mirror of
https://github.com/primedigitaltech/market-assistant.git
synced 2026-07-22 08:01:34 +08:00
3d6193af06
- Add first_share/top_three_combined_share plus cr1/cr3 readers - Brief/schema/footnotes and LLM prompts avoid dev jargon where possible - Frontend JD analysis/dataset hints in business-friendly wording Made-with: Cursor
659 lines
33 KiB
Python
659 lines
33 KiB
Python
"""
|
||
竞品报告 / 策略稿的**大模型生成**：通过 ``crawler_copy/jd_pc_search/AI_crawler`` 的
|
||
``chat_completion_text`` 调用，与配料识别共用网关与密钥。
|
||
"""
|
||
from __future__ import annotations
|
||
|
||
import json
|
||
import os
|
||
import re
|
||
import sys
|
||
from pathlib import Path
|
||
from typing import Any
|
||
|
||
from django.conf import settings
|
||
|
||
from .brief_compact import compact_brief_for_llm
|
||
from .strategy_draft import build_strategy_draft_markdown
|
||
|
||
|
||
def _ensure_ai_crawler_path() -> None:
|
||
root = Path(settings.CRAWLER_JD_ROOT).resolve()
|
||
if not root.is_dir():
|
||
raise FileNotFoundError(f"爬虫副本目录不存在: {root}")
|
||
rs = str(root)
|
||
if rs not in sys.path:
|
||
sys.path.insert(0, rs)
|
||
|
||
|
||
def _call_llm(system_prompt: str, user_prompt: str) -> str:
|
||
_ensure_ai_crawler_path()
|
||
import AI_crawler as ac # noqa: WPS433
|
||
|
||
raw = ac.chat_completion_text(
|
||
system_prompt=system_prompt,
|
||
user_prompt=user_prompt,
|
||
)
|
||
return ac.strip_outer_markdown_fence(raw)
|
||
|
||
|
||
REPORT_SYSTEM = """你是业务与产品读者顾问。输入 JSON 含 `keyword`、`competitor_brief`（可能经裁剪）、
|
||
`matrix_overview_for_llm`（按细分类目的 SKU 数与品牌样本）。
|
||
|
||
你的输出将**嵌入在规则报告第八章末**（作为「### 8.5 …」的正文，系统已加小节标题与说明），**紧接在**
|
||
消费者反馈 §8.1～8.3 **之后**、第九章策略**之前**。因此写的是**具体分析型补充**，不是篇首速读块。
|
||
|
||
所有数字、占比、条数、品牌名、价格区间等**必须严格来自输入 JSON**，禁止编造未在输入中出现的定量结论。
|
||
|
||
**硬性禁止**：
|
||
- **不要**使用「## 一」「## 八」等会打乱宿主文档的顶级章节号；请使用 ``####`` 或必要时 ``###`` 作为本段内小节标题；
|
||
- **不要**输出完整报告目录或复述「研究范围与方法」长章；
|
||
- **不要**撰写 Markdown 表格版「竞品对比矩阵」或罗列 SKU 明细——**正文已含矩阵**，此处只做分组级语义归纳；
|
||
- **不要使用** CR1、CR3 等集中度缩写作主表述；集中度请用「第一大店铺/品牌份额」「前三家合计份额」；输入中的英文字段名勿照抄进正文，请写成中文业务用语。
|
||
|
||
**请输出**（仅输出将置于 §8.5 下的正文，不要自造「### 8.5」标题行）：
|
||
- **Markdown**，约 **800～1500 字**；
|
||
- 建议用 ``####`` 组织：**执行摘要级要点**、**竞争与价盘**、**用户声量与负向事由**（须归纳用户在抱怨什么类型的问题，而非只堆关键词）、**与第九章衔接的策略边界**；
|
||
- 若有 `comment_sentiment_lexicon`，概括正/负向粗判局限；**负向**写清事由类型（口感、价格、物流等）；
|
||
- **归因与引语（硬性）**：`consumer_feedback_by_matrix_group` 与 `comment_sentiment_lexicon` 等均为**跨 SKU/跨店铺的关键词子串或条数统计**，**不能**单独据此推断「某一店铺某一单品」的结论。
|
||
- **具体体验句式（含口感、包装等）**须以正文 **§8.2** 中带 ``【细类｜SKU｜品名｜店铺】`` 前缀的抽样为准；本段**不要**新增无前缀、无店铺/品名/SKU 指向的「」引语。
|
||
- 若写口感、包装、物流、价格等**聚合**维度，须点明口径（如「在已合并的评价文本中，『物流』『价格』类关键词命中较多，为全样本子串计数」）；可结合 `matrix_overview_for_llm` 谈细类结构；**可一句**引导读者「见 §8.2 按店铺/品名的负向举例」。
|
||
- 若 §8.2 已归纳带店铺与 SKU 的负向主题，本段**只做执行摘要级收束**，勿重复编造新引文。
|
||
- 语气专业、中文；缺失项写「本段未提供该项」而非猜测。"""
|
||
|
||
REPORT_USER_PREFIX = """请根据以下 JSON 撰写上文所述 §8.5 嵌入段落（Markdown 正文，勿加 ### 8.5 标题）。\n\n"""
|
||
|
||
|
||
def _estimated_chat_input_tokens(system_prompt: str, user_prompt: str) -> int:
|
||
"""与 ``AI_crawler._estimate_chat_input_tokens`` 一致，用于在调用前预判上下文。"""
|
||
total_chars = len(system_prompt or "") + len(user_prompt or "")
|
||
return int(total_chars * 0.55) + 512
|
||
|
||
|
||
def _llm_context_window_size() -> int:
|
||
raw = (
|
||
os.environ.get("LLM_CONTEXT_WINDOW")
|
||
or os.environ.get("OPENAI_CONTEXT_WINDOW")
|
||
or "32768"
|
||
).strip()
|
||
try:
|
||
return max(4096, int(raw))
|
||
except ValueError:
|
||
return 32768
|
||
|
||
|
||
def generate_competitor_report_markdown_llm(brief: dict[str, Any], keyword: str) -> str:
|
||
# 与 AI_crawler.chat_completion_text 一致：input_est 须 < ctx - buf - 256，否则拒调
|
||
ctx = _llm_context_window_size()
|
||
buf = 256
|
||
input_budget = ctx - buf - 256
|
||
|
||
caps = (88_000, 64_000, 48_000, 34_000, 24_000, 16_000, 11_000, 7_500)
|
||
user = ""
|
||
for max_chars in caps:
|
||
compact = compact_brief_for_llm(brief, max_chars=max_chars)
|
||
payload = {
|
||
"keyword": keyword,
|
||
"competitor_brief": compact,
|
||
"matrix_overview_for_llm": compact.get("matrix_overview_for_llm") or [],
|
||
}
|
||
raw = json.dumps(payload, ensure_ascii=False)
|
||
user = REPORT_USER_PREFIX + raw
|
||
if _estimated_chat_input_tokens(REPORT_SYSTEM, user) < input_budget:
|
||
return _call_llm(REPORT_SYSTEM, user)
|
||
|
||
# 仍过大：截断 user JSON（保留 matrix_overview 在 compact 内已尽量精简）
|
||
tail = "\n\n…（JSON 已截断以适配上下文；仅依据可见字段撰写，勿编造截断外数字。）\n"
|
||
room = max(0, int((input_budget - 800) / 0.55) - len(REPORT_SYSTEM) - len(REPORT_USER_PREFIX) - len(tail))
|
||
if room < 2000:
|
||
room = 2000
|
||
user = (REPORT_USER_PREFIX + raw[:room] + tail) if raw else (REPORT_USER_PREFIX + "{}" + tail)
|
||
return _call_llm(REPORT_SYSTEM, user)
|
||
|
||
|
||
SENTIMENT_LLM_SYSTEM = """你是电商/食品类用户研究助手。输入 JSON 含：
|
||
- ``comment_sentiment_lexicon``：关键词规则下的条数与短语命中（粗判，非深度学习）；
|
||
- ``positive_lexeme_hits_top`` / ``negative_lexeme_hits_top``：短语级命中摘要（与条形图同源）；
|
||
- ``sample_reviews_*``：按同一规则从评价中抽样的短文（已截断），**仅可依据这些原文与 lexicon 数字归纳**。
|
||
每条样本通常以 ``【细类：…｜SKU：…｜品名：…｜店铺：…】`` 开头，表示该句评价对应的 **§5 矩阵细类**、**具体 SKU/商品标题**与**店铺**；写归纳与引用「」短引文时**须让读者能回答「哪家店、哪条 SKU、哪款品名」**——或保留该前缀，或在同一句内用「店铺名 + 品名/SKU」复述一致信息，**禁止**把多条样本混成「用户普遍」却不交代是哪一店哪一品。
|
||
|
||
**硬性要求**：
|
||
- **仅输出 Markdown 正文**（不要用 ``` 围栏包裹全文）；
|
||
- **不要编造**样本中未出现的具体事实、品牌、价格、医学功效；
|
||
- 条数、占比等**定量表述须与** ``comment_sentiment_lexicon`` **一致**，勿与样本矛盾；
|
||
- 若某具体措辞（如「口感偏硬」）**未**出现在任一 ``sample_reviews_*`` 字符串（含前缀后的正文）中，**禁止**用引号写出该句或暗示为直接引语；仅可写「口感相关抱怨在样本/词表中较集中」等聚合表述。
|
||
- **不要**只复述「某词出现 N 次」——词频条形图已在报告正文；你的价值是**语义层归纳**：用户在说什么、不满/满意的具体事由是什么。
|
||
|
||
**建议结构**（使用四级标题 ``####``）：
|
||
1. ``#### 正向体验主题``：3～6 条；每条用一句话概括一类满意点（如口感、甜度、饱腹、性价比、物流），**尽量**在句末用简短「」引用样本中的原话片段佐证（无合适原话则省略引号，勿杜撰）。
|
||
2. ``#### 负向评价主题归因``：**核心段落**。在「偏负向」与「混合」样本中归纳 **4～8 个具体问题维度**（示例维度，按需选用：口味/难吃/怪味、过甜或寡淡、质地口感、价格与促销、包装破损、物流时效、真伪与效期、与宣传不符、健康/功效疑虑等）。每个维度下用 1～2 条列表项写清「用户具体在抱怨什么」，并**尽量**附上来自 ``sample_reviews_negative_biased`` 或 ``sample_reviews_mixed_tone`` 的「」短引文（引文内**须含** ``【细类…｜…店铺…】`` 前缀，或明确写出与前缀一致的**店铺 + 品名/SKU**）；若某维度在样本中几乎无依据则不要硬写。
|
||
3. ``#### 混合评价中的典型张力``（可选）：若 ``sample_reviews_mixed_tone`` 非空，用 2～4 条说明同一条评价里正负并存时在讨论什么（如「认可低糖但嫌口感」）；否则写一句「本批混合样本较少，从略」。
|
||
4. ``#### 使用注意``：1～3 句说明：关键词分桶的局限、抽样与截断、与医学/功效结论无关等。
|
||
|
||
总字数约 **700～1600 字**，简体中文，语气客观。"""
|
||
|
||
|
||
def generate_comment_sentiment_analysis_llm(payload: dict[str, Any]) -> str:
|
||
"""基于规则分桶抽样评价 + lexicon 统计，生成 §8.2 大模型解读段落（Markdown）。"""
|
||
p = dict(payload)
|
||
raw = json.dumps(p, ensure_ascii=False)
|
||
if len(raw) > 88_000:
|
||
# 超长时优先压缩正向与混合，保留更多负向样本以利主题归因
|
||
for k, cap, maxlen in (
|
||
("sample_reviews_positive_biased", 8, 200),
|
||
("sample_reviews_mixed_tone", 6, 200),
|
||
("sample_reviews_negative_biased", 18, 220),
|
||
):
|
||
lst = p.get(k)
|
||
if isinstance(lst, list):
|
||
p[k] = [str(x)[:maxlen] for x in lst[:cap]]
|
||
raw = json.dumps(p, ensure_ascii=False)
|
||
if len(raw) > 88_000:
|
||
raw = raw[:82_000] + "\n\n…（输入过长已截断，请勿编造截断外内容）\n"
|
||
user = "请根据以下 JSON 按系统说明输出 Markdown：\n\n" + raw
|
||
return _call_llm(SENTIMENT_LLM_SYSTEM, user)
|
||
|
||
|
||
def split_competitor_report_for_bridges(
|
||
md: str, *, max_excerpt: int = 1200
|
||
) -> dict[str, dict[str, str]]:
|
||
"""
|
||
按「## 一、」…「## 九、」切分规则报告；**只返回正文中实际出现的章**（略去未输出的章）。
|
||
每键含完整标题行与正文摘录（过长截断）。
|
||
"""
|
||
pat = re.compile(r"^## ([一二三四五六七八九])、([^\n]*)$", re.MULTILINE)
|
||
matches = list(pat.finditer(md))
|
||
out: dict[str, dict[str, str]] = {}
|
||
for i, m in enumerate(matches):
|
||
key = m.group(1)
|
||
rest = m.group(2)
|
||
title = f"## {key}、{rest}"
|
||
start = m.end()
|
||
end = matches[i + 1].start() if i + 1 < len(matches) else len(md)
|
||
body = md[start:end].strip()
|
||
exc = body[:max_excerpt]
|
||
if len(body) > max_excerpt:
|
||
exc += "\n\n…（本节摘录已截断）\n"
|
||
out[key] = {"title": title, "excerpt": exc}
|
||
return out
|
||
|
||
|
||
def _parse_llm_json_object(text: str) -> dict[str, Any]:
|
||
raw = (text or "").strip()
|
||
if not raw:
|
||
return {}
|
||
if raw.startswith("```"):
|
||
raw = re.sub(r"^```(?:json)?\s*", "", raw, flags=re.IGNORECASE)
|
||
raw = re.sub(r"\s*```\s*$", "", raw)
|
||
try:
|
||
obj = json.loads(raw)
|
||
return obj if isinstance(obj, dict) else {}
|
||
except json.JSONDecodeError:
|
||
pass
|
||
m = re.search(r"\{[\s\S]*\}", raw)
|
||
if m:
|
||
try:
|
||
obj = json.loads(m.group(0))
|
||
return obj if isinstance(obj, dict) else {}
|
||
except json.JSONDecodeError:
|
||
pass
|
||
return {}
|
||
|
||
|
||
def _normalize_section_bridge_map(d: dict[str, Any]) -> dict[str, str]:
|
||
allowed = frozenset("一二三四五六七八九")
|
||
out: dict[str, str] = {}
|
||
for k, v in d.items():
|
||
if not isinstance(k, str) or len(k) != 1 or k not in allowed:
|
||
continue
|
||
if isinstance(v, str) and v.strip():
|
||
out[k] = v.strip()
|
||
return out
|
||
|
||
|
||
BRIDGE_SECTIONS_SYSTEM = """你是竞品监测报告的**章节衔接**撰稿助手。
|
||
|
||
**输入 JSON** 含：
|
||
- ``keyword``：监测词；
|
||
- ``competitor_brief``：与本报告一致的**结构化摘要**（已裁剪体积）；
|
||
- ``sections``：键为汉字「一」～「九」，每项含 ``title``（该章完整二级标题行）与 ``excerpt``（该章正文开头摘录，可能已截断）。
|
||
|
||
**任务**：为 **sections 中出现的每一键** 各写一段 **衔接性分析**（帮读者从摘要与摘录过渡到读该章表格/图），并与 ``competitor_brief`` 中的数字与结论一致。
|
||
|
||
**硬性要求**：
|
||
- **仅输出一个 UTF-8 JSON 对象**（不要用 markdown 代码围栏包裹整段输出）；
|
||
- 键必须为「一」「二」…「九」之一，且 **只对输入 sections 里存在的键** 给出字符串值；可省略无材料的键；
|
||
- 每个值为 **Markdown 片段**（约 3～10 句中文），**禁止**使用 ``## `` 开头的行（不要写新的二级章标题）；可使用 ``###`` / ``####`` 或加粗小标题；
|
||
- 所有**定量表述**须能在 ``competitor_brief`` 或对应 ``excerpt`` 中找到依据，**禁止编造** SKU 数、份额、价格；
|
||
- 不要复述整章表格；不要写「详见下文矩阵」以外的空洞套话；可点出该章阅读重点（如价盘带、矩阵细类、评价规则局限等）。"""
|
||
|
||
|
||
def generate_section_bridges_llm(
|
||
*,
|
||
keyword: str,
|
||
brief: dict[str, Any],
|
||
sections: dict[str, dict[str, str]],
|
||
) -> dict[str, str]:
|
||
"""一次 LLM 调用，返回各章衔接 Markdown 片段（键：一～九）。"""
|
||
if not sections:
|
||
return {}
|
||
compact = compact_brief_for_llm(brief, max_chars=100_000)
|
||
sec: dict[str, dict[str, str]] = {
|
||
k: {"title": v.get("title", ""), "excerpt": v.get("excerpt", "")}
|
||
for k, v in sections.items()
|
||
if isinstance(v, dict)
|
||
}
|
||
for max_exc in (1200, 900, 600, 400, 280):
|
||
for v in sec.values():
|
||
ex = v.get("excerpt") or ""
|
||
if len(ex) > max_exc:
|
||
v["excerpt"] = ex[:max_exc] + "\n…\n"
|
||
payload = {
|
||
"keyword": keyword,
|
||
"competitor_brief": compact,
|
||
"sections": sec,
|
||
}
|
||
raw = json.dumps(payload, ensure_ascii=False)
|
||
if len(raw) <= 92_000:
|
||
break
|
||
user = "请严格按系统说明，**只输出一个 JSON 对象**（键为一～九，值为 Markdown 字符串）：\n\n" + raw
|
||
text = _call_llm(BRIDGE_SECTIONS_SYSTEM, user)
|
||
return _normalize_section_bridge_map(_parse_llm_json_object(text))
|
||
|
||
|
||
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」润色为可读的策略 Markdown。
|
||
|
||
**规则**：
|
||
- 输入 JSON 含 `rules_draft_markdown`（规则引擎生成的底稿，与同任务数据一致）、`structured_brief`（摘要子集）、`strategy_decisions`、`business_notes` 等；
|
||
- **不得编造**输入中不存在的销量、占比、价格数字；若底稿与摘要中有数字，须保持一致；表述集中度时用「第一大……份额」「前三家合计」等中文，**不要用** CR1、CR3 等缩写；
|
||
- 若 `structured_brief` 含 `matrix_overview_for_llm` 或矩阵相关字段，策略中应**呼应**细分类目分组与竞品矩阵结论，不得无故删光矩阵相关建议；
|
||
- 可调整段落衔接、标题层级、列表与表格呈现，使更易读；可补充「建议」「待业务确认」类表述，但不虚构竞品名称或数据；
|
||
- **仅输出** Markdown 正文（不要 ``` 围栏包裹全文）。"""
|
||
|
||
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],
|
||
) -> str:
|
||
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,
|
||
)
|
||
compact = compact_brief_for_llm(brief, max_chars=80_000)
|
||
payload = {
|
||
"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": rules_md,
|
||
}
|
||
raw = json.dumps(payload, ensure_ascii=False)
|
||
if len(raw) > 500_000:
|
||
payload["rules_draft_markdown"] = rules_md[:200_000] + "\n\n…（底稿过长已截断，请勿编造截断后内容）\n"
|
||
raw = json.dumps(payload, ensure_ascii=False)
|
||
user = STRATEGY_USER_PREFIX + raw
|
||
return _call_llm(STRATEGY_SYSTEM, user)
|
||
|
||
|
||
MATRIX_GROUPS_SYSTEM = """你是竞品分析顾问。输入为 JSON：``keyword`` 与 ``groups`` 数组。
|
||
每个 group 含 ``group``（细分类目名）、``sku_count``、``price_stats``（该细类深入合并行可解析展示价的 min/max/median/mean/n，与 **§6「按细类价盘」** 分位数表同源；无则 n=0 或缺字段）、
|
||
``lines``（该细类下若干 SKU 的标题/卖点/配料**摘录**，均来自页面抓取拼接，可能截断）。
|
||
|
||
请**为每个细类**输出一小段 Markdown（全部 groups 都要写，顺序与输入一致）：
|
||
- 以 ``#### `` + 与该 group 字段**完全一致**的细类名作为小节标题（不要使用 ``##`` 一级标题）；
|
||
- 每段约 **100～200 字**中文：**主体**归纳该细类下**卖点表述共性**、**配料类型/宣称共性**（摘录中无配料则写「配料摘录较少」）；**品牌格局**可一句概括（仅依据摘录中可见品牌/系列，勿编造销量排名）；
|
||
- **价带/价位**：若 ``price_stats.n`` 为大于 0 的整数，**仅允许**用该对象里的数值写价带（如 min～max、中位数），且须与 ``price_stats`` **完全一致**，**禁止**写「价格带未明确」「未体现具体价位」「多为中端」等**与上述数值相矛盾**的表述；若 n=0 或无可信数值，**不要猜测价位**，可写一句「深入样本可解析数值价不足，价盘以 **§6** 表格为准」；
|
||
- **禁止**输出 Markdown 表格、禁止逐条复述 SKU 明细表；勿编造功效、认证；
|
||
- 若 ``lines`` 很少，明确写「样本较少，归纳供启发」。
|
||
|
||
总输出约 **800～3500 字**（细类多则偏长）。仅输出正文 Markdown，不要用代码围栏包裹全文。"""
|
||
|
||
|
||
MATRIX_GROUPS_USER_PREFIX = (
|
||
"请根据以下 JSON 撰写竞品报告第五章末「细类要点归纳」正文（Markdown）。\n\n"
|
||
)
|
||
|
||
|
||
def generate_matrix_group_summaries_llm(
|
||
groups: list[dict[str, Any]], *, keyword: str
|
||
) -> str:
|
||
trimmed: list[dict[str, Any]] = []
|
||
for g in groups:
|
||
if not isinstance(g, dict):
|
||
continue
|
||
g2 = dict(g)
|
||
ln = g2.get("lines")
|
||
if isinstance(ln, list) and len(ln) > 22:
|
||
g2["lines"] = ln[:22]
|
||
trimmed.append(g2)
|
||
payload = {"keyword": keyword, "groups": trimmed}
|
||
raw = json.dumps(payload, ensure_ascii=False)
|
||
if len(raw) > 95_000:
|
||
for g2 in trimmed:
|
||
ln = g2.get("lines")
|
||
if isinstance(ln, list) and len(ln) > 12:
|
||
g2["lines"] = ln[:12]
|
||
raw = json.dumps({"keyword": keyword, "groups": trimmed}, ensure_ascii=False)
|
||
user = MATRIX_GROUPS_USER_PREFIX + raw
|
||
return _call_llm(MATRIX_GROUPS_SYSTEM, user)
|
||
|
||
|
||
COMMENT_GROUPS_SYSTEM = """你是用户研究与品类顾问。输入为 JSON：``keyword`` 与 ``groups``。
|
||
每个 group 含 ``group``（与 §5 矩阵一致的细分类目名）、``comment_flat_rows``、``effective_text_lines``、
|
||
``focus_hit_lines``（关注词子串命中摘要，与 §8.3 同源）、``sample_text_snippets``（评价短摘录，已截断）。
|
||
摘录行通常以 ``【细类：…｜SKU：…｜品名：…｜店铺：…】`` 开头：细类可与本 group 名对照，**品名/SKU/店铺**表示该句具体出自哪条链接；归纳时若引用原话，**须交代是「哪家店、哪条 SKU、哪款品名」上的反馈**，勿只写「有用户说口感差」而不指代产品。
|
||
|
||
请**为每个细类**输出一小段 Markdown（全部 groups 都要写，顺序与输入一致）：
|
||
- 以 ``#### `` + 与该 group 字段**完全一致**的细类名作为小节标题（不要使用 ``##`` 一级标题）；
|
||
- 每段约 **100～220 字**中文：归纳该细类下**消费者在讨论什么**（口感、价格、物流、功效疑虑等）、**关注词命中反映的诉求**；勿编造摘录中未出现的品牌、医学结论；
|
||
- **禁止**输出 Markdown 表格、禁止逐条复述全部评价；
|
||
- 若 ``effective_text_lines`` 很少，明确写「样本较少，归纳供启发」。
|
||
|
||
总输出约 **600～3200 字**。仅输出正文 Markdown，不要用代码围栏包裹全文。"""
|
||
|
||
|
||
COMMENT_GROUPS_USER_PREFIX = (
|
||
"请根据以下 JSON 撰写竞品报告第八章末「细类评论与关注词要点归纳」正文（Markdown）。\n\n"
|
||
)
|
||
|
||
|
||
def generate_comment_group_summaries_llm(
|
||
groups: list[dict[str, Any]], *, keyword: str
|
||
) -> str:
|
||
"""
|
||
细类多、评价正文长时 JSON 易超上下文：按档位逐步缩短 ``effective_text_lines`` /
|
||
``sample_text_snippets`` 直至估算 tokens 低于窗口（与 ``AI_crawler.chat_completion_text`` 预检一致）。
|
||
"""
|
||
|
||
def _compact_one(
|
||
g: dict[str, Any],
|
||
*,
|
||
eff_n: int,
|
||
eff_max: int,
|
||
sn_n: int,
|
||
sn_max: int,
|
||
fh_n: int,
|
||
) -> dict[str, Any]:
|
||
g2: dict[str, Any] = {
|
||
"group": g.get("group"),
|
||
"comment_flat_rows": g.get("comment_flat_rows"),
|
||
}
|
||
el = g.get("effective_text_lines")
|
||
if isinstance(el, list):
|
||
g2["effective_text_lines"] = [str(x)[:eff_max] for x in el[:eff_n]]
|
||
else:
|
||
g2["effective_text_lines"] = []
|
||
sn = g.get("sample_text_snippets")
|
||
if isinstance(sn, list):
|
||
g2["sample_text_snippets"] = [str(x)[:sn_max] for x in sn[:sn_n]]
|
||
else:
|
||
g2["sample_text_snippets"] = []
|
||
fh = g.get("focus_hit_lines")
|
||
if isinstance(fh, list):
|
||
g2["focus_hit_lines"] = [str(x) for x in fh[:fh_n]]
|
||
else:
|
||
g2["focus_hit_lines"] = []
|
||
return g2
|
||
|
||
ctx = _llm_context_window_size()
|
||
budget = ctx - 512 - 256
|
||
# 预留 ``max_tokens=8192`` 的完成空间；网关计输入 tokens 常高于本地粗估
|
||
def _input_ok(system: str, user_p: str) -> bool:
|
||
est = _estimated_chat_input_tokens(system, user_p)
|
||
return est < 15_500
|
||
|
||
levels: list[tuple[int, int, int, int, int]] = [
|
||
(14, 260, 10, 200, 10),
|
||
(12, 220, 8, 180, 8),
|
||
(10, 180, 8, 160, 6),
|
||
(8, 150, 6, 140, 6),
|
||
(6, 120, 5, 120, 5),
|
||
(5, 100, 4, 100, 4),
|
||
(4, 80, 3, 80, 3),
|
||
(3, 70, 3, 70, 3),
|
||
(3, 50, 2, 60, 2),
|
||
]
|
||
user = ""
|
||
chosen = levels[-1]
|
||
for level in levels:
|
||
chosen = level
|
||
eff_n, eff_max, sn_n, sn_max, fh_n = level
|
||
trimmed = [
|
||
_compact_one(g, eff_n=eff_n, eff_max=eff_max, sn_n=sn_n, sn_max=sn_max, fh_n=fh_n)
|
||
for g in groups
|
||
if isinstance(g, dict)
|
||
]
|
||
raw = json.dumps({"keyword": keyword, "groups": trimmed}, ensure_ascii=False)
|
||
if len(raw) > 48_000:
|
||
raw = raw[:44_000] + "\n…\n"
|
||
user = COMMENT_GROUPS_USER_PREFIX + raw
|
||
if _input_ok(COMMENT_GROUPS_SYSTEM, user):
|
||
break
|
||
else:
|
||
tail = "\n\n…（JSON 已截断以适配上下文；仅依据可见字段撰写。）\n"
|
||
eff_n, eff_max, sn_n, sn_max, fh_n = chosen
|
||
trimmed = [
|
||
_compact_one(g, eff_n=eff_n, eff_max=eff_max, sn_n=sn_n, sn_max=sn_max, fh_n=fh_n)
|
||
for g in groups
|
||
if isinstance(g, dict)
|
||
]
|
||
raw = json.dumps({"keyword": keyword, "groups": trimmed}, ensure_ascii=False)
|
||
room = max(
|
||
2000,
|
||
int((budget - 800) / 0.55)
|
||
- len(COMMENT_GROUPS_SYSTEM)
|
||
- len(COMMENT_GROUPS_USER_PREFIX)
|
||
- len(tail),
|
||
)
|
||
user = COMMENT_GROUPS_USER_PREFIX + raw[: max(1500, room)] + tail
|
||
return _call_llm(COMMENT_GROUPS_SYSTEM, user)
|
||
|
||
|
||
SCENARIO_GROUPS_SYSTEM = """你是用户研究与品类顾问。输入为 JSON：``keyword``、``scenario_lexicon``、``groups``。
|
||
``scenario_lexicon`` 列出各场景标签及示例触发子串（与报告 **§8.3** 右栏统计规则一致）。
|
||
``groups`` 每项含 ``group``（与 §5 矩阵一致的细分类目名）、``effective_text_count``（有效评价文本条数）、
|
||
``scenario_distribution``（各预设场景的 ``mention_rows`` 与 ``share_of_effective_texts``；**一条评价可计入多场景**；与 §8.3 图右栏同源）、
|
||
``sample_text_snippets``（摘录行常含细类、SKU、品名、店铺等前缀的短引文，已截断）。
|
||
统计为**子串命中**，不是语义主题模型。
|
||
|
||
请**为每个细类**输出一小段 Markdown（全部 groups 都要写，顺序与输入一致）：
|
||
- 以 ``#### `` + 与该条 ``group`` 字段**完全一致**的细类名作为小节标题；
|
||
- 每段约 **100～220 字**：归纳该细类用户**自述的使用场景/用途**结构（哪些场景标签相对突出、多场景叠加是否常见），可点到与其他细类的差异；**所有条数与占比须与 ``scenario_distribution``、``effective_text_count`` 一致**，禁止编造；
|
||
- 引用原话时须保留或复述摘录中的店铺/SKU/品名信息，勿虚构；
|
||
- **禁止** Markdown 表格、禁止复述全部摘录；若 ``effective_text_count`` 很小，写明「样本较少，归纳供启发」。
|
||
|
||
总输出约 **600～3200 字**。仅输出正文 Markdown，不要用代码围栏包裹全文。"""
|
||
|
||
|
||
SCENARIO_GROUPS_USER_PREFIX = (
|
||
"请根据以下 JSON 撰写竞品报告 §8.3（右栏：使用场景）之后的「使用场景要点归纳」正文（Markdown）。\n\n"
|
||
)
|
||
|
||
|
||
def generate_scenario_group_summaries_llm(
|
||
payload: dict[str, Any], *, keyword: str
|
||
) -> str:
|
||
"""与 ``generate_comment_group_summaries_llm`` 类似：细类多时长 JSON 按档压缩。"""
|
||
|
||
def _compact_group(
|
||
g: dict[str, Any],
|
||
*,
|
||
dist_n: int,
|
||
sn_n: int,
|
||
sn_max: int,
|
||
) -> dict[str, Any]:
|
||
g2: dict[str, Any] = {
|
||
"group": g.get("group"),
|
||
"effective_text_count": g.get("effective_text_count"),
|
||
}
|
||
dist = g.get("scenario_distribution")
|
||
if isinstance(dist, list):
|
||
g2["scenario_distribution"] = []
|
||
for x in dist[:dist_n]:
|
||
if not isinstance(x, dict):
|
||
continue
|
||
g2["scenario_distribution"].append(
|
||
{
|
||
"scenario": x.get("scenario"),
|
||
"mention_rows": x.get("mention_rows"),
|
||
"share_of_effective_texts": x.get(
|
||
"share_of_effective_texts"
|
||
),
|
||
}
|
||
)
|
||
else:
|
||
g2["scenario_distribution"] = []
|
||
sn = g.get("sample_text_snippets")
|
||
if isinstance(sn, list):
|
||
g2["sample_text_snippets"] = [
|
||
str(x)[:sn_max] for x in sn[:sn_n]
|
||
]
|
||
else:
|
||
g2["sample_text_snippets"] = []
|
||
return g2
|
||
|
||
def _compact_lex(raw: Any, *, max_items: int, trig_n: int) -> list[dict[str, Any]]:
|
||
if not isinstance(raw, list):
|
||
return []
|
||
out: list[dict[str, Any]] = []
|
||
for item in raw[:max_items]:
|
||
if not isinstance(item, dict):
|
||
continue
|
||
tr = item.get("trigger_examples")
|
||
te = (
|
||
[str(x)[:48] for x in tr[:trig_n]]
|
||
if isinstance(tr, list)
|
||
else []
|
||
)
|
||
out.append({"label": item.get("label"), "trigger_examples": te})
|
||
return out
|
||
|
||
groups_in = [g for g in (payload.get("groups") or []) if isinstance(g, dict)]
|
||
ctx = _llm_context_window_size()
|
||
budget = ctx - 512 - 256
|
||
|
||
def _input_ok(system: str, user_p: str) -> bool:
|
||
est = _estimated_chat_input_tokens(system, user_p)
|
||
return est < 15_500
|
||
|
||
levels: list[tuple[int, int, int, int, int]] = [
|
||
(16, 14, 260, 10, 12),
|
||
(14, 12, 220, 8, 10),
|
||
(12, 10, 180, 8, 8),
|
||
(10, 8, 150, 6, 6),
|
||
(8, 6, 120, 5, 5),
|
||
(6, 5, 100, 4, 4),
|
||
(5, 4, 80, 3, 3),
|
||
]
|
||
user = ""
|
||
chosen = levels[-1]
|
||
for level in levels:
|
||
chosen = level
|
||
dist_n, sn_n, sn_max, lex_n, trig_n = level
|
||
trimmed_g = [
|
||
_compact_group(g, dist_n=dist_n, sn_n=sn_n, sn_max=sn_max)
|
||
for g in groups_in
|
||
]
|
||
lex_c = _compact_lex(
|
||
payload.get("scenario_lexicon"),
|
||
max_items=lex_n,
|
||
trig_n=trig_n,
|
||
)
|
||
body = {
|
||
"keyword": keyword,
|
||
"scenario_lexicon": lex_c,
|
||
"groups": trimmed_g,
|
||
}
|
||
raw = json.dumps(body, ensure_ascii=False)
|
||
if len(raw) > 48_000:
|
||
raw = raw[:44_000] + "\n…\n"
|
||
user = SCENARIO_GROUPS_USER_PREFIX + raw
|
||
if _input_ok(SCENARIO_GROUPS_SYSTEM, user):
|
||
break
|
||
else:
|
||
tail = "\n\n…（JSON 已截断以适配上下文；仅依据可见字段撰写。）\n"
|
||
dist_n, sn_n, sn_max, lex_n, trig_n = chosen
|
||
trimmed_g = [
|
||
_compact_group(g, dist_n=dist_n, sn_n=sn_n, sn_max=sn_max)
|
||
for g in groups_in
|
||
]
|
||
lex_c = _compact_lex(
|
||
payload.get("scenario_lexicon"),
|
||
max_items=lex_n,
|
||
trig_n=trig_n,
|
||
)
|
||
raw = json.dumps(
|
||
{
|
||
"keyword": keyword,
|
||
"scenario_lexicon": lex_c,
|
||
"groups": trimmed_g,
|
||
},
|
||
ensure_ascii=False,
|
||
)
|
||
room = max(
|
||
2000,
|
||
int((budget - 800) / 0.55)
|
||
- len(SCENARIO_GROUPS_SYSTEM)
|
||
- len(SCENARIO_GROUPS_USER_PREFIX)
|
||
- len(tail),
|
||
)
|
||
user = SCENARIO_GROUPS_USER_PREFIX + raw[: max(1500, room)] + tail
|
||
return _call_llm(SCENARIO_GROUPS_SYSTEM, user)
|
||
|
||
|
||
PRICE_GROUPS_SYSTEM = """你是定价与渠道顾问。输入为 JSON：``keyword`` 与 ``groups``。
|
||
每个 group 含 ``group``（细分类目名，与 §5 矩阵、§6「按细类价盘」小节一致）、``sku_count``、``price_stats``（该细类可解析展示价的 min/max/median/mean/n，与 §6 各细类 Markdown 分位数表同源）、
|
||
``listing_snippets``（若干「标题｜标价｜券后｜详情价」摘录，来自合并表字段，已截断）。
|
||
|
||
请**为每个细类**输出一小段 Markdown（全部 groups 都要写，顺序与输入一致）：
|
||
- 以 ``#### `` + 与该 group 字段**完全一致**的细类名作为小节标题；
|
||
- 每段约 **80～200 字**中文，**只写价盘与价差**：用 ``price_stats`` 概括价带/离散度（如 min～max、中位数、相对集中或拉得开）；用 ``listing_snippets`` 归纳**标价 vs 券后 vs 详情价**是否常一致、是否常见券后低于标价、价差幅度的大致印象；**可一句**联系标题里**显式出现的规格数字**（如克重、件数）解释**价高/价差大是否可能来自大规格或组合装**——仅当摘录里确有数字时写，勿展开成宣称解读；
|
||
- **硬性禁止**（本章不是卖点章）：不要列举或归纳「0 蔗糖 / 低 GI / 全麦 / 代餐 / 孕妇 / 控糖」等**营销宣称或场景关键词**；不要写配料、功效、品牌叙事、用户画像；这些若出现应留给报告 **§5 细类要点归纳**；
|
||
- **禁止** Markdown 表格、禁止罗列全部 SKU；勿编造未出现的到手价、销量排名；
|
||
- 若 ``price_stats`` 中 n=0 或缺失，写「该细类无可解析数值价，从略」。
|
||
|
||
总输出约 **500～2800 字**。仅输出正文 Markdown，不要用代码围栏包裹全文。"""
|
||
|
||
|
||
PRICE_GROUPS_USER_PREFIX = (
|
||
"请根据以下 JSON 撰写竞品报告第六章末「细类价盘要点归纳」正文（Markdown）。"
|
||
"本章只写**数值价带与标价/券后/详情价关系**，勿写卖点宣称关键词归纳。\n\n"
|
||
)
|
||
|
||
|
||
def generate_price_group_summaries_llm(
|
||
groups: list[dict[str, Any]], *, keyword: str
|
||
) -> str:
|
||
trimmed: list[dict[str, Any]] = []
|
||
for g in groups:
|
||
if not isinstance(g, dict):
|
||
continue
|
||
g2 = dict(g)
|
||
sn = g2.get("listing_snippets")
|
||
if isinstance(sn, list) and len(sn) > 14:
|
||
g2["listing_snippets"] = sn[:14]
|
||
trimmed.append(g2)
|
||
payload = {"keyword": keyword, "groups": trimmed}
|
||
raw = json.dumps(payload, ensure_ascii=False)
|
||
if len(raw) > 95_000:
|
||
for g2 in trimmed:
|
||
sn = g2.get("listing_snippets")
|
||
if isinstance(sn, list) and len(sn) > 8:
|
||
g2["listing_snippets"] = sn[:8]
|
||
raw = json.dumps({"keyword": keyword, "groups": trimmed}, ensure_ascii=False)
|
||
user = PRICE_GROUPS_USER_PREFIX + raw
|
||
return _call_llm(PRICE_GROUPS_SYSTEM, user)
|