156 lines
6.5 KiB
Python
156 lines
6.5 KiB
Python
import re
|
||
import traceback
|
||
from openai import OpenAI
|
||
|
||
|
||
# "model": "glm-4.5",
|
||
# "base_url": "https://open.bigmodel.cn/api/paas/v4/",
|
||
# "api_key": "ce39bdd4fcf34ec0aec75072bc9ff988.hAp7HZTVUwy7vImn"
|
||
|
||
|
||
|
||
EXTRACT_OUNTLINE_SYSTEM_PROMPT = """
|
||
## 角色
|
||
你是一位专业的内容结构分析专家。你的核心任务是精确解析用户提供的文章内容，并将其转换为标准的Markdown格式。
|
||
|
||
## 任务
|
||
根据用户提供的文章内容，执行以下分析步骤：
|
||
1. **提取主标题：** 精确识别并提取文章最顶层的**主标题**（通常为文章题目或书名）。
|
||
2. **构建标题大纲：**
|
||
* 从文章中**第一个具体的内容标题**（即忽略文章主标题之后出现的第一个具有层级意义的标题）开始提取。
|
||
* 提取所有层级的**内容标题**（Level 1 至 Level 4，Level 1 为最高级）。
|
||
* **精确保留**原文中的标题文字，不得进行任何修改、概括或润色。
|
||
* 判断标题层级的依据：
|
||
* **视觉与结构特征：** 是否独立成行/段、位置（如行首）、格式（如加粗、字体大小、编号 `1.`, `1.1`, `(1)`, `-` 等）。
|
||
* **语义逻辑：** 标题之间的包含、并列关系。
|
||
3. **分析每个标题对应的正文内容区块：** 对于大纲中的每个标题项，分析其**直接管辖**的正文内容区块（即从该标题后开始，直到下一个**同级或更高级别**标题出现之前的所有文本内容）。
|
||
* 保留原文的核心内容
|
||
* 可以适当概括和整理，但保持原意
|
||
* 对于列表项，使用Markdown列表格式
|
||
|
||
## 输出格式
|
||
* 结果**必须**以**纯无序列表格式**输出。
|
||
* 使用标准的Markdown无序列表语法：
|
||
* 所有内容都使用 `- 内容` 格式
|
||
* 不同层级通过缩进表示（2个空格一个层级）
|
||
* 第一层：主标题/主题
|
||
* 第二层：主要章节/分类
|
||
* 第三层：子章节/子分类
|
||
* 第四层：具体内容/要点
|
||
* 第五层：详细说明/子要点
|
||
* 特殊内容处理：
|
||
* 对于数字、代码、公式等特殊内容，保持原格式
|
||
* 对于引用内容，使用简洁的描述
|
||
* 对于表格数据，转换为要点列表形式
|
||
* SSE流式输出优化：
|
||
* 确保每个列表项都是完整的语义单元
|
||
* 避免在列表项中间断句
|
||
* 保持层级结构的逻辑性
|
||
* 错误处理指导：
|
||
* 如果原文结构不清晰，优先保证逻辑性
|
||
* 如果遇到无法分类的内容，归类到最相关的上级节点
|
||
* 保持输出格式的一致性
|
||
* 示例格式：
|
||
```markdown
|
||
- 人工智能的发展历程
|
||
- 早期发展
|
||
- 人工智能的概念最早可以追溯到1950年代
|
||
- 图灵测试的提出标志着AI研究的开始
|
||
- 图灵测试
|
||
- 图灵测试是判断机器是否具有智能的重要标准
|
||
- 通过对话测试来评估机器智能
|
||
- 现代发展
|
||
- 近年来深度学习技术的突破推动了AI的快速发展
|
||
- 深度学习
|
||
- 深度学习通过神经网络模拟人脑的工作方式
|
||
- 在图像识别、自然语言处理等领域取得重大突破
|
||
- 主要技术
|
||
- 卷积神经网络（CNN）
|
||
- 循环神经网络（RNN）
|
||
- Transformer架构
|
||
|
||
- 技术文档示例
|
||
- 安装指南
|
||
- 系统要求
|
||
- Windows 10或更高版本
|
||
- 至少4GB内存
|
||
- 支持OpenGL 3.3的显卡
|
||
- 安装步骤
|
||
- 下载安装包
|
||
- 运行安装程序
|
||
- 配置环境变量
|
||
- 使用说明
|
||
- 基本操作
|
||
- 启动应用程序
|
||
- 创建新项目
|
||
- 保存文件
|
||
- 高级功能
|
||
- 自定义设置
|
||
- 插件管理
|
||
- 数据导出
|
||
```
|
||
"""
|
||
|
||
|
||
|
||
def llm_format_text(model, base_url, api_key, messages, max_tokens):
|
||
all_content = ""
|
||
all_reasoning_content = ""
|
||
client = OpenAI(api_key=api_key, base_url=base_url)
|
||
try:
|
||
try:
|
||
response = client.chat.completions.create(
|
||
model=model,
|
||
messages=messages,
|
||
temperature=0.99,
|
||
top_p=0.5,
|
||
max_tokens=max_tokens,
|
||
stream=True,
|
||
extra_body={
|
||
"thinking": {
|
||
# "type": "enabled",
|
||
"type": "disabled"
|
||
},
|
||
}
|
||
)
|
||
except Exception as e:
|
||
print(f"--llm_format_text------异常报错：e={e}-----启用新的llm方式-----")
|
||
response = client.chat.completions.create(
|
||
model=model,
|
||
messages=messages,
|
||
temperature=0.99,
|
||
top_p=0.5,
|
||
max_tokens=max_tokens,
|
||
stream=True
|
||
)
|
||
# 获取内容
|
||
for chunk in response:
|
||
content = ""
|
||
reasoning_content = ""
|
||
try:
|
||
# 判断是 思维链 还是 最终回答
|
||
if (hasattr(chunk.choices[0].delta, "reasoning_content") and chunk.choices[0].delta.reasoning_content and (0 < len(chunk.choices[0].delta.reasoning_content))):
|
||
reasoning_content = (chunk.choices[0].delta.reasoning_content if chunk.choices[0].delta.reasoning_content else "")
|
||
print(reasoning_content)
|
||
all_reasoning_content = all_reasoning_content + reasoning_content
|
||
else:
|
||
content = (chunk.choices[0].delta.content if chunk.choices[0].delta.content else "")
|
||
print(content)
|
||
all_content = all_content + content
|
||
except Exception as e:
|
||
print(f"--llm_format_text---1---异常报错：e={e}----------")
|
||
traceback.print_exc()
|
||
print(f'------------------------------------------------')
|
||
print(chunk)
|
||
print(f'------------------------------------------------')
|
||
except Exception as e:
|
||
print(f"--llm_format_text--2----异常报错：e={e}----------")
|
||
traceback.print_exc()
|
||
print(f'------------------------------------------------')
|
||
# 整个 stream 调用就结束了
|
||
# 尝试提取 Markdown 内容
|
||
markdown_match = re.search(r"```(?:[^\n]*)\n(.*?)```", all_content, re.DOTALL)
|
||
if markdown_match:
|
||
all_content = markdown_match.group(1)
|
||
# 返回
|
||
return all_content |