功")
+
             # 分析查詢關鍵字
             keywords = self._extract_keywords(query_text)
+            logger.info(f"🔑 推薦查詢關鍵字: {keywords}")
 
             # 建立推薦查詢
             query = db.query(Product).filter(Product.is_deleted == False)
+            logger.info(f"📊 基礎查詢建立完成")
 
             # 多關鍵字匹配 - 使用 OR 邏輯，任一關鍵字匹配即可
             if keywords:
@@ -232,17 +245,34 @@ class EnhancedProductService:
                         Product.barcode.ilike(f"%{keyword}%")
                     ])
 
+                logger.info(f"🔍 建立了 {len(search_filters)} 個搜尋條件")
+
                 # 使用 OR 連接所有搜尋條件
                 if search_filters:
                     query = query.filter(or_(*search_filters))
-            
+                    logger.info(f"✅ 搜尋條件已應用")
+                else:
+                    logger.warning(f"⚠️ 沒有搜尋條件")
+            else:
+                logger.warning(f"⚠️ 沒有關鍵字，將返回所有商品")
+
             # 優先顯示有庫存的商品
             query = query.order_by(Product.stock.desc())
-            
+
             products = query.options(joinedload(Product.category)).limit(limit).all()
+            logger.info(f"📦 查詢到 {len(products)} 個商品")
             
             data = []
             for product in products:
+                # 檢查哪個關鍵字匹配了這個商品
+                matched_keywords = []
+                for keyword in keywords:
+                    if (keyword.lower() in product.productName.lower() or
+                        keyword.lower() in product.productCode.lower()):
+                        matched_keywords.append(keyword)
+
+                logger.info(f"📦 商品: {product.productName} - 匹配關鍵字: {matched_keywords}")
+
                 data.append({
                     "id": product.id,
                     "product_code": product.productCode,
@@ -251,10 +281,12 @@ class EnhancedProductService:
                     "unit": product.unit,
                     "category_name": product.category.name if product.category else None,
                     "warehouse": product.warehouse,
-                    "recommendation_reason": f"符合關鍵字: {', '.join(keywords)}",
+                    "recommendation_reason": f"符合關鍵字: {', '.join(matched_keywords[:3]) if matched_keywords else '一般推薦'}",
                     "availability": "有庫存" if product.stock > 0 else "缺貨"
                 })
-            
+
+            logger.info(f"✅ 推薦查詢完成，返回 {len(data)} 個商品")
+
             return DatabaseResult(
                 success=True,
                 data=data,
@@ -262,7 +294,9 @@ class EnhancedProductService:
             )
             
         except Exception as e:
-            logger.error(f"商品推薦錯誤: {str(e)}")
+            logger.error(f"❌ 商品推薦錯誤: {str(e)}")
+            import traceback
+            logger.error(f"📋 錯誤詳情: {traceback.format_exc()}")
             return DatabaseResult(
                 success=False,
                 error=f"商品推薦失敗: {str(e)}"

backend/services/pydantic_ai_service.py

@@ -193,10 +193,14 @@ class ProductQueryService:
             查詢結果字典
         """
         try:
+            logger.info(f"🔍 Pydantic AI 開始處理商品查詢: '{user_message}'")
+
             # 分析查詢意圖
             intent_analysis = self.analyze_query_intent(user_message)
+            logger.info(f"📊 意圖分析結果: {intent_analysis}")
 
             if not intent_analysis["is_product_query"]:
+                logger.warning(f"❌ 非商品查詢意圖，拒絕處理")
                 return {
                     "success": False,
                     "text": "這似乎不是商品查詢，請嘗試其他功能。",
@@ -206,12 +210,14 @@ class ProductQueryService:
 
             # 根據意圖類型選擇查詢方法
             if intent_analysis["is_recommendation"]:
+                logger.info(f"🛍️ 執行推薦查詢")
                 # 推薦查詢
                 result = self.enhanced_product_service.get_product_recommendations(
                     query_text=user_message,
                     limit=5
                 )
             else:
+                logger.info(f"🔍 執行一般搜尋")
                 # 一般搜尋
                 result = self.enhanced_product_service.search_products_advanced(
                     query_text=user_message,
@@ -219,6 +225,8 @@ class ProductQueryService:
                     limit=10
                 )
 
+            logger.info(f"📋 查詢結果: 成功={result.success}, 數量={result.count}, 錯誤={result.error}")
+
             # 格式化回應
             if result.success and result.data:
                 response_text = self._format_product_response(result.data, intent_analysis)
@@ -244,7 +252,9 @@ class ProductQueryService:
                 }
 
         except Exception as e:
-            logger.error(f"同步商品查詢錯誤: {str(e)}")
+            logger.error(f"❌ 同步商品查詢錯誤: {str(e)}")
+            import traceback
+            logger.error(f"📋 錯誤詳情: {traceback.format_exc()}")
             return {
                 "success": False,
                 "text": f"抱歉，商品查詢時發生錯誤：{str(e)}",

test_debug_logs.py

@@ -0,0 +1,174 @@
+"""
+測試調試日誌是否正常工作
+"""
+
+import logging
+
+# 設置日誌格式
+logging.basicConfig(
+    level=logging.INFO,
+    format='%(levelname)s:%(name)s:%(message)s'
+)
+
+def test_keyword_extraction_with_logs():
+    """測試關鍵字提取並顯示日誌"""
+    
+    def extract_keywords_with_logs(query_text: str):
+        """帶日誌的關鍵字提取"""
+        logger = logging.getLogger("test_keyword_extraction")
+        
+        # 移除常見的查詢詞彙
+        stop_words = ['推薦', '有沒有', '是否有', '請問', '想要', '需要', '找', '查詢', '搜尋', '還有嗎', '還有', '嗎', '可以']
+        
+        # 清理查詢文字
+        cleaned_text = query_text.replace('?', '').replace('？', '').strip()
+        logger.info(f"清理後的文字: '{cleaned_text}'")
+        
+        # 先嘗試提取核心商品詞彙
+        core_product_words = ['貓砂', '狗糧', '寵物', '商品', '產品', '貓', '狗', '犬', '礦砂']
+        extracted_core_words = []
+        
+        for core_word in core_product_words:
+            if core_word in cleaned_text:
+                extracted_core_words.append(core_word)
+        
+        logger.info(f"提取的核心詞彙: {extracted_core_words}")
+        
+        # 分割並清理關鍵字
+        words = cleaned_text.split()
+        keywords = []
+        
+        for word in words:
+            if word not in stop_words and len(word) > 1:
+                keywords.append(word)
+        
+        logger.info(f"分割後的關鍵字: {keywords}")
+        
+        # 合併核心詞彙和分割的關鍵字
+        all_keywords = list(set(extracted_core_words + keywords))
+        logger.info(f"合併後的關鍵字: {all_keywords}")
+        
+        # 如果沒有有效關鍵字，使用清理後的文字
+        if not all_keywords:
+            all_keywords = [cleaned_text]
+            logger.warning(f"沒有有效關鍵字，使用原始文字: {all_keywords}")
+        
+        # 擴展相關關鍵字
+        expanded_keywords = []
+        for keyword in all_keywords:
+            expanded_keywords.append(keyword)
+            
+            # 貓砂相關擴展
+            if '貓砂' in keyword or '貓' in keyword:
+                expanded_keywords.extend(['礦砂', '豆腐砂', '水晶砂', '木屑砂', 'litter', '貓砂'])
+                logger.info(f"貓砂相關擴展: {keyword} → 添加貓砂相關詞彙")
+            
+            # 狗糧相關擴展
+            if '狗糧' in keyword or '狗' in keyword:
+                expanded_keywords.extend(['犬糧', '犬種', '狗食', 'dog'])
+                logger.info(f"狗糧相關擴展: {keyword} → 添加狗糧相關詞彙")
+            
+            # 寵物相關擴展
+            if '寵物' in keyword:
+                expanded_keywords.extend(['貓', '狗', '犬', 'pet', 'cat'])
+                logger.info(f"寵物相關擴展: {keyword} → 添加寵物相關詞彙")
+            
+            # 商品相關擴展
+            if '商品' in keyword or '產品' in keyword:
+                expanded_keywords.extend(['貓砂', '狗糧', '寵物', '食品', '用品'])
+                logger.info(f"商品相關擴展: {keyword} → 添加商品相關詞彙")
+        
+        # 去除重複並返回
+        unique_keywords = list(set(expanded_keywords))
+        
+        # 記錄關鍵字提取結果用於調試
+        logger.info(f"關鍵字提取: '{query_text}' → 核心詞: {extracted_core_words} → 最終: {unique_keywords}")
+        
+        return unique_keywords, extracted_core_words
+    
+    print("🔍 測試關鍵字提取日誌")
+    print("=" * 50)
+    
+    test_queries = [
+        "請問貓砂還有嗎?",
+        "貓砂還有嗎?",
+        "請問有商品可以推薦嗎?"
+    ]
+    
+    for query in test_queries:
+        print(f"\n測試查詢: '{query}'")
+        print("-" * 30)
+        keywords, core_words = extract_keywords_with_logs(query)
+        print(f"最終結果: {keywords}")
+
+def test_product_matching_simulation():
+    """模擬商品匹配過程"""
+    
+    logger = logging.getLogger("test_product_matching")
+    
+    # 實際商品資料
+    products = [
+        {
+            "id": 2,
+            "productCode": "SW-06-01",
+            "productName": "Shovel well豪好鏟 破碎型礦砂",
+            "stock": 50,
+            "is_deleted": False
+        },
+        {
+            "id": 3,
+            "productCode": "TL-03",
+            "productName": "美國極冠貓砂 薰衣草12kg",
+            "stock": 48,
+            "is_deleted": False
+        }
+    ]
+    
+    print(f"\n🛍️ 測試商品匹配模擬")
+    print("=" * 50)
+    
+    test_query = "貓砂還有嗎?"
+    logger.info(f"開始商品匹配測試: '{test_query}'")
+    
+    # 模擬關鍵字提取
+    keywords = ['貓', '水晶砂', '貓砂', '豆腐砂', 'litter', '木屑砂', '礦砂', '貓砂還有嗎']
+    logger.info(f"使用關鍵字: {keywords}")
+    
+    # ��擬商品匹配
+    matched_products = []
+    
+    for product in products:
+        if product["is_deleted"]:
+            continue
+        
+        # 檢查哪個關鍵字匹配了這個商品
+        matched_keywords = []
+        for keyword in keywords:
+            if (keyword.lower() in product["productName"].lower() or 
+                keyword.lower() in product["productCode"].lower()):
+                matched_keywords.append(keyword)
+        
+        if matched_keywords:
+            matched_products.append(product)
+            logger.info(f"📦 商品: {product['productName']} - 匹配關鍵字: {matched_keywords}")
+    
+    logger.info(f"✅ 匹配完成，找到 {len(matched_products)} 個商品")
+    
+    print(f"匹配結果: 找到 {len(matched_products)} 個商品")
+    for product in matched_products:
+        print(f"  - {product['productName']}")
+
+def main():
+    """主函數"""
+    print("🚀 測試調試日誌功能")
+    print("=" * 60)
+    
+    test_keyword_extraction_with_logs()
+    test_product_matching_simulation()
+    
+    print("\n" + "=" * 60)
+    print("✅ 日誌測試完成！")
+    print("\n💡 現在重啟服務，應該能看到詳細的調試日誌")
+
+if __name__ == "__main__":
+    main()