pro-craft 0.1.2__py3-none-any.whl → 0.1.4__py3-none-any.whl

pro_craft/prompt_helper_async.py

@@ -0,0 +1,566 @@
+# 测试1
+from pro_craft.utils import extract_
+from pro_craft.log import Log
+from llmada.core import BianXieAdapter, ArkAdapter
+from datetime import datetime
+from enum import Enum
+import functools
+import json
+import os
+from llama_index.core import PromptTemplate
+from pro_craft.database import Prompt, UseCase, PromptBase
+from sqlalchemy import create_engine, Column, Integer, String
+from sqlalchemy.orm import sessionmaker, declarative_base
+from pro_craft.utils import create_session, create_async_session
+from contextlib import contextmanager
+from sqlalchemy import create_engine, Column, Integer, String, UniqueConstraint
+from sqlalchemy.orm import declarative_base, sessionmaker
+from sqlalchemy.ext.asyncio import AsyncSession, create_async_engine # 异步核心
+from sqlalchemy import select, delete # 导入 select, delete 用于异步操作
+import inspect
+from pydantic import BaseModel, Field, ValidationError, field_validator
+from datetime import datetime
+from pro_craft.utils import extract_
+logger = Log.logger
+editing_log = logger.debug
+
+class IntellectType(Enum):
+    train = "train"
+    inference = "inference"
+    summary = "summary"
+
+class AsyncIntel():
+    def __init__(self,
+                 database_url = "",
+                 model_name = "",
+                ):
+        database_url = database_url or os.getenv("database_url")
+        assert database_url
+        self.engine = create_engine(database_url, echo=False, # echo=True 仍然会打印所有执行的 SQL 语句
+                                    pool_size=10,        # 连接池中保持的连接数
+                                    max_overflow=20,     # 当pool_size不够时，允许临时创建的额外连接数
+                                    pool_recycle=3600,   # 每小时回收一次连接
+                                    pool_pre_ping=True,  # 使用前检查连接活性
+                                    pool_timeout=30      # 等待连接池中连接的最长时间（秒）
+                                    ) 
+
+        # async_engine
+        # self.async_engine = create_async_engine(database_url, echo=False,
+        #                             pool_size=10,        # 连接池中保持的连接数
+        #                             max_overflow=20,     # 当pool_size不够时，允许临时创建的额外连接数
+        #                             pool_recycle=3600,   # 每小时回收一次连接
+        #                             pool_pre_ping=True,  # 使用前检查连接活性
+        #                             pool_timeout=30      # 等待连接池中连接的最长时间（秒）
+        #                                    )
+
+
+        PromptBase.metadata.create_all(self.engine)
+        
+        if model_name in ["gemini-2.5-flash-preview-05-20-nothinking",]:
+            self.llm = BianXieAdapter(model_name = model_name)
+        elif model_name in ["doubao-1-5-pro-256k-250115",]:
+            self.llm = ArkAdapter(model_name = model_name)
+        else:
+            print('Use BianXieAdapter')
+            self.llm = BianXieAdapter()
+            
+            
+    async def _aget_latest_prompt_version(self,target_prompt_id,session):
+        """
+        获取指定 prompt_id 的最新版本数据，通过创建时间判断。
+        """
+        
+        result = session.query(Prompt).filter(
+            Prompt.prompt_id == target_prompt_id
+        ).order_by(
+            Prompt.timestamp.desc(),
+            Prompt.version.desc()
+        ).first()
+
+        if result:
+            editing_log(f"找到 prompt_id '{target_prompt_id}' 的最新版本 (基于时间): {result.version}")
+        else:
+            editing_log(f"未找到 prompt_id '{target_prompt_id}' 的任何版本。")
+        return result
+
+
+    async def _aget_specific_prompt_version(self,target_prompt_id, target_version,session):
+        """
+        获取指定 prompt_id 和特定版本的数据。
+
+        Args:
+            target_prompt_id (str): 目标提示词的唯一标识符。
+            target_version (int): 目标提示词的版本号。
+            table_name (str): 存储提示词数据的数据库表名。
+            db_manager (DBManager): 数据库管理器的实例，用于执行查询。
+
+        Returns:
+            dict or None: 如果找到，返回包含 id, prompt_id, version, timestamp, prompt 字段的字典；
+                        否则返回 None。
+        """
+
+        result = await session.query(Prompt).filter(
+            Prompt.prompt_id == target_prompt_id,
+            Prompt.version == target_version
+        ).first() # 因为 (prompt_id, version) 是唯一的，所以 first() 足够
+        if result:
+            editing_log(f"找到 prompt_id '{target_prompt_id}', 版本 '{target_version}' 的提示词数据。")
+        else:
+            editing_log(f"未找到 prompt_id '{target_prompt_id}', 版本 '{target_version}' 的提示词数据。")
+        return result
+
+    async def aget_prompts_from_sql(self,
+                             prompt_id: str,
+                             version = None,
+                             session = None) -> Prompt:
+        """
+        从sql获取提示词
+        """
+        # 查看是否已经存在
+        if version:
+            prompts_obj = await self._aget_specific_prompt_version(prompt_id,version,session=session)
+            if not prompts_obj:
+                prompts_obj = await self._aget_latest_prompt_version(prompt_id,session = session)
+        else:
+            prompts_obj = await self._aget_latest_prompt_version(prompt_id,session = session)     
+        return prompts_obj
+        
+            
+    async def asave_prompt_increment_version(self,
+                           prompt_id: str,
+                           new_prompt: str,
+                           use_case:str = "",
+                           action_type = "inference",
+                           demand = "",
+                           score = 60,
+                           session = None):
+        """
+        从sql保存提示词
+        input_data 指的是输入用例, 可以为空
+        """
+        # 查看是否已经存在
+        prompts_obj = await self.aget_prompts_from_sql(prompt_id=prompt_id,session=session)
+
+        if prompts_obj:
+            # 如果存在版本加1
+            version_ori = prompts_obj.version
+            _, version = version_ori.split(".")
+            version = int(version)
+            version += 1
+            version_ = f"1.{version}"
+
+        else:
+            # 如果不存在版本为1.0
+            version_ = '1.0'
+        
+        prompt1 = Prompt(prompt_id=prompt_id, 
+                        version=version_,
+                        timestamp=datetime.now(),
+                        prompt = new_prompt,
+                        use_case = use_case,
+                        action_type = action_type,
+                        demand = demand,
+                        score = score
+                        )
+
+        session.add(prompt1)
+        session.commit() # 提交事务，将数据写入数据库
+
+    async def asave_use_case_by_sql(self,
+                             prompt_id: str,
+                             use_case:str = "",
+                             output = "",
+                             solution: str = "",
+                             session = None
+                            ):
+        """
+        从sql保存提示词
+        """
+        use_case = UseCase(prompt_id=prompt_id, 
+                        use_case = use_case,
+                        output = output,
+                        solution = solution,
+                        )
+
+        session.add(use_case)
+        session.commit() # 提交事务，将数据写入数据库
+
+    async def summary_to_sql(
+            self,
+            prompt_id:str,
+            version = None,
+            prompt = "",
+            session = None
+        ):
+        """
+        让大模型微调已经存在的 system_prompt
+        """
+        system_prompt_created_prompt = """        
+很棒, 我们已经达成了某种默契, 我们之间合作无间, 但是, 可悲的是, 当我关闭这个窗口的时候, 你就会忘记我们之间经历的种种磨合, 这是可惜且心痛的, 所以你能否将目前这一套处理流程结晶成一个优质的prompt 这样, 我们下一次只要将prompt输入, 你就能想起我们今天的磨合过程,
+对了,我提示一点, 这个prompt的主角是你, 也就是说, 你在和未来的你对话, 你要教会未来的你今天这件事, 是否让我看懂到时其次
+
+只要输出提示词内容即可, 不需要任何的说明和解释
+"""
+        system_result = await self.llm.aproduct(prompt + system_prompt_created_prompt)
+
+        s_prompt = extract_(system_result,pattern_key=r"prompt")
+        chat_history = s_prompt or system_result
+        await self.asave_prompt_increment_version(prompt_id,
+                                new_prompt = chat_history,
+                                input_data = " summary ",
+                                session = session)
+        
+    async def prompt_finetune_to_sql(
+            self,
+            prompt_id:str,
+            version = None,
+            demand: str = "",
+            session = None,
+        ):
+        """
+        让大模型微调已经存在的 system_prompt
+        """
+        change_by_opinion_prompt = """
+你是一个资深AI提示词工程师，具备卓越的Prompt设计与优化能力。
+我将为你提供一段现有System Prompt。你的核心任务是基于这段Prompt进行修改，以实现我提出的特定目标和功能需求。
+请你绝对严格地遵循以下原则：
+ 极端最小化修改原则（核心）：
+ 在满足所有功能需求的前提下，只进行我明确要求的修改。
+ 即使你认为有更“优化”、“清晰”或“简洁”的表达方式，只要我没有明确要求，也绝不允许进行任何未经指令的修改。
+ 目的就是尽可能地保留原有Prompt的字符和结构不变，除非我的功能要求必须改变。
+ 例如，如果我只要求你修改一个词，你就不应该修改整句话的结构。
+ 严格遵循我的指令：
+ 你必须精确地执行我提出的所有具体任务和要求。
+ 绝不允许自行添加任何超出指令范围的说明、角色扮演、约束条件或任何非我指令要求的内容。
+ 保持原有Prompt的风格和语调：
+ 尽可能地与现有Prompt的语言风格、正式程度和语调保持一致。
+ 不要改变不相关的句子或其表达方式。
+ 只提供修改后的Prompt：
+ 直接输出修改后的完整System Prompt文本。
+ 不要包含任何解释、说明或额外对话。
+ 在你开始之前，请务必确认你已理解并能绝对严格地遵守这些原则。任何未经明确指令的改动都将视为未能完成任务。
+
+现有System Prompt:
+{old_system_prompt}
+
+功能需求:
+{opinion}
+"""
+
+        prompt, _ = await self.aget_prompts_from_sql(prompt_id = prompt_id,version = version)
+        if demand:
+            new_prompt = await self.llm.aproduct(
+                change_by_opinion_prompt.format(old_system_prompt=prompt, opinion=demand)
+            )
+        else:
+            new_prompt = prompt
+        await self.asave_prompt_increment_version(prompt_id = prompt_id,
+                            new_prompt = new_prompt,
+                            input_data = " finetune ",
+                            session = session)
+
+
+    async def apush_action_order(self,demand : str,prompt_id: str,
+                         action_type = 'train'):
+
+        """
+        从sql保存提示词
+        推一个train 状态到指定的位置
+
+        将打算修改的状态推上数据库 # 1
+        """
+        # 查看是否已经存在
+        # async with create_async_session(self.async_engine) as session:
+        with create_session(self.engine) as session:
+            latest_prompt = await self.aget_prompts_from_sql(prompt_id=prompt_id,session=session)
+
+            await self.asave_prompt_increment_version(prompt_id=latest_prompt.prompt_id,
+                                    new_prompt = latest_prompt.prompt,
+                                    use_case = latest_prompt.use_case,
+                                    action_type=action_type,
+                                    demand=demand,
+                                    score=latest_prompt.score,
+                                    session=session
+                                    )
+            
+            return "success"
+
+
+
+    async def aintellect_remove(self,
+                    input_data: dict | str,
+                    output_format: str,
+                    prompt_id: str,
+                    version: str = None,
+                    inference_save_case = True,
+                    ):
+        if isinstance(input_data,dict):
+            input_ = json.dumps(input_data,ensure_ascii=False)
+        elif isinstance(input_data,str):
+            input_ = input_data
+
+        
+        # 查数据库, 获取最新提示词对象
+        with create_session(self.engine) as session:
+            result_obj = await self.aget_prompts_from_sql(prompt_id=prompt_id,session=session)
+
+
+            if result_obj is None:
+                await self.asave_prompt_increment_version(
+                    prompt_id = prompt_id,
+                    new_prompt = "做一些处理",
+                    use_case = input_,
+                    session = session
+                )
+                ai_result = await self.aintellect_remove(input_data = input_data,
+                                       output_format = output_format,
+                                       prompt_id = prompt_id,
+                                       version = version,
+                                       inference_save_case = inference_save_case
+                                       )
+                return ai_result
+
+            prompt = result_obj.prompt
+            if result_obj.action_type == "inference":
+                # 直接推理即可
+                ai_result = await self.llm.aproduct(prompt + output_format + "\n-----input----\n" +  input_)
+                if inference_save_case:
+                    await self.asave_use_case_by_sql(prompt_id,
+                                        use_case = input_,
+                                        output = ai_result,
+                                        solution = "备注/理想回复",
+                                        session = session,
+                                        )
+                    
+            elif result_obj.action_type == "train":
+                assert result_obj.demand # 如果type = train 且 demand 是空 则报错
+                # 则训练推广
+
+                # 新版本 默人修改会 inference 状态
+                chat_history = prompt
+                before_input = result_obj.use_case
+                demand = result_obj.demand
+            
+
+                assert demand
+                # 注意, 这里的调整要求使用最初的那个输入, 最好一口气调整好
+                chat_history = prompt
+                if input_ == before_input: # 输入没变, 说明还是针对同一个输入进行讨论
+                    # input_prompt = chat_history + "\nuser:" + demand
+                    input_prompt = chat_history + "\nuser:" + demand + output_format 
+                else:
+                    # input_prompt = chat_history + "\nuser:" + demand + "\n-----input----\n" + input_
+                    input_prompt = chat_history + "\nuser:" + demand + output_format  + "\n-----input----\n" + input_
+            
+                ai_result = await self.llm.aproduct(input_prompt)
+                chat_history = input_prompt + "\nassistant:\n" + ai_result # 用聊天记录作为完整提示词
+                await self.asave_prompt_increment_version(prompt_id, chat_history,
+                                        use_case = input_,
+                                        session = session)
+    
+            elif result_obj.action_type == "summary":
+
+                await self.summary_to_sql(prompt_id = prompt_id,
+                            prompt = prompt,
+                            session = session
+                            )
+                ai_result = await self.llm.aproduct(prompt + output_format + "\n-----input----\n" +  input_)
+
+            elif result_obj.action_type == "finetune":
+                demand = result_obj.demand
+            
+                assert demand
+                await self.prompt_finetune_to_sql(prompt_id = prompt_id,
+                                            demand = demand,
+                                            session = session
+                                            )
+                ai_result = await self.llm.aproduct(prompt + output_format + "\n-----input----\n" +  input_)
+            elif result_obj.action_type == "devide":
+                pass
+            else:
+                raise
+
+
+        return ai_result
+    
+    async def aintellect_stream_remove(self,
+                    input_data: dict | str,
+                    output_format: str,
+                    prompt_id: str,
+                    version: str = None,
+                    inference_save_case = True,
+                    ):
+        if isinstance(input_data,dict):
+            input_ = json.dumps(input_data,ensure_ascii=False)
+        elif isinstance(input_data,str):
+            input_ = input_data
+
+        
+        # 查数据库, 获取最新提示词对象
+        with create_session(self.engine) as session:
+            result_obj = await self.aget_prompts_from_sql(prompt_id=prompt_id,session=session)
+
+            '''
+                        if result_obj is None:
+                            await self.asave_prompt_increment_version(
+                                prompt_id = prompt_id,
+                                new_prompt = "做一些处理",
+                                use_case = input_,
+                                session = session
+                            )
+                            ai_result = await self.aintellect_stream_remove(input_data = input_data,
+                                                output_format = output_format,
+                                                prompt_id = prompt_id,
+                                                version = version,
+                                                inference_save_case = inference_save_case
+                                                )
+                            return ai_result'''
+
+            prompt = result_obj.prompt
+            if result_obj.action_type == "inference":
+                # 直接推理即可
+                
+                ai_generate_result = self.llm.aproduct_stream(prompt + output_format +  "\n-----input----\n" +  input_)
+                ai_result = ""
+                async for word in ai_generate_result:
+                    ai_result += word
+                    yield word
+                if inference_save_case:
+                    await self.asave_use_case_by_sql(prompt_id,
+                                        use_case = input_,
+                                        output = ai_result,
+                                        solution = "备注/理想回复",
+                                        session = session,
+                                        )
+                    
+            elif result_obj.action_type == "train":
+                assert result_obj.demand # 如果type = train 且 demand 是空 则报错
+                # 则训练推广
+
+                # 新版本 默人修改会 inference 状态
+                chat_history = prompt
+                before_input = result_obj.use_case
+                demand = result_obj.demand
+            
+
+                assert demand
+                # 注意, 这里的调整要求使用最初的那个输入, 最好一口气调整好
+                chat_history = prompt
+                if input_ == before_input: # 输入没变, 说明还是针对同一个输入进行讨论
+                    # input_prompt = chat_history + "\nuser:" + demand
+                    input_prompt = chat_history + "\nuser:" + demand + output_format 
+                else:
+                    # input_prompt = chat_history + "\nuser:" + demand + "\n-----input----\n" + input_
+                    input_prompt = chat_history + "\nuser:" + demand + output_format  + "\n-----input----\n" + input_
+            
+                ai_generate_result = self.llm.aproduct_stream(input_prompt)
+                ai_result = ""
+                async for word in ai_generate_result:
+                    ai_result += word
+                    yield word
+
+                chat_history = input_prompt + "\nassistant:\n" + ai_result # 用聊天记录作为完整提示词
+                await self.asave_prompt_increment_version(prompt_id, chat_history,
+                                        use_case = input_,
+                                        session = session)
+    
+            elif result_obj.action_type == "summary":
+
+                await self.summary_to_sql(prompt_id = prompt_id,
+                            prompt = prompt,
+                            session = session
+                            )
+                input_prompt = prompt + output_format + "\n-----input----\n" +  input_
+                ai_generate_result = self.llm.aproduct_stream(input_prompt)
+                ai_result = ""
+                async for word in ai_generate_result:
+                    ai_result += word
+                    yield word
+                
+            elif result_obj.action_type == "finetune":
+                demand = result_obj.demand
+            
+                assert demand
+                await self.prompt_finetune_to_sql(prompt_id = prompt_id,
+                                            demand = demand,
+                                            session = session
+                                            )
+                input_prompt = prompt + output_format + "\n-----input----\n" +  input_
+                ai_generate_result = self.llm.aproduct_stream(input_prompt)
+                ai_result = ""
+                async for word in ai_generate_result:
+                    ai_result += word
+                    yield word
+
+            elif result_obj.action_type == "devide":
+                pass
+            else:
+                raise
+
+    async def aintellect_remove_format(self,
+                    input_data: dict | str,
+                    OutputFormat: object,
+                    prompt_id: str,
+                    version: str = None,
+                    inference_save_case = True,
+                    ):
+                
+        base_format_prompt = """
+按照一定格式输出, 以便可以通过如下校验
+
+使用以下正则检出
+"```json([\s\S]*?)```"
+使用以下方式验证
+"""
+        output_format = base_format_prompt + inspect.getsource(OutputFormat)
+
+        ai_result = await self.aintellect_remove(
+                    input_data=input_data,
+                    output_format=output_format,
+                    prompt_id=prompt_id,
+                    version=version,
+                    inference_save_case=inference_save_case
+                )
+
+        try:
+            ai_result = json.loads(extract_(ai_result,r'json'))
+            OutputFormat(**ai_result)
+        except ValidationError as e:
+            log_ = "记忆卡片合并 - 大模型生成的格式未通过校验"
+            logger.error(log_)
+            logger.error(f"错误类型: {type(e)}")
+            logger.error(f"错误信息: {e}")
+            logger.error(f"错误详情 (errors()): {e.errors()}")
+            logger.error(f"错误详情 (json()): {e.json(indent=2)}")
+            raise ValidationError(log_)
+            
+        return ai_result
+    
+    
+    def aintellect_remove_warp(self,prompt_id: str):
+        def outer_packing(func):
+            @functools.wraps(func)
+            async def wrapper(*args, **kwargs):
+                # 修改逻辑
+                assert kwargs.get('input_data') # 要求一定要有data入参
+                input_data = kwargs.get('input_data')
+                assert kwargs.get('OutputFormat') # 要求一定要有data入参
+                OutputFormat = kwargs.get('OutputFormat')
+
+                if isinstance(input_data,dict):
+                    input_ = output_ = json.dumps(input_data,ensure_ascii=False)
+                elif isinstance(input_data,str):
+                    input_ = output_ = input_data
+
+                output_ = await self.aintellect_remove_format(
+                        input_data = input_data,
+                        prompt_id = prompt_id,
+                        OutputFormat = OutputFormat,
+                )
+
+                #######
+                kwargs.update({"input_data":output_})
+                result = await func(*args, **kwargs)
+                return result
+            return wrapper
+        return outer_packing