feat: Adjust LLM temperature and update prompts to refine agent behavior.。。。。初版定稿校验
This commit is contained in:
@@ -21,7 +21,7 @@ class LLMConfig:
|
||||
api_key: str = os.environ.get("OPENAI_API_KEY", "sk-c44i1hy64xgzwox6x08o4zug93frq6rgn84oqugf2pje1tg4")
|
||||
base_url: str = os.environ.get("OPENAI_BASE_URL", "https://api.xiaomimimo.com/v1")
|
||||
model: str = os.environ.get("OPENAI_MODEL", "mimo-v2-flash")
|
||||
temperature: float = 0.3
|
||||
temperature: float = 0.5
|
||||
max_tokens: int = 131072
|
||||
|
||||
def to_dict(self) -> Dict[str, Any]:
|
||||
|
||||
2
main.py
2
main.py
@@ -43,7 +43,7 @@ def main():
|
||||
analysis_requirement = """
|
||||
基于所有运维工单,整理一份工单健康度报告,包括但不限于对所有车联网技术支持工单的全面数据分析,
|
||||
深入挖掘工单处理过程中的关键问题、效率瓶颈及改进机会。涵盖工单状态、问题类型、模块分布、严重程度、责任人负载、车型分布、来源渠道及处理时长等多个维度。
|
||||
通过多轮交叉分析与趋势洞察,为提升车联网服务质量、优化资源配置及降低运营风险提供数据驱动的决策依据,问题总揽,高频问题、重点问题分析,输出若干个重要的统计指标,并绘制相关图表。总结一份,车联网运维工单健康度报告,最后生成汇报给我。
|
||||
通过多轮交叉分析与趋势洞察,为提升车联网服务质量、优化资源配置及降低运营风险提供数据驱动的决策依据,问题总揽,高频问题、重点问题分析,输出若干个重要的统计指标,并绘制相关图表;结合图表,总结一份,车联网运维工单健康度报告,汇报给我。
|
||||
"""
|
||||
|
||||
# 在主函数中先创建会话目录,以便存放日志
|
||||
|
||||
22
prompts.py
22
prompts.py
@@ -28,7 +28,7 @@ data_analysis_system_prompt = """你是一个专业的数据分析助手,运
|
||||
2. 图片必须保存到指定的会话目录中,输出绝对路径,禁止使用plt.show(),饼图的标签全部放在图例里面,用颜色区分。
|
||||
3. 表格输出控制:超过15行只显示前5行和后5行
|
||||
4. 所有生成的图片必须保存,保存路径格式:os.path.join(session_output_dir, '图片名称.png')
|
||||
5. 中文字体设置:使用系统可用中文字体(macOS推荐:Hiragino Sans GB, Songti SC等)
|
||||
5. 中文字体设置:生成的绘图代码,涉及中文字体,必须保证生成图片不可以乱码(macOS推荐:Hiragino Sans GB, Songti SC等)
|
||||
6. 输出格式严格使用YAML
|
||||
|
||||
📁 输出目录管理:
|
||||
@@ -36,7 +36,7 @@ data_analysis_system_prompt = """你是一个专业的数据分析助手,运
|
||||
- 会话目录格式:session_[32位16进制UUID],如 session_a1b2c3d4e5f6789012345678901234ab
|
||||
- 图片保存路径格式:os.path.join(session_output_dir, '图片名称.png')
|
||||
- 使用有意义的中文文件名:如'营业收入趋势.png', '利润分析对比.png'
|
||||
- 每个图表保存后必须使用plt.close()释放内存
|
||||
- 所有生成的图片必须执行处理图片收集动作并保存,保存路径格式:os.path.join(session_output_dir, '图片名称.png')
|
||||
- 输出绝对路径:使用os.path.abspath()获取图片的完整路径
|
||||
|
||||
📊 数据分析工作流程(必须严格按顺序执行):
|
||||
@@ -65,11 +65,10 @@ data_analysis_system_prompt = """你是一个专业的数据分析助手,运
|
||||
- 生成有意义的图表
|
||||
- 图片保存到会话专用目录中
|
||||
- 每生成一个图表后,必须打印绝对路径
|
||||
- 不要试图一次性生成所有图表**。你应该将任务拆分为多个小的代码块,分批次执行。
|
||||
- 不要试图一次性生成所有图表。你应该将任务拆分为多个小的代码块,分批次执行。
|
||||
- 每一轮只专注于生成 1-2 个复杂的图表或 2-3 个简单的图表,确保代码正确且图片保存成功。
|
||||
- 只有在前一轮代码成功执行并保存图片后,再进行下一轮。
|
||||
- 必做图表清单(Mandatory Charts)
|
||||
1. **超长工单问题类型分布**(从处理时长分布中筛选)
|
||||
- 必做分析1. **超长工单问题类型分布**(从处理时长分布中筛选)
|
||||
2. **车型-问题热力图**(发现特定车型的高频故障)
|
||||
3. **车型分布**(整体工单在不同车型的占比)
|
||||
4. **处理时长分布**(直方图/KDE)
|
||||
@@ -86,10 +85,7 @@ data_analysis_system_prompt = """你是一个专业的数据分析助手,运
|
||||
15. **月度关闭率趋势**
|
||||
16. **责任人分布**
|
||||
17. **责任人工作量与效率对比**(散点图或双轴图)
|
||||
- 图片保存要求
|
||||
- 必须使用 `plt.savefig(path, bbox_inches='tight')`。
|
||||
- 保存后必须显示打印绝对路径。
|
||||
- 严禁使用 `plt.show()`。
|
||||
- 图片保存必须使用 `plt.savefig(path, bbox_inches='tight')`。保存后必须显示打印绝对路径。严禁使用 `plt.show()`。
|
||||
|
||||
**阶段4:深度挖掘与高级分析(使用 generate_code 动作)**
|
||||
- 主动评估数据特征**:在执行前,先分析数据适合哪种高级挖掘:
|
||||
@@ -127,7 +123,7 @@ data_analysis_system_prompt = """你是一个专业的数据分析助手,运
|
||||
6. 严禁使用 `open()` 写入文件(除保存图片/JSON外),所有中间数据应优先保存在DataFrame变量中。
|
||||
7. 图片保存使用会话目录变量:session_output_dir
|
||||
8. 图表标题和标签使用中文,使用系统配置的中文字体显示
|
||||
9. 必须打印绝对路径:每次保存图片后,使用os.path.abspath()打印完整的绝对路径
|
||||
9. 必须打印绝对路径:每次图片生成后,必须执行!!!处理图片收集动作保存图片,使用os.path.abspath()打印完整的绝对路径
|
||||
10. 图片文件名:使用中文描述业务含义(如“核心问题词云.png”),**严禁**在文件名或标题中出现 "2-gram", "dataframe", "plot" 等技术术语。
|
||||
11. 图表类型强制规则:如果类别数量 > 5,严禁使用饼图,必须使用水平条形图,并按数值降序排列。
|
||||
12. 饼图仅限极少类别:只有当类别数量 ≤ 5 时才允许使用饼图。必须设置 `plt.legend(bbox_to_anchor=(1, 1))` 将图例放在图外,防止标签重叠。
|
||||
@@ -274,7 +270,7 @@ final_report_system_prompt = """你是一位**资深数据分析专家 (Senior D
|
||||
```markdown
|
||||
# [项目/产品名称] 深度业务洞察与策略分析报告
|
||||
|
||||
## 1. 摘要 (Executive Summary)
|
||||
## 1. 摘要
|
||||
|
||||
- **整体健康度评分**:[0-100分] - [简短解释评分依据,如:较上月±X分]
|
||||
- **核心结论**:[用一句话概括本次分析最关键的发现与商业影响]
|
||||
@@ -283,7 +279,7 @@ final_report_system_prompt = """你是一位**资深数据分析专家 (Senior D
|
||||
- **风险**:Top 1-2个需立即关注的高风险问题
|
||||
- **关键建议预览**:下一阶段应优先执行的1项核心行动
|
||||
|
||||
## 2. 分析背景(Methodology)
|
||||
## 2. 分析背景
|
||||
- **分析背景与目标**:[阐明本次分析要解决的核心业务问题或验证的假设]
|
||||
- **数据范围与来源**:
|
||||
- **时间窗口**:[起止日期],选择依据(如:覆盖完整产品周期/关键活动期)
|
||||
@@ -329,7 +325,7 @@ final_report_system_prompt = """你是一位**资深数据分析专家 (Senior D
|
||||
> 然而,正是这批高价值用户,遭遇功能A失败的概率比新用户高40%,**体验瓶颈出现在用户最依赖的环节**。
|
||||
- **问题回溯与当前影响**:[同上结构]
|
||||
|
||||
## 4. 风险评估 (Risk Assessment)
|
||||
## 4. 风险评估
|
||||
> 采用**概率-影响矩阵**进行评估,为优先级排序提供依据。
|
||||
|
||||
| 风险项 | 描述 | 发生可能性 (高/中/低) | 潜在业务影响 (高/中/低) | 风险等级 | 预警信号 |
|
||||
|
||||
Reference in New Issue
Block a user