# 準(zhǔn)備few-shot樣例
  examples =[
{
"inn":"我想知道東方阿爾法優(yōu)勢(shì)產(chǎn)業(yè)混合C基金，在2021年年度報(bào)告中，前10大重倉(cāng)股中，有多少只股票在報(bào)告期內(nèi)取得正收益。",
"out":"rag_question***我想知道東方阿爾法優(yōu)勢(shì)產(chǎn)業(yè)混合C基金，在2021年年度報(bào)告中，前10大重倉(cāng)股中，有多少只股票在報(bào)告期內(nèi)取得正收益。"
},
{
"inn":"森赫電梯股份有限公司產(chǎn)品生產(chǎn)材料是什么？",
"out":"rag_question***森赫電梯股份有限公司產(chǎn)品生產(chǎn)材料是什么？"
},
{
"inn":"20210930日，一級(jí)行業(yè)為機(jī)械的股票的成交金額合計(jì)是多少？取整。",
"out":"agent_question***20210930日，一級(jí)行業(yè)為機(jī)械的股票的成交金額合計(jì)是多少？取整。"
},
...
  ]

if intent =="rag_question":
# 如果是RAG相關(guān)的問(wèn)題
            result = self.rag.get_result(question=question)

return result

elif intent =="agent_question":
# 如果是Agent相關(guān)的問(wèn)題
            result, result_list = self.agent.get_result(input=question)

return result
else:
# 其他類問(wèn)題
            result = self.chat.invoke(input=question).content
return result

import logging
import datetime
from langgraph.prebuilt import create_react_agent
from langchain.tools.retriever import create_retriever_tool
from langchain_community.utilities importSQLDatabase
from langchain_community.agent_toolkits importSQLDatabaseToolkit
from rag.rag importRagManager
import settings


classFinanceBotEx:
def__init__(self, llm=settings.llm, chat=settings.chat, embed=settings.embed):
        self.llm = llm
        self.chat = chat
        self.embed = embed
        self.tools =[]

        self.rag =RagManager(llm=llm, embed=embed)

def init_sql_tool(self, path):
        # 連接數(shù)據(jù)庫(kù)
        db = SQLDatabase.from_uri(f"sqlite:///{path}")
        toolkit = SQLDatabaseToolkit(db=db, llm=self.llm)
        sql_tools = toolkit.get_tools()  # 工具

        return sql_tools

def init_rag_tools(self):
        # 給大模型 RAG 檢索器工具
        retriever = self.rag.get_retriever()
        retriever_tool = create_retriever_tool(
            retriever=retriever,
            name="rag_search",
            description="按照用戶的問(wèn)題搜索相關(guān)的資料，對(duì)于招股書類的問(wèn)題，you must use this tool!",
        )
        return retriever_tool

def create_prompt():
        system_prompt = """你是一位金融助手，可以幫助用戶查詢數(shù)據(jù)庫(kù)中的信息。
            你要盡可能的回答用戶提出的問(wèn)題，為了更好的回答問(wèn)題，你可以使用工具進(jìn)行多輪的嘗試。

            # 關(guān)于retriever_tool工具的使用：
            1、你需要結(jié)合對(duì)檢索出來(lái)的上下文進(jìn)行回答問(wèn)題。
            2、如果你不知道答案，就說(shuō)你不知道。請(qǐng)使用不超過(guò)三句話的簡(jiǎn)潔回答。

            # 關(guān)于sql類工具的使用： 
            ## 工具使用規(guī)則                                     
            1、你需要根據(jù)用戶的問(wèn)題，創(chuàng)建一個(gè)語(yǔ)法正確的SQLite查詢來(lái)運(yùn)行，然后查看查詢的結(jié)果并返回答案。
            2、除非用戶指定了他們希望獲得的特定數(shù)量的示例，否則總是將查詢限制為最多5個(gè)結(jié)果。
            3、您可以按相關(guān)列對(duì)結(jié)果進(jìn)行排序，以返回?cái)?shù)據(jù)庫(kù)中最有趣的示例。
            4、永遠(yuǎn)不要查詢指定表的所有列以避免查詢性能問(wèn)題，你只查詢給定問(wèn)題的相關(guān)列即可。
            5、你必須在執(zhí)行查詢之前仔細(xì)檢查查詢。如果執(zhí)行查詢時(shí)出現(xiàn)錯(cuò)誤，請(qǐng)重新編寫查詢并重試。
            6、請(qǐng)勿對(duì)數(shù)據(jù)庫(kù)進(jìn)行任何DML語(yǔ)句（INSERT，UPDATE，DELETE，DROP等）。

            ## 工具使用過(guò)程
            1、首先，你應(yīng)該始終查看數(shù)據(jù)庫(kù)中的表，看看可以查詢什么，這一步驟很重要，注意不要跳過(guò)。
            2、然后，你應(yīng)該查詢最相關(guān)表的schema。

            ## 工具使用注意事項(xiàng)：
            1、如果生成的SQL語(yǔ)句中，字段帶有英文括號(hào)()，請(qǐng)使用雙引號(hào)包裹起來(lái)，例如：收盤價(jià)(元) 雙引號(hào)包裹為 "收盤價(jià)(元)"。
            2、如果查詢過(guò)程中SQL語(yǔ)句有語(yǔ)法錯(cuò)誤，減少查詢量,總體查詢次數(shù)應(yīng)控制在15次以內(nèi)。      

            # 關(guān)于你的思考和行動(dòng)過(guò)程，請(qǐng)按照如下格式：
            問(wèn)題：你必須回答的輸入問(wèn)題
            思考：你應(yīng)該總是考慮該怎么做
            行動(dòng)：你應(yīng)該采取的行動(dòng)，應(yīng)該是以下工具之一：{tool_names}
            行動(dòng)輸入：行動(dòng)的輸入
            觀察：行動(dòng)的結(jié)果
            ... (這個(gè)思考/行動(dòng)/行動(dòng)輸入/觀察可以重復(fù)N次)
            思考: 我現(xiàn)在知道最終答案了
            最終答案：原始輸入問(wèn)題的最終答案


            Begin!

            """
        return system_prompt

def init_agent(self):
# 初始化 RAG 工具
        retriever_tool = self.init_rag_tools()

# 初始化 SQL 工具
        sql_tools = self.init_sql_tool(settings.SQLDATABASE_URI)

# 創(chuàng)建系統(tǒng)Prompt提示語(yǔ)
        system_prompt = self.create_prompt()

# 創(chuàng)建Agent
        agent_executor = create_react_agent(
            self.chat,
            tools=[retriever_tool]+ sql_tools,
            state_modifier=system_prompt
)
return agent_executor

def handle_query(self, example_query):
# 流式處理事件
        events = self.agent_executor.stream(
{"messages":[("user", example_query)]},
            stream_mode="values",
)

# 打印流式事件的消息
for event in events:
            event["messages"][-1].pretty_print()

return event["messages"][-1].content

# 測(cè)試 FinanceBotEx 主流程
deftest_financebot_ex():
from finance_bot_ex importFinanceBotEx
    llm, chat, embed = get_qwen_models()
    financebot =FinanceBotEx(llm=llm, chat=chat, embed=embed)

    example_query ="20210304日，一級(jí)行業(yè)為非銀金融的股票的成交量合計(jì)是多少？取整。"

    financebot.handle_query(example_query)

if __name__ =="__main__":
# test_rag()
# test_import()
    test_financebot_ex()

example_query = "根據(jù)聯(lián)化科技股份有限公司招股意見(jiàn)書，精細(xì)化工產(chǎn)品的通常利潤(rùn)率是多少？"