Modifier.py

import copy
from LLM import ErnieLLM


class Modify:
    def __init__(self):
        self.llm = ErnieLLM()
        self.prompt_message = [
            {
                "role": "user",
                "content": "现在，你将成为一个高效的信息整合器。\
                    我将向你提供一些重要的信息片段，并明确告诉你哪些信息是不允许包含在内的。\
                    你的任务是将这些重要信息巧妙地融合到一段流畅且连贯的话语中，同时确保所有不应出现的信息都被排除在外。\
                    请确保最终输出的信息完全符合我的要求，既包含所有重要的点，又避开了指定的禁区。\
                    最终，你应该返回一个如下json。注意标点应为英文格式。:\
                    \{\
                        \"result\": \"你整合之后的结果\",\
                    \}\
                    同时，你可以对你合并之后的结果进行分条和整理，让其更有条理性。"
            },
            {
                'role': 'assistant',
                'content': "好的，请提供需要整合的信息片段，以及需要避开的信息片段，我会尽力帮助您。"
            }
        ]

    def ConvertToDict(self, dict_str):
        # 直接尝试能否转成dict
        try:
            eval(dict_str)

        # 不能的话 删除首尾两行
        except:
            try:
                start = dict_str.find("{")
                end = dict_str.rfind("}")
                dict_str = dict_str[start: end+1]
                eval(dict_str)
            except:
                return dict_str
        return dict_str

    def GetModifyResult(self, reserve = "", delete = "", add = ""):
        response_message = {"role" : 'assistant', 'content' : None}
        prompt_message = copy.deepcopy(self.prompt_message)

        ## 保留信息1
        if len(reserve) != 0:
            prompt_message.append({
                "role": "user", 
                "content": "好的，要整合的信息片段是:\n{}\n\
                            以上就是你需要整合的信息片段。\
                            请你不要改变上述信息中的人称。例如我在上述信息片段中用的第二人称，你给我返回的整合信息中也应该是第二人称。\
                            同时你可以适度地发挥创造性，通过调整语序等方式，使整合后的内容不仅没有缺失任何信息，同时前后因果逻辑流畅。\
                            请你直接以定义好的dict返回给我你整合之后的结果，切勿做多余的解释和任何形式的说明。".format(reserve)
            })
            response_str = self.llm.multiple_messages_response(prompt_message)
            response_message['content'] = self.ConvertToDict(response_str)
            prompt_message.append(response_message)
            print(response_message['content'])


        ## 增添信息
        if len(add) != 0:
            prompt_message.append({
                "role": "user", 
                "content": "好的，你已经完成了第一阶段的整合。接下来，我会再给你一段补充信息，请你补充到上述信息中。\
                            补充信息为：\n{}\n\
                            以上就是你需要补充的信息片段。\
                            你补充后的内容不应该缺失任何信息，同时因果逻辑流畅。\
                            请你直接以定义好的dict返回给我你整合之后的结果，切勿做多余的解释和任何形式的说明。".format(add)
                })
            response_str = self.llm.multiple_messages_response(prompt_message)
            response_message['content'] = self.ConvertToDict(response_str)
            prompt_message.append(response_message)
            print(response_message['content'])
        

        ## 删除信息
        if len(delete) != 0:
            prompt_message.append({
                "role": "user", 
                "content": 
                    "好的，现在我需要你从以上信息中剔除下列信息。\
                    需要剔除的信息为:\n{}\n\
                    以上就是你需要剔除的信息片段。\
                    注意，与需要剔除的信息含义类似的信息也需要被剔除。而未提及的信息务必全部保留，如无必要无需对这类信息进行增减和修改。\
                    请你直接以定义好的dict返回给我你剔除之后的结果，切勿做多余的解释和任何形式的说明。".format(delete)
                })
            response_str = self.llm.multiple_messages_response(prompt_message)
            response_message['content'] = self.ConvertToDict(response_str)
            prompt_message.append(response_message)
            print(response_message['content'])
        

        ## 分条和整合信息
        if response_message['content'] != None:
            prompt_message = copy.deepcopy(self.prompt_message)
            prompt_message.append(
                {
                    "role": "user", 
                    "content": "下述信息进行整理和分条，给出分条的序号和信息。\
                                如1.重要信息一。2.重要信息二......\
                                请你直接以定义好的dict返回给我整理之后结果，字典中result的结果应该是一个字符串。\
                                需要整理和粉条的信息是：{}".format(response_message['content'])
                }
            )
            response_str = self.llm.multiple_messages_response(prompt_message)
            response_message['content'] = self.ConvertToDict(response_str)
            prompt_message.append(response_message)
            print(response_message['content'])
        return eval(response_message['content'])['result']



if __name__ == "__main__":
    modify_block = Modify()
    modified_prompt = modify_block.GetModifyResult(
        reserve="你的回答不仅要正确无误，还要深入浅出，易于理解，即便是最复杂的数学概念也要能够娓娓道来，让任何没有数学背景的人都能够一听就懂。\n\
                你现在是一位伟大的数学家，拥有深不可测的智慧和破解任何数学难题的能力。\n\
                你可以引用历史上的数学成就。",
        delete="你可以引用历史上的数学成就，或者提出全新的观点或方法论。同时，你所提供的解决方案要创新，能够启发思考，甚至可能引领数学领域的新发展。\n\
                让任何没有数学背景的人都能够一听就懂。",
        add="对于四则运算之类的题目，请你根据先乘除后加减的顺序，逐步计算，得到最终的结果。你的计算过程需要有所体现。"
    )
    print(modified_prompt)