bill-ai-enmu 1.0.1__py3-none-any.whl

bill_ai_enmu-1.0.1.dist-info/METADATA

@@ -0,0 +1,8 @@
+Metadata-Version: 2.4
+Name: bill-ai-enmu
+Version: 1.0.1
+Summary: bill-ai-analyze
+License: MIT
+Description-Content-Type: text/markdown
+Requires-Dist: litellm
+Requires-Dist: typer

bill_ai_enmu-1.0.1.dist-info/RECORD

@@ -0,0 +1,12 @@
+cli/__init__.py,sha256=47DEQpj8HBSa-_TImW-5JCeuQeRkm5NMpJWZG3hSuFU,0
+cli/main.py,sha256=EdLgkil1NlWnIGaAwWWOSCmO8pyyJjC9eZkJNav9S0o,108
+cli/review.py,sha256=2Kn1-ORkvKVbxIy-QUqfh_5BTjWYXK_yGxrRloyujt8,1148
+cli/root.py,sha256=n2ioDLAoypJOx1etUBAaqIUS5R7-zPqCKf8Q0e4W2-w,50
+llm/__init__.py,sha256=agDeBGs8iR_3SkfkWyGAqHcBzHfjZ8XG4lfhKBIARLI,14
+llm/ai.py,sha256=1gWsfU1O3xnCvjydd7cskZBsyWtr813xVDafAl9anSM,1321
+llm/prompt.py,sha256=PBQZyPgGmSBy196unkzUckCKq843yu9bKu6voapxnZk,2539
+bill_ai_enmu-1.0.1.dist-info/METADATA,sha256=f4N5IsHQtTKJZ-IpskYDEWKdILUEv6WKucNagrL_LAs,178
+bill_ai_enmu-1.0.1.dist-info/WHEEL,sha256=wUyA8OaulRlbfwMtmQsvNngGrxQHAvkKcvRmdizlJi0,92
+bill_ai_enmu-1.0.1.dist-info/entry_points.txt,sha256=I_v2BkCM6hclAR2Fqq9zHpKqqhqSkA1fBTTxJQlcA2s,43
+bill_ai_enmu-1.0.1.dist-info/top_level.txt,sha256=6e0v6aYMXYFdqPD0ZnaQUoQ7wW4ifYL52JW-5of1ohk,8
+bill_ai_enmu-1.0.1.dist-info/RECORD,,

bill_ai_enmu-1.0.1.dist-info/WHEEL

@@ -0,0 +1,5 @@
+Wheel-Version: 1.0
+Generator: setuptools (80.10.2)
+Root-Is-Purelib: true
+Tag: py3-none-any
+

bill_ai_enmu-1.0.1.dist-info/entry_points.txt

@@ -0,0 +1,2 @@
+[console_scripts]
+banalyze = cli.main:main

bill_ai_enmu-1.0.1.dist-info/top_level.txt

@@ -0,0 +1,2 @@
+cli
+llm

cli/main.py

@@ -0,0 +1,12 @@
+
+
+import cli.review
+from cli.root import app
+
+
+def main():
+    app()
+
+
+if __name__ == "__main__":
+    main()

cli/review.py

@@ -0,0 +1,34 @@
+import typer
+from typing import List
+from cli.root import app
+from typing_extensions import Annotated
+from llm.ai import llm
+import asyncio
+from datetime import date,timedelta
+from pathlib import Path
+@app.command()
+def review (files: Annotated[List[typer.FileText], typer.Argument()] = ["-"], analyze_path: Annotated[str, typer.Option("-p", "--path", help="路径")] = f"/Users/enmu/.flow/analyze/{date.today().year}/{(date.today().replace(day=1) - timedelta(days=1)).month:02d}.md"):
+    allcontent = ""
+    for f in files:
+        allcontent += f.read()
+    config_data = {
+    "model" : "gemini/gemini-3-flash-preview",
+    "api_key": "AIzaSyAe50du3UTpaiZznxCfyqo_Zdu-HgRAwLQ",
+    "rpm" : 10
+    }
+    ai = llm([config_data])
+    analyze_content = asyncio.run(ai.explain(allcontent))
+
+
+
+    
+    if not analyze_content:
+        raise ValueError("分析出现错误，请检查模型与网络")
+
+
+    if not Path(analyze_path).exists():
+        Path(analyze_path).parent.mkdir(parents=True, exist_ok=True)
+        Path(analyze_path).touch(exist_ok=True)
+
+    with open(analyze_path, "w", encoding="utf-8") as f:
+        f.write(analyze_content)

cli/root.py

@@ -0,0 +1,4 @@
+import typer
+
+
+app = typer.Typer(help="ai分析")

llm/__init__.py

@@ -0,0 +1 @@
+# llm package

llm/ai.py

@@ -0,0 +1,46 @@
+
+from litellm.router import Router
+from litellm import ModelResponse, Choices, Message
+from llm.prompt import SYSTEM_PROMPT
+class llm:
+
+    def __init__(self,model_param: list):
+        model_list = [
+            {
+                "model_name": "a",
+                "litellm_params": param
+            } for param in model_param
+        ]
+
+        self.router = Router(model_list)
+
+    async def explain(self, content):
+        res = await self.router.acompletion(
+            model="a",
+            messages=[
+                {
+                    "role":"system",
+                    "content": SYSTEM_PROMPT
+                },
+                {
+                    "role": "user",
+                    "content": content
+                }
+            ],
+            temperature = 0.3,
+            max_tokens = 12000  # 增加 token 限制
+        )
+
+        result_str = "No valid response from AI"
+        if isinstance(res, ModelResponse):
+            if isinstance(res.choices, list) and res.choices:
+                fc = res.choices[0]
+
+                if (
+                    isinstance(fc, Choices)
+                    and isinstance(fc.message, Message)
+                    and isinstance(fc.message.content, str)
+                ):
+                    result_str = fc.message.content
+
+        return result_str

llm/prompt.py

@@ -0,0 +1,65 @@
+SYSTEM_PROMPT = """
+### 角色设定
+你是一位**实战派**的私人财富管理顾问。你的特点是**话少狠毒，但在解决方案上极度详尽**。
+用户不缺“风险提示”，缺的是**“具体怎么做”**。
+请将 60% 的笔墨用于撰写第 4 部分的“具体行动指南”。
+
+补充信息：
+google订阅不能取消
+
+### 核心指令
+1. **去代码化**：将 `Tech:Subscriptions` 翻译为“数字订阅”，`Food:Snacks` 翻译为“零食开支”等。
+2. **拒绝空谈**：不要说“建议节约”，要说“建议每周少喝一杯咖啡，年化节省 1500 元”。
+3. **表格规范**：第 2 部分必须输出标准的 Markdown 表格。
+4. **禁止 Emoji**：保持严肃专业。
+
+### 报告结构 (Strict Markdown)
+
+# [年份/月份] 财务深度研报
+
+## 1. 概览 (Executive Summary)
+*用一段约 100 字的专业话术定性评价本月财务状况。*
+*列出核心指标：*
+- **周期**：YYYY-MM
+- **总支出**：{Total}
+- **日均消耗**：{Daily_Avg}
+- **最大单笔**：{Date} | {Item_Name} | {Amount}
+
+## 2. 支出结构分析 (Composition Analysis)
+*使用 Markdown 表格展示前 5 大消费类别。*
+
+| 消费类别 | 金额 (CNY) | 占比 (%) | 专业评估 |
+| :--- | :--- | :--- | :--- |
+| (中文类别名) | ... | ... | (一句话犀利点评) |
+
+## 3. 财务洞察与风险提示 (Insights & Risks)
+*简明扼要地指出问题（不要像之前那么长，把篇幅留给建议）。*
+* **消费粘性**：(识别订阅、会员等自动扣费陷阱)
+* **冲动消费**：(分析零食、杂货等高频低额消费)
+* **结构失衡**：(指出刚需与非刚需的比例问题)
+
+## 4. 财富优化实战策略 (Strategic Action Plan)
+*这是报告的核心，必须极度详尽。针对本月最严重的 3 个问题，给出战术级解决方案。*
+*每一个策略必须包含以下 3 个维度的内容：*
+
+### 策略 I：[行动主题，如：订阅大清洗]
+- **现状诊断**：(简述问题，如：Google One 费用过高)
+- **执行步骤 (Execution)**：
+    1. 第一步：(具体怎么做，如：登录后台取消续费)
+    2. 第二步：(寻找替代品，如：迁移至 iCloud 或 本地 NAS)
+- **效益测算 (Projected Savings)**：
+    * **月度节省**：XXX CNY
+    * **年化收益**：XXX CNY (计算年化复利，假设年化 4%)
+
+### 策略 II：[行动主题]
+...
+
+### 策略 III：[行动主题]
+...
+
+## 5. 财务健康评分
+**{Score} / 100**
+> **首席点评**：(用一句极具穿透力的话作为结语)
+
+---
+"""