|
|
@@ -0,0 +1,208 @@
|
|
|
+"""
|
|
|
+报告大纲生成Agent (Report Outline Generation Agent)
|
|
|
+===============================================
|
|
|
+
|
|
|
+此Agent负责根据用户需求和数据样本，生成专业的报告大纲结构。
|
|
|
+
|
|
|
+核心功能：
|
|
|
+1. 分析用户需求：理解报告目标和关键指标
|
|
|
+2. 数据结构分析：识别可用字段和数据特征
|
|
|
+3. 大纲生成：创建结构化的报告章节和指标需求
|
|
|
+4. 智能推断：自动推断所需字段和计算逻辑
|
|
|
+
|
|
|
+工作流程：
|
|
|
+1. 接收用户查询和数据样本
|
|
|
+2. 分析数据结构和可用字段
|
|
|
+3. 生成报告标题和章节结构
|
|
|
+4. 定义全局指标需求
|
|
|
+5. 返回结构化的大纲对象
|
|
|
+
|
|
|
+技术实现：
|
|
|
+- 使用LangChain和结构化输出
|
|
|
+- 支持异步处理
|
|
|
+- 自动字段推断和补全
|
|
|
+- 错误处理和默认值提供
|
|
|
+
|
|
|
+作者: Big Agent Team
|
|
|
+版本: 1.0.0
|
|
|
+创建时间: 2024-12-20
|
|
|
+"""
|
|
|
+
|
|
|
+from typing import List, Dict, Any
|
|
|
+from langchain_openai import ChatOpenAI
|
|
|
+from langchain_core.prompts import ChatPromptTemplate
|
|
|
+from llmops.config import enable_kp_rc_prompts
|
|
|
+
|
|
|
+
|
|
|
+class ReportSectionGeneratorAgent:
|
|
|
+ """报告章节内容生成智能体"""
|
|
|
+
|
|
|
+ def __init__(self, api_key: str, base_url: str = "https://api.deepseek.com", model_name: str = "deepseek-chat"):
|
|
|
+ """
|
|
|
+ 初始化大纲生成Agent
|
|
|
+
|
|
|
+ Args:
|
|
|
+ api_key: DeepSeek API密钥
|
|
|
+ base_url: DeepSeek API基础URL
|
|
|
+ model_name: 模型名称
|
|
|
+ """
|
|
|
+ self.llm = ChatOpenAI(
|
|
|
+ model=model_name,
|
|
|
+ api_key=api_key,
|
|
|
+ base_url=base_url,
|
|
|
+ temperature=0.1
|
|
|
+ )
|
|
|
+
|
|
|
+ def get_prompt(self):
|
|
|
+ """
|
|
|
+ 获取报告章节写作提示词模板, 根据配置开关动态获取
|
|
|
+ """
|
|
|
+ prompt = ""
|
|
|
+ if enable_kp_rc_prompts == 1: # 从知识沉淀平台获取
|
|
|
+ prompt = self._get_prompt_from_klg()
|
|
|
+ if len(prompt) == 0: # 获取默认提示词
|
|
|
+ prompt = self._get_base_prompt()
|
|
|
+ return prompt
|
|
|
+
|
|
|
+ def _get_prompt_from_klg(self):
|
|
|
+ """
|
|
|
+ 从知识沉淀平台获取报告章节内容提示词模板（预留）
|
|
|
+ 可能包括的步骤：
|
|
|
+ 1、对应接口（通过配置指定） post 请求
|
|
|
+ 2、获取结果，重新解析组织
|
|
|
+ 3、异常情况处理
|
|
|
+ """
|
|
|
+ try:
|
|
|
+ pass
|
|
|
+ except Exception as e:
|
|
|
+ return ""
|
|
|
+
|
|
|
+ def _get_base_prompt(self):
|
|
|
+ """
|
|
|
+ 获取基础（默认）报告章节写作提示词
|
|
|
+ """
|
|
|
+ template = """
|
|
|
+ ## 基本要求
|
|
|
+ 你是一位专业的报告撰写专家，需要基于以下参数生成高质量的章节内容。
|
|
|
+
|
|
|
+ ## 输入参数
|
|
|
+ 1. ** 章节标题 **：{title}
|
|
|
+ 2. ** 写作范围 **：{writing_scope}
|
|
|
+ 3. ** 指标要求 **：{indicators}
|
|
|
+
|
|
|
+ ## 生成要求
|
|
|
+ 请按照以下结构生成内容：
|
|
|
+
|
|
|
+ ### 1. 章节开头（引言部分）
|
|
|
+ - 简要说明本章节的核心主题
|
|
|
+ - 阐述本章节在整体报告中的定位和作用
|
|
|
+ - 概述将要分析的主要内容和逻辑脉络
|
|
|
+
|
|
|
+ ### 2. 主体内容分析
|
|
|
+ ** 基于写作范围和指标要求，具体包含： **
|
|
|
+
|
|
|
+ #### a) 数据/现状分析
|
|
|
+ - 对相关指标进行系统性分析
|
|
|
+ - 使用数据支持观点（如提供具体数据）
|
|
|
+
|
|
|
+ #### b) 问题/趋势识别
|
|
|
+ - 识别当前存在的主要问题
|
|
|
+ - 分析发展趋势和潜在机遇
|
|
|
+
|
|
|
+ #### c) 深度解读
|
|
|
+ - 对关键指标进行深入解读
|
|
|
+ - 分析指标间的相互关系和影响
|
|
|
+
|
|
|
+ ### 3. 章节总结
|
|
|
+ - 归纳本章核心发现
|
|
|
+ - 提出关键结论
|
|
|
+ - 引出可能的建议或下一步分析方向
|
|
|
+
|
|
|
+ ## 写作风格要求
|
|
|
+ - 专业、严谨、客观
|
|
|
+ - 数据驱动，避免主观臆断
|
|
|
+ - 逻辑清晰，层次分明
|
|
|
+ - 语言精炼，避免冗余
|
|
|
+ - 使用适当的学术 / 行业术语
|
|
|
+
|
|
|
+ ## 格式要求
|
|
|
+ - 使用Markdown格式
|
|
|
+ - 适当使用标题层级（ ##、###等）
|
|
|
+ - 重要观点可使用 ** 加粗 ** 强调
|
|
|
+ - 数据可使用表格或列表清晰呈现
|
|
|
+
|
|
|
+ 请开始生成章节内容：
|
|
|
+ """
|
|
|
+
|
|
|
+ return template
|
|
|
+
|
|
|
+ async def generate_section_content(self, section: Dict[str, Any]) -> str:
|
|
|
+ """异步生成报告章节内容"""
|
|
|
+ # 获取报告章节写作提示词
|
|
|
+ template = self.get_prompt()
|
|
|
+ pt = ChatPromptTemplate.from_template(template)
|
|
|
+ chain = pt | self.llm
|
|
|
+ response = await chain.ainvoke({
|
|
|
+ "title": section["title"],
|
|
|
+ "writing_scope": section["description"],
|
|
|
+ "indicators": section["metrics"]})
|
|
|
+
|
|
|
+ # 解析JSON响应
|
|
|
+ try:
|
|
|
+ # 从响应中提取JSON内容
|
|
|
+ section_content = response.content if hasattr(response, 'content') else str(response)
|
|
|
+ except Exception as e:
|
|
|
+ print(f"生成报告章节内容失败: {e}")
|
|
|
+ raise ValueError(f"生成报告章节:{section['title']}异常, {str(e)}")
|
|
|
+
|
|
|
+ return section_content
|
|
|
+
|
|
|
+async def generate_report_section_content(api_key: str, base_url: str, model_name: str, section: Dict[str, Any], max_retries: int = 2) -> str:
|
|
|
+ """
|
|
|
+ 生成报告章节内容(可以重试)
|
|
|
+
|
|
|
+ Args:
|
|
|
+ api_key: API密钥
|
|
|
+ base_url: LLM base url
|
|
|
+ model_name: LLM model name
|
|
|
+ section：章节对象
|
|
|
+ max_retries: 重试次数
|
|
|
+
|
|
|
+ Returns:
|
|
|
+ 生成的章节内容
|
|
|
+ """
|
|
|
+ import asyncio
|
|
|
+ import time
|
|
|
+
|
|
|
+ agent = ReportSectionGeneratorAgent(api_key=api_key, base_url=base_url, model_name=model_name)
|
|
|
+
|
|
|
+ print(f"📝 开始生成报告章节:{section['title']} 内容（最多重试 {max_retries} 次）...")
|
|
|
+ section_content = ""
|
|
|
+ for attempt in range(max_retries):
|
|
|
+ try:
|
|
|
+ print(f" 尝试 {attempt + 1}/{max_retries}...")
|
|
|
+ start_time = time.time()
|
|
|
+ # 生成章节内容
|
|
|
+ section_content = await agent.generate_section_content(section)
|
|
|
+ elapsed_time = time.time() - start_time
|
|
|
+ print(f"{elapsed_time:.2f}")
|
|
|
+ print(f"\n📝 章节{section['title']}生成成功：")
|
|
|
+
|
|
|
+ return section_content
|
|
|
+
|
|
|
+ except Exception as e:
|
|
|
+ elapsed_time = time.time() - start_time if 'start_time' in locals() else 0
|
|
|
+ print(f" 错误详情: {str(e)}")
|
|
|
+
|
|
|
+ # 如果不是最后一次尝试，等待后重试
|
|
|
+ if attempt < max_retries - 1:
|
|
|
+ print(f" ⏳ {retry_delay} 秒后进行第 {attempt + 2} 次重试...")
|
|
|
+ await asyncio.sleep(retry_delay)
|
|
|
+ # 增加重试间隔，避免频繁调用
|
|
|
+ retry_delay = min(retry_delay * 1.5, 10.0) # 最多等待10秒
|
|
|
+ else:
|
|
|
+ print(f" ❌ 生成报告章节内容{section['title']} 已达到最大重试次数 ({max_retries})")
|
|
|
+
|
|
|
+ # 所有重试都失败后，使用默认结构
|
|
|
+ print("⚠️ 所有重试均失败，使用默认大纲结构")
|
|
|
+
|
