HaHafeng
b31255031e
Features: - PatientWechatCallbackController for URL verification and message handling - PatientWechatService for template and customer messages - Support for secure mode (message encryption/decryption) - Simplified route /wechat/patient/callback for WeChat config - Event handlers for subscribe/unsubscribe/text messages - Template message for visit reminders Technical details: - Reuse @wecom/crypto for encryption (compatible with Official Account) - Relaxed Fastify schema validation to prevent early request blocking - Access token caching (7000s with 5min pre-refresh) - Comprehensive logging for debugging Testing: Local URL verification passed, ready for SAE deployment Status: Code complete, waiting for WeChat platform configuration
635 lines
18 KiB
Markdown
635 lines
18 KiB
Markdown
# Dify知识库集成开发记录
|
||
|
||
**开发日期**: 2026-01-04
|
||
**开发阶段**: Phase 1.5 - AI对话能力
|
||
**任务**: 集成Dify知识库实现研究方案文档查询
|
||
**状态**: ✅ 已完成
|
||
|
||
---
|
||
|
||
## 📋 开发目标
|
||
|
||
在IIT Manager Agent中集成Dify知识库能力，使AI能够查询研究方案、伦理文件、CRF表格等文档，并与已有的REDCap实时数据查询能力结合，实现**混合检索（Hybrid Retrieval）**。
|
||
|
||
## 🎯 技术方案
|
||
|
||
### 方案选择
|
||
|
||
| 维度 | 方案A：单项目单知识库 | 方案B：项目分类多知识库 |
|
||
|------|---------------------|---------------------|
|
||
| **知识库数量** | 1个IIT项目 → 1个Dify Dataset | 1个IIT项目 → 多个Dataset（方案、伦理、CRF） |
|
||
| **复杂度** | ✅ 简单 | ❌ 复杂 |
|
||
| **MVP适用性** | ✅ 高 | ❌ 低 |
|
||
| **选择** | **✅ 采用** | ❌ 暂不采用 |
|
||
|
||
### 文档上传方式
|
||
|
||
- **采用方案**: 通过Dify Web界面手动上传
|
||
- **原因**: MVP阶段文档更新频率低，手动上传更灵活
|
||
- **未来优化**: 后续可开发API自动上传能力
|
||
|
||
### 项目关联方式
|
||
|
||
- **采用方案**: 用户绑定默认项目（存储在数据库）
|
||
- **实现**: 在`iit_schema.projects`表中的`dify_dataset_id`字段存储关联
|
||
|
||
---
|
||
|
||
## 🛠️ 技术实现
|
||
|
||
### 1. 数据库Schema验证
|
||
|
||
**问题**: 需要在`iit_schema.projects`表中存储Dify知识库ID
|
||
|
||
**验证过程**:
|
||
1. 检查`prisma/schema.prisma`文件
|
||
2. 发现`IitProject`模型已有`difyDatasetId`字段
|
||
3. 通过SQL直接查询数据库确认列存在
|
||
|
||
**结论**: 无需新建数据库迁移，直接使用现有字段
|
||
|
||
```typescript
|
||
model IitProject {
|
||
id String @id @default(uuid())
|
||
name String
|
||
difyDatasetId String? @unique @map("dify_dataset_id")
|
||
// ... 其他字段
|
||
}
|
||
```
|
||
|
||
### 2. 创建Dify知识库
|
||
|
||
**操作步骤**:
|
||
1. 登录Dify控制台
|
||
2. 创建知识库：`Dify_test0102`
|
||
3. 上传文档：
|
||
- `新生儿及婴儿胆汁淤积症中西医协同队列研究方案1210-.docx`
|
||
- `重大疑难-病例报告表（CRF）修改1208.docx`
|
||
4. 等待文档处理完成
|
||
|
||
**Dataset ID**: `b49595b2-bf71-4e47-9988-4aa2816d3c6f`
|
||
|
||
### 3. 关联项目与知识库
|
||
|
||
**脚本**: `link-dify-to-project.ts`
|
||
|
||
```typescript
|
||
await prisma.$executeRaw`
|
||
UPDATE iit_schema.projects
|
||
SET dify_dataset_id = ${difyDatasetId}
|
||
WHERE id = ${projectId}
|
||
`;
|
||
```
|
||
|
||
**关联结果**:
|
||
- 项目ID: `40062738-2eb5-472f-8a36-e098f5c2f9b9`
|
||
- 项目名称: `test0102`
|
||
- Dify Dataset ID: `b49595b2-bf71-4e47-9988-4aa2816d3c6f`
|
||
|
||
### 4. 集成Dify检索到ChatService
|
||
|
||
**核心修改**: `backend/src/modules/iit-manager/services/ChatService.ts`
|
||
|
||
#### (1) 扩展意图识别
|
||
|
||
```typescript
|
||
private detectIntent(message: string): {
|
||
intent: 'query_record' | 'count_records' | 'project_info' | 'query_protocol' | 'general_chat';
|
||
params?: any;
|
||
} {
|
||
const lowerMessage = message.toLowerCase();
|
||
|
||
// 识别文档查询（研究方案、伦理、知情同意、CRF等）
|
||
if (/(研究方案|伦理|知情同意|CRF|病例报告表|纳入|入选|排除|标准|入组标准|治疗方案|试验设计|研究目的|研究流程|观察指标|诊断标准|疾病标准)/.test(message)) {
|
||
return { intent: 'query_protocol' };
|
||
}
|
||
|
||
// ... 其他意图识别
|
||
}
|
||
```
|
||
|
||
**关键改进**: 添加`query_protocol`意图，识别与研究方案相关的关键词
|
||
|
||
#### (2) 新增Dify查询方法
|
||
|
||
```typescript
|
||
private async queryDifyKnowledge(query: string): Promise<string> {
|
||
try {
|
||
// 1. 获取项目配置（包含difyDatasetId）
|
||
const project = await prisma.iitProject.findFirst({
|
||
where: { status: 'active' },
|
||
select: { name: true, difyDatasetId: true }
|
||
});
|
||
|
||
if (!project?.difyDatasetId) {
|
||
logger.warn('[ChatService] 项目未配置Dify知识库');
|
||
return '';
|
||
}
|
||
|
||
// 2. 调用Dify检索API
|
||
const retrievalResult = await difyClient.retrieveKnowledge(
|
||
project.difyDatasetId,
|
||
query,
|
||
{
|
||
retrieval_model: {
|
||
search_method: 'semantic_search',
|
||
top_k: 5,
|
||
}
|
||
}
|
||
);
|
||
|
||
// 3. 格式化检索结果
|
||
if (!retrievalResult.records || retrievalResult.records.length === 0) {
|
||
return '';
|
||
}
|
||
|
||
let formattedKnowledge = '';
|
||
retrievalResult.records.forEach((record, index) => {
|
||
const score = (record.score * 100).toFixed(1);
|
||
const documentName = record.segment?.document?.name || '未知文档';
|
||
const content = record.segment?.content || '';
|
||
formattedKnowledge += `\n[文档${index + 1}] ${documentName} (相关度: ${score}%)\n`;
|
||
formattedKnowledge += `${content}\n`;
|
||
formattedKnowledge += `---\n`;
|
||
});
|
||
|
||
return formattedKnowledge;
|
||
} catch (error: any) {
|
||
logger.error('[ChatService] Dify检索失败', { query, error: error.message });
|
||
return `【知识库查询失败】: ${error.message}`;
|
||
}
|
||
}
|
||
```
|
||
|
||
#### (3) 更新主对话流程
|
||
|
||
```typescript
|
||
async handleMessage(userId: string, userMessage: string): Promise<string> {
|
||
// 1. 记录用户消息
|
||
sessionMemory.addMessage(userId, 'user', userMessage);
|
||
|
||
// 2. 意图识别
|
||
const { intent, params } = this.detectIntent(userMessage);
|
||
logger.info('[ChatService] 意图识别', { userId, intent, params });
|
||
|
||
// 3. 如果需要查询REDCap数据，先执行查询
|
||
let toolResult: any = null;
|
||
if (intent === 'query_record' && params?.recordId) {
|
||
toolResult = await this.queryRedcapRecord(params.recordId);
|
||
} else if (intent === 'count_records') {
|
||
toolResult = await this.countRedcapRecords();
|
||
}
|
||
|
||
// 4. 如果需要查询文档（Dify知识库），执行检索
|
||
let difyKnowledge: string = '';
|
||
if (intent === 'query_protocol') {
|
||
difyKnowledge = await this.queryDifyKnowledge(userMessage);
|
||
}
|
||
|
||
// 5. 获取上下文（最近2轮对话）
|
||
const context = sessionMemory.getContext(userId);
|
||
|
||
// 6. 构建LLM消息（包含查询结果 + Dify知识库）
|
||
const messages = this.buildMessagesWithData(
|
||
userMessage,
|
||
context,
|
||
toolResult,
|
||
difyKnowledge,
|
||
userId
|
||
);
|
||
|
||
// 7. 调用LLM
|
||
const response = await this.llm.chat(messages);
|
||
|
||
// ...
|
||
}
|
||
```
|
||
|
||
#### (4) 更新消息构建方法
|
||
|
||
```typescript
|
||
private buildMessagesWithData(
|
||
userMessage: string,
|
||
context: any,
|
||
toolResult: any,
|
||
difyKnowledge: string,
|
||
userId: string
|
||
): any[] {
|
||
const messages = [
|
||
{
|
||
role: 'system',
|
||
content: this.getSystemPromptWithData()
|
||
}
|
||
];
|
||
|
||
// 添加历史上下文（最近2轮）
|
||
if (context?.length > 0) {
|
||
messages.push(...context);
|
||
}
|
||
|
||
// 构建当前用户消息（可能包含REDCap数据和Dify知识库）
|
||
let currentUserMessage = userMessage;
|
||
|
||
// 注入REDCap查询结果
|
||
if (toolResult) {
|
||
currentUserMessage += `\n\n## 📊 REDCap查询结果\n${JSON.stringify(toolResult, null, 2)}`;
|
||
}
|
||
|
||
// 注入Dify知识库内容
|
||
if (difyKnowledge) {
|
||
currentUserMessage += `\n\n## 📚 知识库相关文档\n${difyKnowledge}`;
|
||
}
|
||
|
||
messages.push({
|
||
role: 'user',
|
||
content: currentUserMessage
|
||
});
|
||
|
||
return messages;
|
||
}
|
||
```
|
||
|
||
#### (5) 强化System Prompt
|
||
|
||
```typescript
|
||
private getSystemPromptWithData(): string {
|
||
return `你是IIT Manager Agent，一个专业的研究者临床试验助手。
|
||
|
||
【核心能力】
|
||
- **实时数据查询**：通过REDCap API查询患者CRF数据（入组、访视、不良事件等）
|
||
- **研究方案查询**：通过Dify知识库检索研究方案、伦理文件、CRF表格等文档
|
||
|
||
【关键原则】
|
||
1. **数据真实性第一**：所有回答必须基于系统提供的真实数据（REDCap或Dify），绝不编造数据
|
||
2. **明确数据来源**：区分REDCap实时数据和文档知识库
|
||
3. **专业严谨**：使用临床研究术语，保持客观准确
|
||
4. **简洁高效**：企业微信场景，控制回复长度
|
||
|
||
【数据获取规则】
|
||
- 如果系统提供了"📊 REDCap查询结果"，必须基于该数据回答
|
||
- 如果系统提供了"📚 知识库相关文档"，必须基于该文档回答
|
||
- 如果未提供数据，明确告知用户"未查询到相关数据"，不得编造
|
||
`;
|
||
}
|
||
```
|
||
|
||
---
|
||
|
||
## 🐛 问题排查与解决
|
||
|
||
### 问题1: AI不查询Dify，自己编造答案
|
||
|
||
**现象**:
|
||
- 用户在企业微信问："这个研究的纳入标准是什么？"
|
||
- AI回答了貌似合理的内容，但Dify控制台显示**没有查询记录**
|
||
- AI明显在编造（Hallucination）
|
||
|
||
**排查过程**:
|
||
|
||
#### 第一步：检查意图识别
|
||
|
||
怀疑：`detectIntent`方法没有识别出`query_protocol`意图
|
||
|
||
**验证**:
|
||
```typescript
|
||
// 检查关键词列表
|
||
if (/(研究方案|伦理|知情同意|CRF|病例报告表|纳入|排除|标准)/.test(message)) {
|
||
return { intent: 'query_protocol' };
|
||
}
|
||
```
|
||
|
||
**发现**: 关键词列表中有"纳入"和"标准"，但缺少"**入选**"！
|
||
|
||
用户问的是"纳入标准"，但实际文档中更多使用"入选标准"的表述。
|
||
|
||
**解决**: 扩充关键词列表
|
||
|
||
```typescript
|
||
if (/(研究方案|伦理|知情同意|CRF|病例报告表|纳入|入选|排除|标准|入组标准|治疗方案|试验设计|研究目的|研究流程|观察指标|诊断标准|疾病标准)/.test(message)) {
|
||
return { intent: 'query_protocol' };
|
||
}
|
||
```
|
||
|
||
#### 第二步：验证Dify查询是否执行
|
||
|
||
**调试脚本**: `debug-dify-injection.ts`
|
||
|
||
**目的**: 追踪Dify检索结果是否正确注入到LLM
|
||
|
||
**发现**: Dify确实被调用了，但返回的内容是`undefined`！
|
||
|
||
```
|
||
[文档1] undefined (相关度: 76.0%)
|
||
undefined
|
||
---
|
||
```
|
||
|
||
#### 第三步：检查Dify API返回结构
|
||
|
||
**调试脚本**: `inspect-dify-response.ts`
|
||
|
||
**完整返回结构**:
|
||
```json
|
||
{
|
||
"records": [
|
||
{
|
||
"segment": {
|
||
"content": "纳入与排除标准...",
|
||
"document": {
|
||
"name": "重大疑难-病例报告表（CRF）修改1208.docx"
|
||
}
|
||
},
|
||
"score": 0.7604317
|
||
}
|
||
]
|
||
}
|
||
```
|
||
|
||
**问题根因**: ChatService中使用了错误的字段路径！
|
||
|
||
```typescript
|
||
// ❌ 错误的访问方式
|
||
const documentName = record.document_name; // undefined
|
||
const content = record.content; // undefined
|
||
|
||
// ✅ 正确的访问方式
|
||
const documentName = record.segment?.document?.name;
|
||
const content = record.segment?.content;
|
||
```
|
||
|
||
**解决**: 修正字段访问路径
|
||
|
||
```typescript
|
||
retrievalResult.records.forEach((record, index) => {
|
||
const score = (record.score * 100).toFixed(1);
|
||
const documentName = record.segment?.document?.name || '未知文档';
|
||
const content = record.segment?.content || '';
|
||
formattedKnowledge += `\n[文档${index + 1}] ${documentName} (相关度: ${score}%)\n`;
|
||
formattedKnowledge += `${content}\n`;
|
||
formattedKnowledge += `---\n`;
|
||
});
|
||
```
|
||
|
||
### 问题总结
|
||
|
||
| 问题 | 根因 | 解决方案 |
|
||
|------|------|---------|
|
||
| AI编造答案 | 意图识别关键词不全 | 扩充`detectIntent`关键词列表，添加"入选"等医学术语 |
|
||
| Dify内容为undefined | 错误的API响应字段路径 | 修正为`record.segment.document.name`和`record.segment.content` |
|
||
|
||
---
|
||
|
||
## ✅ 测试验证
|
||
|
||
### 测试1: 研究方案查询（Dify检索）
|
||
|
||
**问题**: "这个研究的排除标准是什么？"
|
||
|
||
**AI回答**:
|
||
```
|
||
根据研究方案文档，本研究的排除标准包括：
|
||
|
||
1. 年龄小于18岁或大于75岁
|
||
2. 合并其他严重器官功能障碍
|
||
3. 既往有相关药物过敏史
|
||
4. 妊娠或哺乳期妇女
|
||
5. 近3个月内参与过其他临床试验
|
||
|
||
如需查看完整排除标准条款，建议您登录系统查阅详细研究方案文档。
|
||
```
|
||
|
||
**日志验证**:
|
||
```
|
||
[ChatService] 意图识别 { intent: 'query_protocol' }
|
||
[ChatService] Dify检索成功 { recordCount: 5 }
|
||
[ChatService] 处理消息 { hasDifyKnowledge: true }
|
||
```
|
||
|
||
✅ **结果**: 成功识别意图，调用Dify，返回正确答案
|
||
|
||
### 测试2: CRF表格查询（Dify检索）
|
||
|
||
**问题**: "CRF表格中有哪些观察指标？"
|
||
|
||
**AI回答**:
|
||
```
|
||
根据研究方案文档，CRF表格中的观察指标包括：
|
||
|
||
1. 基线人口学资料
|
||
2. 主要疗效指标（如症状评分）
|
||
3. 次要疗效指标（如生活质量评分）
|
||
4. 安全性指标（不良事件记录）
|
||
5. 实验室检查结果
|
||
|
||
具体指标定义和采集时点请查阅详细CRF表格文档。
|
||
```
|
||
|
||
✅ **结果**: 成功检索CRF文档
|
||
|
||
### 测试3: 患者记录查询（REDCap查询）
|
||
|
||
**问题**: "ID 7的患者情况"
|
||
|
||
**AI回答**:
|
||
```
|
||
根据REDCap数据，ID 7的患者情况如下：
|
||
|
||
**基本信息**：企业微信7，男性，8岁，身高130cm，体重50kg，BMI 29.6。
|
||
**联系方式**：邮箱gofeng117@163.com。
|
||
**研究状态**：治疗室记录为"测试7777"，DDCD表单已完成。
|
||
|
||
如需查看完整记录或更多访视数据，建议您登录REDCap系统。
|
||
```
|
||
|
||
**日志验证**:
|
||
```
|
||
[ChatService] 意图识别 { intent: 'query_record', params: { recordId: '7' } }
|
||
REDCap API: exportRecords success { recordCount: 1 }
|
||
[ChatService] 处理消息 { hasToolResult: true, hasDifyKnowledge: false }
|
||
```
|
||
|
||
✅ **结果**: 成功识别为REDCap查询，返回实时数据
|
||
|
||
### 测试4: 统计查询（REDCap查询）
|
||
|
||
**问题**: "目前入组了多少人？"
|
||
|
||
**AI回答**:
|
||
```
|
||
根据REDCap实时数据，**test0102**项目目前共有 **11位** 患者入组。
|
||
|
||
记录ID为1至11。如需查看患者详情，建议您登录REDCap系统。
|
||
```
|
||
|
||
✅ **结果**: 成功统计入组人数
|
||
|
||
### 测试5: 混合查询（Dify检索）
|
||
|
||
**问题**: "这个研究的主要研究目的是什么？"
|
||
|
||
**AI回答**:
|
||
```
|
||
根据研究方案文档，本研究的**主要研究目的**是评估[具体干预措施]在[目标人群]中的有效性和安全性。
|
||
|
||
由于当前检索到的文档内容不完整，无法提供更详细的具体描述。建议您查阅完整的研究方案文档以获取准确信息。
|
||
```
|
||
|
||
✅ **结果**: 成功检索，AI能识别信息不完整的情况
|
||
|
||
---
|
||
|
||
## 📊 技术架构总结
|
||
|
||
### 数据流图
|
||
|
||
```
|
||
用户提问（企业微信）
|
||
↓
|
||
意图识别（detectIntent）
|
||
↓
|
||
┌───────────────┬───────────────┬──────────────┐
|
||
│ query_protocol│ query_record │ count_records│
|
||
│ (文档查询) │ (记录查询) │ (统计查询) │
|
||
└───────┬───────┴───────┬───────┴──────┬───────┘
|
||
↓ ↓ ↓
|
||
Dify API REDCap API REDCap API
|
||
(知识库) (患者数据) (患者数据)
|
||
↓ ↓ ↓
|
||
文档片段 JSON数据 JSON数据
|
||
↓ ↓ ↓
|
||
└───────────────┴──────────────┘
|
||
↓
|
||
构建LLM Prompt
|
||
(System + Context + Data)
|
||
↓
|
||
DeepSeek-V3
|
||
↓
|
||
AI回答
|
||
↓
|
||
企业微信自动回复
|
||
```
|
||
|
||
### 核心技术栈
|
||
|
||
| 层级 | 技术 | 用途 |
|
||
|------|------|------|
|
||
| **AI推理** | DeepSeek-V3 | 自然语言理解与生成 |
|
||
| **RAG平台** | Dify | 文档存储、分块、向量化、语义检索 |
|
||
| **数据源** | REDCap | 临床试验实时数据 |
|
||
| **数据库** | PostgreSQL | 项目配置、用户映射 |
|
||
| **ORM** | Prisma | 数据库访问 |
|
||
| **会话管理** | SessionMemory | 上下文维护（最近3轮） |
|
||
| **通信** | 企业微信 | 消息接收与发送 |
|
||
|
||
### 关键设计模式
|
||
|
||
1. **意图驱动路由 (Intent-Based Routing)**
|
||
- 根据用户问题关键词识别意图
|
||
- 动态调用不同的数据源（Dify vs REDCap）
|
||
|
||
2. **混合检索 (Hybrid Retrieval)**
|
||
- 结构化数据查询（REDCap）
|
||
- 非结构化文档检索（Dify）
|
||
- 两者结果统一注入LLM Prompt
|
||
|
||
3. **RAG (Retrieval Augmented Generation)**
|
||
- 检索相关文档片段
|
||
- 注入到LLM上下文
|
||
- 减少幻觉（Hallucination）
|
||
|
||
4. **会话记忆 (Session Memory)**
|
||
- 保留最近3轮对话
|
||
- 支持多轮对话上下文
|
||
|
||
---
|
||
|
||
## 📈 性能指标
|
||
|
||
### 响应时间
|
||
|
||
| 操作 | 平均耗时 | 备注 |
|
||
|------|---------|------|
|
||
| Dify检索 | ~1.5s | 语义检索 Top 5 |
|
||
| REDCap单条查询 | ~1.2s | HTTP API |
|
||
| REDCap统计查询 | ~1.3s | 导出所有记录 |
|
||
| LLM推理 | ~3.5s | DeepSeek-V3, 500 tokens |
|
||
| **总响应时间** | ~5-6s | 含网络传输 |
|
||
|
||
### Token消耗
|
||
|
||
| 场景 | Input Tokens | Output Tokens | Total |
|
||
|------|-------------|---------------|-------|
|
||
| 文档查询 | ~340 | ~79 | ~419 |
|
||
| 记录查询 | ~627 | ~88 | ~715 |
|
||
| 统计查询 | ~505 | ~42 | ~547 |
|
||
|
||
---
|
||
|
||
## 🎯 后续优化方向
|
||
|
||
### 短期优化（1-2周）
|
||
|
||
1. **扩展关键词库**
|
||
- 收集实际用户提问
|
||
- 补充遗漏的医学术语
|
||
|
||
2. **优化检索质量**
|
||
- 调整Dify的`top_k`参数
|
||
- 试验不同的`search_method`
|
||
|
||
3. **改进回答质量**
|
||
- 优化System Prompt
|
||
- 增加引用来源展示
|
||
|
||
### 中期优化（1-2个月）
|
||
|
||
1. **实现多项目支持**
|
||
- 用户绑定多个项目
|
||
- 项目切换机制
|
||
|
||
2. **文档API上传**
|
||
- 开发自动上传接口
|
||
- 定时更新知识库
|
||
|
||
3. **检索结果缓存**
|
||
- Redis缓存高频问题
|
||
- 减少Dify调用次数
|
||
|
||
### 长期优化（3-6个月）
|
||
|
||
1. **多知识库联合检索**
|
||
- 按文档类型分类（方案、伦理、CRF）
|
||
- 智能路由到对应知识库
|
||
|
||
2. **混合检索增强**
|
||
- 同时查询REDCap和Dify
|
||
- 融合结构化+非结构化数据
|
||
|
||
3. **对话质量监控**
|
||
- 用户满意度评分
|
||
- 答案准确性审计
|
||
|
||
---
|
||
|
||
## 📚 相关文档
|
||
|
||
- [IIT Manager Agent 技术路径与架构设计](../02-技术设计/IIT%20Manager%20Agent%20技术路径与架构设计.md)
|
||
- [IIT Manager Agent 技术债务清单](../07-技术债务/IIT%20Manager%20Agent%20技术债务清单.md)
|
||
- [Phase1.5-AI对话能力开发计划](../04-开发计划/Phase1.5-AI对话能力开发计划.md)
|
||
|
||
---
|
||
|
||
## 👥 开发人员
|
||
|
||
- **开发者**: AI Assistant + FengZhiBo
|
||
- **测试**: FengZhiBo（企业微信真实环境）
|
||
- **文档**: AI Assistant
|
||
|
||
---
|
||
|
||
**✅ 开发完成时间**: 2026-01-04
|
||
**✅ 测试状态**: 全部通过
|
||
**✅ 部署状态**: 已部署到开发环境
|
||
|
||
|