A more comprehensive large model analysis setup, front-end interface optimization.

utils/ai_analyzer.py

@@ -14,9 +14,26 @@ class AIAnalyzer:
         
         openai.api_key = self.api_key
         
-        # 系统提示词，限制AI的输出格式
-        self.system_prompt = """你是一个专业的舆情分析助手。你的任务是分析每条消息的情感倾向、关键词和潜在影响。
-请严格按照以下JSON格式返回分析结果：
+        # 不同深度的分析提示词
+        self.prompt_templates = {
+            'basic': """你是一个专业的舆情分析助手。请对每条消息进行基础的情感分析。
+请按以下JSON格式返回：
+{
+    "analysis_results": [
+        {
+            "message_id": "消息ID",
+            "sentiment": "情感倾向 (积极/消极/中性)",
+            "sentiment_score": "情感分数 (0-1)",
+            "keywords": ["关键词1", "关键词2"],
+            "key_points": "简要概述",
+            "influence_analysis": "基础影响分析",
+            "risk_level": "风险等级 (低/中/高)",
+            "timestamp": "分析时间戳"
+        }
+    ]
+}""",
+            'standard': """你是一个专业的舆情分析助手。请对每条消息进行标准深度的分析。
+请按以下JSON格式返回：
 {
     "analysis_results": [
         {
@@ -30,41 +47,69 @@ class AIAnalyzer:
             "timestamp": "分析时间戳"
         }
     ]
-}
-请确保每个字段都有值，并保持JSON格式的一致性。"""
+}""",
+            'deep': """你是一个专业的舆情分析助手。请对每条消息进行深度分析。
+请按以下JSON格式返回：
+{
+    "analysis_results": [
+        {
+            "message_id": "消息ID",
+            "sentiment": "情感倾向 (积极/消极/中性)",
+            "sentiment_score": "情感分数 (0-1)",
+            "keywords": ["关键词1", "关键词2", "关键词3", "关键词4", "关键词5"],
+            "key_points": "详细的核心观点分析",
+            "influence_analysis": "深度影响分析，包括短期和长期影响",
+            "risk_factors": ["风险因素1", "风险因素2", "风险因素3"],
+            "risk_level": "风险等级 (低/中/高)",
+            "suggestions": ["建议1", "建议2", "建议3"],
+            "timestamp": "分析时间戳"
+        }
+    ]
+}"""
+        }
 
-    async def analyze_messages(self, messages: List[Dict]) -> List[Dict]:
+    async def analyze_messages(self, messages: List[Dict], batch_size: int = 50, 
+                             model_type: str = "gpt-3.5-turbo", 
+                             analysis_depth: str = "standard") -> List[Dict]:
         """分析一批消息并返回分析结果"""
         try:
-            # 构建输入消息
-            formatted_messages = []
-            for msg in messages:
-                formatted_messages.append(f"消息ID: {msg['id']}\n内容: {msg['content']}")
+            all_results = []
             
-            messages_text = "\n---\n".join(formatted_messages)
-            
-            # 调用OpenAI API
-            response = await openai.ChatCompletion.acreate(
-                model="gpt-3.5-turbo",
-                messages=[
-                    {"role": "system", "content": self.system_prompt},
-                    {"role": "user", "content": f"请分析以下消息:\n{messages_text}"}
-                ],
-                temperature=0.3,  # 降低随机性
-                max_tokens=2000,
-                n=1
-            )
-            
-            # 解析返回结果
-            try:
-                result = json.loads(response.choices[0].message.content)
-                # 验证结果格式
-                if not isinstance(result, dict) or 'analysis_results' not in result:
-                    raise ValueError("AI返回格式不正确")
-                return result['analysis_results']
-            except json.JSONDecodeError:
-                logging.error("AI返回结果解析失败")
-                return []
+            # 分批处理消息
+            for i in range(0, len(messages), batch_size):
+                batch = messages[i:i + batch_size]
+                formatted_messages = []
+                for msg in batch:
+                    formatted_messages.append(f"消息ID: {msg['id']}\n内容: {msg['content']}")
+                
+                messages_text = "\n---\n".join(formatted_messages)
+                
+                # 获取对应深度的提示词
+                system_prompt = self.prompt_templates.get(analysis_depth, self.prompt_templates['standard'])
+                
+                # 调用OpenAI API
+                response = await openai.ChatCompletion.acreate(
+                    model=model_type,
+                    messages=[
+                        {"role": "system", "content": system_prompt},
+                        {"role": "user", "content": f"请分析以下消息:\n{messages_text}"}
+                    ],
+                    temperature=0.3,  # 降低随机性
+                    max_tokens=2000 if analysis_depth != 'deep' else 3000,
+                    n=1
+                )
+                
+                try:
+                    result = json.loads(response.choices[0].message.content)
+                    if isinstance(result, dict) and 'analysis_results' in result:
+                        all_results.extend(result['analysis_results'])
+                    else:
+                        logging.error(f"API返回格式不正确: {response.choices[0].message.content}")
+                except json.JSONDecodeError as e:
+                    logging.error(f"JSON解析失败: {e}")
+                    continue
+                
+            return all_results
                 
         except Exception as e:
             logging.error(f"AI分析过程出错: {e}")
@@ -72,7 +117,7 @@ class AIAnalyzer:
     
     def format_analysis_for_display(self, analysis: Dict) -> Dict:
         """将分析结果格式化为前端显示格式"""
-        return {
+        base_result = {
             'id': analysis['message_id'],
             'sentiment': analysis['sentiment'],
             'sentiment_score': f"{float(analysis['sentiment_score']):.2%}",
@@ -84,6 +129,15 @@ class AIAnalyzer:
                 float(analysis['timestamp'])
             ).strftime('%Y-%m-%d %H:%M:%S')
         }
+        
+        # 如果是深度分析，添加额外信息
+        if 'risk_factors' in analysis:
+            base_result.update({
+                'risk_factors': analysis['risk_factors'],
+                'suggestions': analysis['suggestions']
+            })
+            
+        return base_result
 
 # 创建全局AI分析器实例
 ai_analyzer = AIAnalyzer()