老翅寒暑

  1 import requests
  2 import re
  3 import json
  4 
  5 # Ollama API 配置
  6 OLLAMA_API_URL = "http://localhost:11434/api/generate"
  7 MODEL_NAME = "qwen3:0.6b"
  8 
  9 # 模擬的天氣函數(shù)
 10 def weather(date):
 11     # 實際場景可調(diào)用天氣 API，這里模擬返回 25 度
 12     return 35
 13 
 14 def find_goods(item):
 15     # 模擬返回商品信息
 16     return f"""
 17 List {item} brand: 
 18 - Apple: MacBook Pro, MacBook Air
 19 - Dell: XPS, Inspiron
 20 - HP: Spectre, Envy
 21 - Lenovo: ThinkPad, IdeaPad
 22 - Microsoft: Surface
 23 - Razer: Blade
 24 - Samsung: Galaxy Book
 25 - Sony: VAIO
 26 """
 27 
 28 def find_goods_prices(item):
 29     # 模擬返回商品價格
 30     return f"{item} 5999.00元"
 31 
 32 
 33 # 調(diào)用 Ollama API 的函數(shù)
 34 def call_ollama(prompt, model=MODEL_NAME):
 35     payload = {
 36         "model": model,
 37         "prompt": prompt,
 38         "stream": False,
 39         "temperature": 1 
 40     }
 41     response = requests.post(OLLAMA_API_URL, json=payload)
 42     if response.status_code == 200:
 43         return json.loads(response.text)["response"]
 44     else:
 45         raise Exception(f"Ollama API error: {response.text}")
 46 
 47 # 提取 </think> 之后的文本
 48 def extract_post_think_text(text):
 49     markers = ["</think>", "提示詞", "提示詞**", "輸出：", "輸出:"]
 50     last_pos = -1
 51     last_marker = None
 52     
 53     # Find the last occurrence of any marker
 54     for marker in markers:
 55         try:
 56             pos = text.rindex(marker)  # Get the last index of the marker
 57             if pos > last_pos:
 58                 last_pos = pos
 59                 last_marker = marker
 60         except ValueError:
 61             continue  # Marker not found, skip
 62     
 63     # If a marker was found, return text after it
 64     if last_pos != -1:
 65         return text[last_pos + len(last_marker):].strip()
 66     
 67     # If no markers found, return original text
 68     return text.strip()
 69 
 70 
 71 # 解析占位符并執(zhí)行函數(shù)調(diào)用
 72 def process_placeholder(text):
 73     # 查找 ${function(args)} 模式的占位符
 74     placeholder_pattern = r'\${([^}]+)\}'
 75     matches = re.findall(placeholder_pattern, text)
 76     
 77     if not matches:
 78         return text  # 沒有占位符，直接返回原文
 79     
 80     for match in matches:
 81         # 處理函數(shù)調(diào)用格式：${function(arg)}
 82         if '(' in match and ')' in match:
 83             func_name = match.split('(')[0].strip()
 84             func_arg = match.split('(')[1].rstrip(')').strip()
 85 
 86             if func_name == "weather":
 87                 result = weather(func_arg)
 88                 text = text.replace(f"${{{match}}}", f"{result}")
 89             elif func_name == "find_goods":
 90                 result = find_goods(func_arg)
 91                 text = text.replace(f"${{{match}}}", f"{result}")
 92             elif func_name == "find_goods_prices":
 93                 result = find_goods_prices(func_arg)
 94                 text = text.replace(f"${{{match}}}", f"${result}")
 95             else:
 96                 text = text.replace(f"${{{match}}}", "[Unknown function]")
 97         else:
 98             text = text.replace(f"${{{match}}}", "[Invalid placeholder]")
 99     
100     return text
101 
102 # 主邏輯
103 def main():
104     # 用戶輸入
105     # user_input = "今天我要穿什么衣服？"
106     # user_input = "請給我推薦一臺性價比高的電腦"
107     # user_input = "我想買一個蘋果筆記本電腦，需要準(zhǔn)備多少預(yù)算？"
108     user_input = "列出中國歷朝歷代的名稱"
109     print(f"用戶輸入: {user_input}")
110     print("======================")
111     
112     # 第一次調(diào)用模型，生成帶占位符的提示詞
113     initial_prompt = f"""
114 今天是2025年5月17日。
115 用戶問題：{user_input}
116 可用函數(shù)：
117 - weather('2025-5-17'): 返回當(dāng)天的攝氏溫度。
118 - find_goods(item): 返回商品信息（item可以是商品類別、產(chǎn)品名、型號等，如“mobile”或“Samsung”貨“Galaxy S”，基于用戶問題的主關(guān)鍵詞）。
119 - find_goods_prices(item): 返回指定商品的價格（item同上）
120 推理：回答需要什么信息？選擇一個函數(shù)。若問題未指定具體item，從問題中提取主關(guān)鍵詞（如“電腦”）作為item。
121      生成提示詞，僅輸出：${{function(arg)}}提供的信息，請回答：{{用戶問題}}。禁止附加任何說明或邏輯。
122 例如：
123 - 輸入：“今天熱不熱？”，輸出：“${{weather('2025-5-17')}}提供的信息，請回答：今天熱不熱？”
124 - 輸入：“推薦一臺筆記本電腦？”，輸出：“${{find_goods('laptop')}}提供的信息，請回答：推薦一臺筆記本電腦？”
125 - 輸入：“襯衫多少錢？”，輸出：“${{find_goods_prices('shirt')}}提供的信息，請回答：襯衫多少錢？
126 - 輸入：“愛因斯坦的生平”，輸出：“請回答：愛因斯坦的生平
127     """
128     print(f"初始提示詞: {initial_prompt}")
129     
130     response = call_ollama(initial_prompt)
131     print("======================")
132     print(f"模型第一次響應(yīng): {response}")
133         
134     # 提取 </think> 之后的文本
135     post_think_text = extract_post_think_text(response)
136     print("======================")
137     print(f"</think> 后的文本: {post_think_text}")
138     
139     # 處理占位符，調(diào)用外部函數(shù)
140     processed_response = process_placeholder(post_think_text)
141     print("======================")
142     print(f"處理占位符后的文本: {processed_response}")
143     
144     # 第二次調(diào)用模型，使用回填后的提示詞
145     final_prompt = f"""
146     根據(jù)以下信息回答用戶的問題：
147     {processed_response}
148     """
149     print("======================")
150     print(f"最終提示詞: {final_prompt}")
151     
152     final_response = call_ollama(final_prompt)
153     print("======================")
154     print(f"最終回答: {final_response}")
155 
156 if __name__ == "__main__":
157     main()