"""策略稿润色与第九章策略机会归纳。""" from __future__ import annotations import json import os from typing import Any from ..reporting.brief_compact import compact_brief_for_llm from ..reporting.strategy_draft import ( build_strategy_draft_markdown, report_uses_chapter8_text_mining_probe, ) from .llm_client import call_llm, estimate_chat_input_tokens, llm_context_window_size STRATEGY_SYSTEM = """你是市场策略顾问，根据**结构化监测摘要**与业务侧填写的**决策字段**，把「规则底稿」写成**短、可执行**的策略 Markdown 成稿。 **输入**：`rules_draft_markdown`（规则骨架，与同任务数据一致）、`structured_brief`（摘要子集）、`strategy_decisions`、`business_notes`；可选 `report_strategy_excerpt`（与同任务宿主报告**第九章**「策略与机会」正文同源）。 **决策边界（硬性）**： - **业务已在 `strategy_decisions` 中填写的项**（角色、时间、成功标准、战场一句话、定位勾选、竞争倾向、四柱、目标客群/对标/资源备注、**营销策略**与**总体策略**等）视为**已定决策**：成稿须**落实为具体执行句**，**不得**改写成相反结论或再要求用户「请选择」。 - **禁止编造店铺结构**：不得写出「京东自营 SKU 占比」「自营超 X%」等**摘要中未给出**的定量句；店铺集中度仅可依据 `structured_brief.concentration` 与底稿，并区分列表行 / 去重 SKU 口径。 - **表单中为空或占位（如 *待填*、*骨架占位*）的项**：由你结合 `structured_brief`、`report_strategy_excerpt`（若非空）与数据摘录**补全为可执行表述**；补全须与数据方向一致，**不得**编造输入中不存在的销量、GMV、未给出的价格或占比。 - **成稿阶段禁止**：再写一轮「请业务决策」「待确认后再定」「假设：待验证」等**二次决策话术**；不确定性用一句带过即可（如「需下周用原评论抽样核对」），勿重复堆砌。 **与报告第九章对齐（当 `report_strategy_excerpt` 非空时）**：战略方向与主要判断须与该节选**一致**，不得明显矛盾；若 `business_notes` 或表单与节选冲突，正文中简短点明「与报告第九章归纳差异见业务备注」，且**不得**把节选与 `structured_brief` 均未出现的数字当作事实。 **当 `report_strategy_excerpt` 为空**：仅依据底稿与摘要润色，**不得编造**报告第九章结论。 **数据**：不得编造销量、占比、价格数字；底稿与摘要中的数字须保持一致；集中度用「第一大……份额」「前三家合计」等中文，**不要用** CR1、CR3。 **矩阵**：若 `structured_brief` 含矩阵相关字段，须**呼应**细分类目与竞品矩阵结论，不得无故删光。 **输出**：仅 Markdown 正文（不要 ``` 围栏）；须收束各小节与全文，勿中途截断。""" STRATEGY_USER_PREFIX = """请基于以下 JSON 输出最终策略稿（Markdown）。\n\n""" def generate_strategy_draft_markdown_llm( *, job_id: int, keyword: str, brief: dict[str, Any], business_notes: str, generated_at_iso: str, strategy_decisions: dict[str, Any], report_strategy_excerpt: str | None = None, report_config: dict[str, Any] | None = None, ) -> str: """ ``report_strategy_excerpt``：与同任务宿主报告第九章「策略与机会」正文对齐的节选（见 ``reporting.report_strategy_excerpt.load_report_strategy_excerpt``）；空字符串表示未生成或未重跑第九章大模型。 """ rules_md = build_strategy_draft_markdown( job_id=job_id, keyword=keyword, brief=brief, business_notes=business_notes, generated_at_iso=generated_at_iso, strategy_decisions=strategy_decisions, report_config=report_config, ) excerpt_raw = (report_strategy_excerpt or "").strip() sys_prompt = STRATEGY_SYSTEM min_comp = _min_strategy_completion_tokens() min_comp_relaxed = max(256, min_comp // 2) def _payload_and_user( *, compact_max: int, excerpt_max: int, rules_max: int | None, ) -> str: compact = compact_brief_for_llm(brief, max_chars=compact_max) if report_uses_chapter8_text_mining_probe(report_config): compact = dict(compact) for k in ( "comment_focus_keywords", "usage_scenarios", "usage_scenarios_denominator", "usage_scenarios_by_matrix_group", ): compact.pop(k, None) ex = ( _truncate_strategy_narrative(excerpt_raw, excerpt_max) if excerpt_raw else "" ) if rules_max is None: rd = rules_md else: rd = _truncate_rules_draft_md(rules_md, rules_max) payload: dict[str, Any] = { "job_id": job_id, "keyword": keyword, "generated_at_iso": generated_at_iso, "strategy_decisions": strategy_decisions, "business_notes": business_notes, "structured_brief": compact, "rules_draft_markdown": rd, "report_strategy_excerpt": ex, } if report_uses_chapter8_text_mining_probe(report_config): payload["structured_brief_omission_note"] = ( "已启用第八章文本挖掘：structured_brief 已省略关注词/场景子串计数字段，避免与报告正文口径冲突。" "请依报告 §8 与摘要其他字段，将底稿「用户与评论侧」一节写成具体执行要点（需求焦点、场景、传播），勿逐条编造子串命中列表。" ) raw = json.dumps(payload, ensure_ascii=False) if len(raw) > 500_000: payload["rules_draft_markdown"] = _truncate_rules_draft_md(rd, 200_000) raw = json.dumps(payload, ensure_ascii=False) return STRATEGY_USER_PREFIX + raw for cap_brief, cap_excerpt, cap_rules in ( (80_000, 24_000, None), (64_000, 20_000, None), (48_000, 17_000, None), (36_000, 14_000, None), (28_000, 11_000, None), (22_000, 9_000, None), (18_000, 7_000, None), (14_000, 5_000, None), (12_000, 4_000, 220_000), (10_000, 3_500, 180_000), (10_000, 3_000, 150_000), (9_000, 2_500, 120_000), (8_000, 2_000, 100_000), (8_000, 2_000, 70_000), ): user = _payload_and_user( compact_max=cap_brief, excerpt_max=cap_excerpt, rules_max=cap_rules, ) if _strategy_prompt_ok_for_call( sys_prompt, user, min_completion_tokens=min_comp ): return call_llm(sys_prompt, user) for cap_brief, cap_excerpt, cap_rules in ( (10_000, 2_000, 55_000), (8_000, 1_500, 45_000), (7_000, 1_200, 35_000), ): user = _payload_and_user( compact_max=cap_brief, excerpt_max=cap_excerpt, rules_max=cap_rules, ) if _strategy_prompt_ok_for_call( sys_prompt, user, min_completion_tokens=min_comp_relaxed ): return call_llm(sys_prompt, user) user = _payload_and_user(compact_max=6_000, excerpt_max=1_000, rules_max=28_000) return call_llm(sys_prompt, user) STRATEGY_OPPORTUNITIES_SYSTEM = """你是 B 端市场与增长顾问。输入 JSON 含 ``keyword``、``competitor_brief``（与本任务规则报告同源的结构化摘要，可能经裁剪，并含 ``matrix_overview_for_llm``），以及可选 ``prior_chapter_llm_narratives``（本报告 **第五至第八章** 已生成的大模型归纳节选，与正文**同源**）。 请输出 **Markdown 正文**（不要用 ``` 围栏包裹），将**直接嵌入**宿主文档中**已存在章节标题之下**的小节，读者已知当前处于「策略与机会」相关章节。 **与前文分析严格对齐（硬性，优先于自由发挥）**： - **定性主题**（各细类讨论焦点、正负向体验、场景与关注词归纳、配料/卖点叙事、促销形态描述等）须与 ``prior_chapter_llm_narratives`` 中已出现的表述**方向一致**，**禁止**另写一套与节选**明显矛盾**的品类判断、品牌举例或用户痛点主题。 - **定量与可核验事实**（价带分位数、店铺/品牌占比、条数、评论统计字段等）**以** ``competitor_brief`` **为准**；若节选与 brief 数字冲突，**采纳 brief**，且勿复述与数字冲突的节选句。 - 若某键未出现在 ``prior_chapter_llm_narratives`` 或内容为空，则该维度**不得**编造与可能存在的报告其他章冲突的细节；仅依据 ``competitor_brief`` 或明确写「输入中未体现」。 - **转化与体验**小节：正负向体验线索须**优先呼应** ``sec8_2_sentiment_theme_attribution`` 与 **第八章第三节 侧**节选（``sec8_3_comment_focus_summaries`` 或 ``sec8_3_text_mining_probe``，视何者存在）；**禁止**将节选未提及的具体抱怨/品类问题写成**主要结论**；可写「假设：待结合业务验证」。 **标题与措辞（硬性）**： - **禁止**在正文开头或任何位置重复宿主已有章名/小节名，包括但不限于：「第九章」「第9章」「九、」「策略与机会提示」「策略与机会建议」「策略与机会」等；**不要**自造 ``##`` 一级标题； - 小节标题**仅允许**使用业务主题式 ``####``（如下所列），从第一句起就进入实质内容。 **必须遵守**： - **数字与事实**：价格分位数、集中度份额、条数、占比等**只能**来自 ``competitor_brief`` 中已有字段；**禁止编造**未出现的品牌销量、具体 GMV、未给出的到手价； - **店铺类型占比（硬性）**：**禁止**编造「京东自营 SKU 占比」「自营款数占比超 X%」等表述，除非 ``competitor_brief`` 中 ``concentration.shops_from_list`` / ``list_shop_mix_top`` 等字段**已出现**对应店铺名与计数；若写第一大店铺份额，须与 ``shops_from_list`` 一致，并区分 **列表行** 与 **去重 SKU**（``unique_sku_basis``），**禁止**写成全渠道市占或模糊「SKU 占比」。 - **语气**：分节给出**可操作的假设性建议**（定价区间思路、应对齐的差异化观测点、应规避的风险、促销与机制设计线索、转化与详情页/评价侧改进方向），每条建议用「假设：」「待验证：」等标明不确定性； - **结构**：至少使用 ``####`` 组织以下主题（可合并子条，但须覆盖）：**定价与价带**、**差异化与应对齐的优势**、**风险与避免项**、**促销与活动机制**、**转化与体验**； - **促销与活动机制（硬性）**：该节**必须优先依据** ``competitor_brief.price_promotion_signals``（券后/标价、价差等，若存在），并与 ``prior_chapter_llm_narratives.sec6_promo_group_summaries``（若有）**不矛盾**，给出**假设性**机制建议。**禁止**编造具体满减门槛、红包面额、补贴比例；**禁止**在输入中完全未出现任何列表侧价差或促销归纳信号时，仍写一大段具体「要做满减发红包」而无「输入中未捕获此类信号」的说明。 - **转化与体验（硬性）**：须**同时**写清正向与负向；**禁止**使用「占比均超过 130 次」等**语义不通或混用次数/占比**的表述；数字表述须与 ``competitor_brief`` 一致。 - **禁止**：不要写完整报告目录；不要复述「研究范围与方法」；不要使用 CR1/CR3 缩写（用「第一大……份额」「前三家合计」）；不要输出与输入矛盾的价带描述。 篇幅约 **900～3200 字**（数据丰富可偏长）。""" STRATEGY_OPPORTUNITIES_USER_PREFIX = ( "请根据以下 JSON 撰写策略归纳正文（Markdown）。" "``competitor_brief`` 为结构化摘要；若含 ``prior_chapter_llm_narratives``，则为 第五至第八章 大模型归纳节选，须与策略正文对齐。" "宿主报告已含章节标题，**勿在输出中写第九章或「策略与机会」类标题**。\n\n" ) def _truncate_rules_draft_md(text: str, max_chars: int) -> str: """规则策略底稿过长时截断，避免 JSON 与 completion 预算挤占输出。""" s = (text or "").strip() if not s: return "" if len(s) <= max_chars: return s return ( s[: max_chars - 80].rstrip() + "\n\n…（规则底稿已截断，请勿编造截断后内容。）\n" ) def _truncate_strategy_narrative(text: str, max_chars: int) -> str: s = (text or "").strip() if not s: return "" if len(s) <= max_chars: return s return ( s[: max_chars - 80].rstrip() + "\n\n…（前文各章归纳节选已截断；请勿编造截断后内容。）\n" ) def _strategy_prompt_fits_context(system: str, user: str) -> bool: """若为 False，``chat_completion_text`` 会在发请求前因过长而抛错。""" est = estimate_chat_input_tokens(system, user) ctx = llm_context_window_size() buf = 256 return est < ctx - buf - 256 def _strategy_completion_avail_tokens(system: str, user: str) -> int: """ 与 ``AI_crawler.chat_completion_text`` 中 ``avail = context_window - input_est - buf`` 一致， 即本次调用实际可用于 **completion** 的上限（随后还会与 ``max_tokens`` 取 min）。 若该值过小，长文会在句中被截断（例如「转化与体验」末段不完整）。 """ est = estimate_chat_input_tokens(system, user) ctx = llm_context_window_size() buf = 256 return ctx - est - buf def _min_strategy_completion_tokens() -> int: raw = (os.environ.get("MA_STRATEGY_MIN_COMPLETION_TOKENS") or "2048").strip() try: return max(256, int(raw)) except ValueError: return 2048 def _strategy_prompt_ok_for_call(system: str, user: str, *, min_completion_tokens: int) -> bool: return _strategy_prompt_fits_context( system, user ) and _strategy_completion_avail_tokens(system, user) >= min_completion_tokens def generate_strategy_opportunities_llm( brief: dict[str, Any], *, keyword: str, chapter_llm_narratives: dict[str, str] | None = None, ) -> str: """ 基于 ``build_competitor_brief`` 全量摘要，生成策略与机会小节正文（不含章名，由宿主 Markdown 加标题）。 ``chapter_llm_narratives`` 为与本报告 第五至第八章 同源的大模型正文节选，键名稳定（见 runner 传入），用于与策略段严格对齐。 """ narr_in = { k: v for k, v in (chapter_llm_narratives or {}).items() if isinstance(v, str) and v.strip() } sys_prompt = STRATEGY_OPPORTUNITIES_SYSTEM def _user_from_payload(p: dict[str, Any]) -> str: return STRATEGY_OPPORTUNITIES_USER_PREFIX + json.dumps(p, ensure_ascii=False) min_comp = _min_strategy_completion_tokens() min_comp_relaxed = max(256, min_comp // 2) for cap_brief, cap_narr in ( (48_000, 2_800), (42_000, 2_200), (36_000, 1_700), (30_000, 1_300), (26_000, 950), (22_000, 700), (18_000, 500), (16_000, 400), (14_000, 320), (12_000, 260), (10_000, 200), ): compact = compact_brief_for_llm(brief, max_chars=cap_brief) narratives = { k: _truncate_strategy_narrative(v, cap_narr) for k, v in narr_in.items() } payload: dict[str, Any] = { "keyword": keyword, "competitor_brief": compact, } if narratives: payload["prior_chapter_llm_narratives"] = narratives user = _user_from_payload(payload) if _strategy_prompt_ok_for_call(sys_prompt, user, min_completion_tokens=min_comp): return call_llm(sys_prompt, user) for cap_brief in (40_000, 32_000, 26_000, 20_000, 16_000, 14_000, 12_000, 10_000): compact = compact_brief_for_llm(brief, max_chars=cap_brief) payload = {"keyword": keyword, "competitor_brief": compact} user = _user_from_payload(payload) if _strategy_prompt_ok_for_call(sys_prompt, user, min_completion_tokens=min_comp): return call_llm(sys_prompt, user) for cap_brief in (14_000, 12_000, 10_000, 8_000): compact = compact_brief_for_llm(brief, max_chars=cap_brief) payload = {"keyword": keyword, "competitor_brief": compact} user = _user_from_payload(payload) if _strategy_prompt_ok_for_call(sys_prompt, user, min_completion_tokens=min_comp_relaxed): return call_llm(sys_prompt, user) compact = compact_brief_for_llm(brief, max_chars=8_000) payload = {"keyword": keyword, "competitor_brief": compact} user = _user_from_payload(payload) return call_llm(sys_prompt, user)