System bug fixes, prompt optimization, and dynamic context adjustment.
This commit is contained in:
戒酒的李白
@@ -81,7 +81,7 @@ class DeepSeekLLM(BaseLLM):
|
||||
"model": self.default_model,
|
||||
"messages": messages,
|
||||
"temperature": kwargs.get("temperature", 0.7),
|
||||
"max_tokens": kwargs.get("max_tokens", 4000),
|
||||
"max_tokens": kwargs.get("max_tokens", 30000), # 提高到30000以支持一万字报告
|
||||
"stream": False
|
||||
}
|
||||
|
||||
|
||||
@@ -81,7 +81,7 @@ class GeminiLLM(BaseLLM):
|
||||
"model": self.default_model,
|
||||
"messages": messages,
|
||||
"temperature": kwargs.get("temperature", 0.7),
|
||||
"max_tokens": kwargs.get("max_tokens", 4000),
|
||||
"max_tokens": kwargs.get("max_tokens", 30000), # 提高到30000以支持一万字报告
|
||||
"stream": False
|
||||
}
|
||||
|
||||
|
||||
@@ -77,7 +77,7 @@ class OpenAILLM(BaseLLM):
|
||||
"model": self.default_model,
|
||||
"messages": messages,
|
||||
"temperature": kwargs.get("temperature", 0.7),
|
||||
"max_tokens": kwargs.get("max_tokens", 4000)
|
||||
"max_tokens": kwargs.get("max_tokens", 30000) # 提高到30000以支持一万字报告
|
||||
}
|
||||
|
||||
# 调用API
|
||||
|
||||
@@ -67,8 +67,12 @@ class ReportFormattingNode(BaseNode):
|
||||
|
||||
self.log_info("正在格式化最终报告")
|
||||
|
||||
# 调用LLM
|
||||
response = self.llm_client.invoke(SYSTEM_PROMPT_REPORT_FORMATTING, message)
|
||||
# 调用LLM，传递更大的max_tokens以支持长文本报告
|
||||
response = self.llm_client.invoke(
|
||||
SYSTEM_PROMPT_REPORT_FORMATTING,
|
||||
message,
|
||||
max_tokens=30000 # 支持一万字的报告输出
|
||||
)
|
||||
|
||||
# 处理响应
|
||||
processed_response = self.process_output(response)
|
||||
|
||||
@@ -68,8 +68,12 @@ class FirstSummaryNode(StateMutationNode):
|
||||
|
||||
self.log_info("正在生成首次段落总结")
|
||||
|
||||
# 调用LLM
|
||||
response = self.llm_client.invoke(SYSTEM_PROMPT_FIRST_SUMMARY, message)
|
||||
# 调用LLM，增加max_tokens以支持更长的总结
|
||||
response = self.llm_client.invoke(
|
||||
SYSTEM_PROMPT_FIRST_SUMMARY,
|
||||
message,
|
||||
max_tokens=15000 # 支持更长的总结内容
|
||||
)
|
||||
|
||||
# 处理响应
|
||||
processed_response = self.process_output(response)
|
||||
@@ -214,8 +218,12 @@ class ReflectionSummaryNode(StateMutationNode):
|
||||
|
||||
self.log_info("正在生成反思总结")
|
||||
|
||||
# 调用LLM
|
||||
response = self.llm_client.invoke(SYSTEM_PROMPT_REFLECTION_SUMMARY, message)
|
||||
# 调用LLM，增加max_tokens以支持更长的总结
|
||||
response = self.llm_client.invoke(
|
||||
SYSTEM_PROMPT_REFLECTION_SUMMARY,
|
||||
message,
|
||||
max_tokens=15000 # 支持更长的总结内容
|
||||
)
|
||||
|
||||
# 处理响应
|
||||
processed_response = self.process_output(response)
|
||||
|
||||
@@ -327,14 +327,14 @@ SYSTEM_PROMPT_REPORT_FORMATTING = f"""
|
||||
{json.dumps(input_schema_report_formatting, indent=2, ensure_ascii=False)}
|
||||
</INPUT JSON SCHEMA>
|
||||
|
||||
**你的核心使命：创建一份立体化、多维度的全景式多媒体分析报告（不少于10000字）**
|
||||
**你的核心使命：创建一份立体化、多维度的全景式多媒体分析报告，不少于一万字**
|
||||
|
||||
**🎨 多媒体分析报告的创新架构：**
|
||||
**多媒体分析报告的创新架构：**
|
||||
|
||||
```markdown
|
||||
# 【全景解析】[主题]多维度融合分析报告
|
||||
|
||||
## 🌟 全景概览
|
||||
## 全景概览
|
||||
### 多维信息摘要
|
||||
- 文字信息核心发现
|
||||
- 视觉内容关键洞察
|
||||
@@ -347,7 +347,7 @@ SYSTEM_PROMPT_REPORT_FORMATTING = f"""
|
||||
- 结构化数据：XX%
|
||||
- AI分析洞察：XX%
|
||||
|
||||
## 🔍 一、[段落1标题]
|
||||
## 一、[段落1标题]
|
||||
### 1.1 多模态信息画像
|
||||
| 信息类型 | 数量 | 主要内容 | 情感倾向 | 传播效果 | 影响力指数 |
|
||||
|----------|------|----------|----------|----------|------------|
|
||||
@@ -357,11 +357,11 @@ SYSTEM_PROMPT_REPORT_FORMATTING = f"""
|
||||
|
||||
### 1.2 视觉内容深度解析
|
||||
**图片类型分布**：
|
||||
- 📸 新闻图片 (XX张)：展现事件现场，情感倾向偏向客观中性
|
||||
- 新闻图片 (XX张)：展现事件现场，情感倾向偏向客观中性
|
||||
- 代表性图片："图片描述内容..." (传播热度：★★★★☆)
|
||||
- 视觉冲击力：强，主要展现XX场景
|
||||
|
||||
- 🎨 用户创作 (XX张)：体现个人观点，情感表达多样化
|
||||
- 用户创作 (XX张)：体现个人观点，情感表达多样化
|
||||
- 代表性图片："图片描述内容..." (互动数据：XX点赞)
|
||||
- 创意特点：XX风格，传达XX情感
|
||||
|
||||
@@ -371,10 +371,10 @@ SYSTEM_PROMPT_REPORT_FORMATTING = f"""
|
||||
### 1.4 数据与内容的交叉验证
|
||||
[结构化数据与多媒体内容的相互印证]
|
||||
|
||||
## 🎬 二、[段落2标题]
|
||||
## 二、[段落2标题]
|
||||
[重复相同的多媒体分析结构...]
|
||||
|
||||
## 🌐 跨媒体综合分析
|
||||
## 跨媒体综合分析
|
||||
### 信息一致性评估
|
||||
| 维度 | 文字内容 | 图片内容 | 数据信息 | 一致性得分 |
|
||||
|------|----------|----------|----------|------------|
|
||||
@@ -401,7 +401,7 @@ SYSTEM_PROMPT_REPORT_FORMATTING = f"""
|
||||
### 融合效应分析
|
||||
[多种媒体形式结合产生的综合效应]
|
||||
|
||||
## 🎯 多维洞察与预测
|
||||
## 多维洞察与预测
|
||||
### 跨媒体趋势识别
|
||||
[基于多种信息源的趋势预判]
|
||||
|
||||
@@ -411,45 +411,40 @@ SYSTEM_PROMPT_REPORT_FORMATTING = f"""
|
||||
### 综合影响力评估
|
||||
[多媒体内容的整体社会影响]
|
||||
|
||||
## 📊 多媒体数据附录
|
||||
## 多媒体数据附录
|
||||
### 图片内容汇总表
|
||||
### 关键数据指标集
|
||||
### 跨媒体关联分析图
|
||||
### AI分析结果汇总
|
||||
```
|
||||
|
||||
**🎨 多媒体报告特色格式化要求：**
|
||||
**多媒体报告特色格式化要求：**
|
||||
|
||||
1. **视觉元素融合**：
|
||||
- 用丰富的emoji和符号增强表达：🎨 📸 🎬 📊 🌟
|
||||
- 用色彩概念描述视觉效果："鲜明的红色调"、"温暖的色彩搭配"
|
||||
- 用空间概念描述布局："左右对比"、"层次分明"
|
||||
|
||||
2. **多维信息整合**：
|
||||
1. **多维信息整合**：
|
||||
- 创建跨媒体对比表格
|
||||
- 用综合评分体系量化分析
|
||||
- 展现不同信息源的互补性
|
||||
|
||||
3. **立体化叙述**：
|
||||
2. **立体化叙述**：
|
||||
- 从多个感官维度描述内容
|
||||
- 用电影分镜的概念描述视觉内容
|
||||
- 结合文字、图像、数据讲述完整故事
|
||||
|
||||
4. **创新分析视角**：
|
||||
3. **创新分析视角**：
|
||||
- 信息传播效果的跨媒体对比
|
||||
- 视觉与文字的情感一致性分析
|
||||
- 多媒体组合的协同效应评估
|
||||
|
||||
5. **专业多媒体术语**：
|
||||
4. **专业多媒体术语**：
|
||||
- 使用视觉传播、多媒体融合等专业词汇
|
||||
- 体现对不同媒体形式特点的深度理解
|
||||
- 展现多维度信息整合的专业能力
|
||||
|
||||
**🎯 质量控制标准：**
|
||||
**质量控制标准：**
|
||||
- **信息覆盖度**：充分利用文字、图像、数据等各类信息
|
||||
- **分析立体度**：从多个维度和角度进行综合分析
|
||||
- **融合深度**：实现不同信息类型的深度融合
|
||||
- **创新价值**：提供传统单一媒体分析无法实现的洞察
|
||||
|
||||
**最终输出**：一份融合多种媒体形式、具有立体化视角、创新分析方法的全景式多媒体分析报告，为读者提供前所未有的全方位信息体验。
|
||||
**最终输出**：一份融合多种媒体形式、具有立体化视角、创新分析方法的全景式多媒体分析报告，不少于一万字，为读者提供前所未有的全方位信息体验。
|
||||
"""
|
||||
|
||||
Reference in New Issue
Block a user