121 lines
3.7 KiB
Python
121 lines
3.7 KiB
Python
import json
|
||
import subprocess
|
||
import tempfile
|
||
import os
|
||
from json_openai import llm_format_text, EXTRACT_OUNTLINE_SYSTEM_PROMPT
|
||
|
||
def create_temp_test_file(markdown_content):
|
||
"""创建临时的TypeScript测试文件"""
|
||
test_content = f'''import {{ markdownToJSON }} from './markdownToJSON.js';
|
||
|
||
// AI生成的Markdown内容
|
||
const markdown = `{markdown_content}`;
|
||
|
||
// 转换并输出结果
|
||
const result = markdownToJSON(markdown);
|
||
console.log('转换结果:');
|
||
console.log(JSON.stringify(result, null, 2));
|
||
'''
|
||
|
||
with open('temp_test_markdown.ts', 'w', encoding='utf-8') as f:
|
||
f.write(test_content)
|
||
|
||
return 'temp_test_markdown.ts'
|
||
|
||
def run_typescript_converter(test_file):
|
||
"""编译并运行TypeScript测试文件"""
|
||
try:
|
||
# 编译TypeScript文件
|
||
compile_result = subprocess.run([
|
||
'npx', 'tsc', test_file, '--outDir', 'dist', '--target', 'ES2020', '--module', 'ES2020'
|
||
], capture_output=True, text=True)
|
||
|
||
if compile_result.returncode != 0:
|
||
print(f"编译错误: {compile_result.stderr}")
|
||
return None
|
||
|
||
# 运行编译后的JavaScript文件
|
||
js_file = test_file.replace('.ts', '.js').replace('./', 'dist/')
|
||
run_result = subprocess.run([
|
||
'node', js_file
|
||
], capture_output=True, text=True)
|
||
|
||
if run_result.returncode == 0:
|
||
return run_result.stdout
|
||
else:
|
||
print(f"运行错误: {run_result.stderr}")
|
||
return None
|
||
|
||
except Exception as e:
|
||
print(f"执行TypeScript转换时出错: {e}")
|
||
return None
|
||
|
||
def main():
|
||
# 测试配置
|
||
model = "glm-4.5"
|
||
base_url = "https://open.bigmodel.cn/api/paas/v4/"
|
||
api_key = "ce39bdd4fcf34ec0aec75072bc9ff988.hAp7HZTVUwy7vImn"
|
||
|
||
# 测试内容
|
||
test_content = """
|
||
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。
|
||
|
||
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。
|
||
"""
|
||
|
||
# 构建消息
|
||
messages = [
|
||
{"role": "system", "content": EXTRACT_OUNTLINE_SYSTEM_PROMPT},
|
||
{"role": "user", "content": f"请分析以下文章内容并转换为Markdown格式：\n\n{test_content}"}
|
||
]
|
||
|
||
print("=== 第一步：AI处理生成Markdown ===")
|
||
try:
|
||
markdown_result = llm_format_text(model, base_url, api_key, messages, 2000)
|
||
print("AI生成的Markdown:")
|
||
print(markdown_result)
|
||
print("\n" + "="*50 + "\n")
|
||
|
||
print("=== 第二步：Markdown转换为JSON ===")
|
||
# 创建临时测试文件
|
||
test_file = create_temp_test_file(markdown_result)
|
||
|
||
# 运行TypeScript转换
|
||
json_result = run_typescript_converter(test_file)
|
||
|
||
if json_result:
|
||
print("转换后的JSON结构:")
|
||
print(json_result)
|
||
else:
|
||
print("转换失败")
|
||
|
||
# 清理临时文件
|
||
try:
|
||
os.remove(test_file)
|
||
js_file = test_file.replace('.ts', '.js').replace('./', 'dist/')
|
||
if os.path.exists(js_file):
|
||
os.remove(js_file)
|
||
except:
|
||
pass
|
||
|
||
except Exception as e:
|
||
print(f"处理失败: {e}")
|
||
print("可能的原因:")
|
||
print("1. API密钥无效或过期")
|
||
print("2. 网络连接问题")
|
||
print("3. API服务不可用")
|
||
print("4. 模型名称不正确")
|
||
|
||
if __name__ == "__main__":
|
||
main()
|