import os  # 引入系统交互“神器”，赋予代码与操作系统对话之力，自如穿梭文件目录间

def get_daily_content() -> str:
    daily_dir = "./daily/"  # 精准锚定日报文件的“栖息之所”，为后续读取指明方向
    daily = []  # 初始化一个“收纳盒”，静候日报内容“入住”
    
    # 调遣os模块的listdir“侦察兵”，全面搜罗日报目录下的所有“文件居民”
    files = os.listdir(daily_dir)
    
    # 开启循环“传送带”，逐一输送文件进行读取操作
    for file in files:
        with open(daily_dir + file, "r") as f:  # 轻启文件“大门”，以只读模式恭迎内容“现身”
            daily.append(f.read())  # 将读取到的“宝藏内容”小心翼翼存入收纳盒
    
    return "\n".join(daily)  # 启用拼接“魔法”，让日报内容紧密相连，华丽变身字符串并凯旋而归

print(get_daily_content())  # 迫不及待“校验成果”，打印输出整合后的日报内容，确保万无一失

from openai import OpenAI  # 携OpenAI库“入场”，解锁与大模型深度交互的“密码”
from dotenv import load_dotenv  # 引入环境变量“管家”，确保API配置顺畅就位
import os  # 再次借力系统交互“得力助手”，稳稳把控环境变量获取与运用

load_dotenv()  # 唤醒“管家”，加载.env文件中隐匿的关键环境变量，铺就API连接“红毯”

base_url = os.getenv("OPENAI_API_BASE_URL")  # 精准抓取API的“专属地址”，定位“对话入口”

# 凭借获取到的关键信息，激活OpenAI客户端，唤醒沉睡的大模型“智慧力量”
client = OpenAI(
    base_url=base_url,
)

prompt = "请帮我生成周报\n" + get_daily_content()  # 匠心独运“拼凑”对话指令，周报诉求与日报详情“珠联璧合”
print(prompt)  # 审慎校验指令完整性，打印输出拼接后的内容，确保准确无误传达心意
print("生成中，请稍等...")  # 贴心送上“温馨提示”，告知大模型正忙碌于“头脑风暴”，即将呈上答卷

# 正式发起“对话请求”，激活大模型的周报生成“引擎”，这里选用OpenAI广为人知且性能卓越的gpt-3.5-turbo模型
chat_completion = client.chat.completions.create(
    model="gpt-3.5-turbo",  # 钦点备受赞誉的gpt-3.5-turbo模型“助手”，开启智慧协作之旅
    # temperature=0.5,  # 可按需调控的“创意旋钮”，微调生成文本的随机程度，此处暂作“休眠”
    # max_tokens=60,  # 限定输出“篇幅标尺”，约束生成文本长度，当前暂未启用
    # top_p=1,  # 掌控文本多样性的“调节阀”，暂处于“默认全开”状态
    messages=[{"role": "user", "content": prompt}]  # 庄重递上“对话函件”，内含精心炮制的指令与日报“干货”
)

print(chat_completion.choices[0].message.content)  # 满怀期待“接收馈赠”，打印输出大模型精心打磨的周报内容

prompt = f"""你的身份是一名专业周报小助手，专为软件架构师排忧解难。此刻，摆在面前的是我本周的日报详情：\n
{daily_contents}\n
请施展浑身解数，依循金字塔原理精雕细琢一份周报，务必将每项工作的价值亮点雕琢得熠熠生辉。
"""

from openai import OpenAI  # 再次引入OpenAI库，重启与大模型的“智慧连线”
from dotenv import load_dotenv  # 唤醒环境变量“加载助手”，保障API配置顺畅无阻
import os  # 借助系统交互“伙伴”，稳固获取环境变量操作

load_dotenv()  # 激活“加载助手”，引入.env文件里的关键配置，铺就API畅通“轨道”

base_url = os.getenv("OPENAI_API_BASE_URL")  # 锁定API“对接坐标”，找准对话“端口”

# 唤醒OpenAI客户端，唤醒大模型“沉睡智慧”，筹备新一轮“创作征程”
client = OpenAI(
    base_url=base_url,
)

# 示例1：呈上日报“谜面”与周报“谜底”，为大模型“解谜”示范
example_1_input = """你的身份是一名周报小助手，我的身份是一名软件架构师，下面是我本周的日报：
- 完成了模块A的初步设计，并与团队进行了方案讨论。
- 配合开发人员解决了模块B的性能瓶颈问题。
- 组织了两次架构评审会议，确保了项目进度的顺利推进。
- 协助项目经理制定了下个月的开发计划。
请按照金字塔原理进行总结成一份周报，注意体现价值点。
"""
example_1_output = """本周主要完成了以下工作：
1. 完成模块A的初步设计，推动团队讨论以确定最终方案。
2. 解决模块B的性能瓶颈，优化系统性能。
3. 组织架构评审会议，确保项目进度顺利进行。
4. 协助项目经理制定开发计划，确保下个月目标明确。
整体来看，本周的工作有效提升了系统性能，并确保了项目的顺利推进。"""

# 示例2：再度展示日报“样本”与周报“标杆”，强化示范效果
example_2_input = """你的身份是一名周报小助手，我的身份是一名软件架构师，下面是我本周的日报：
- 完成了数据库的优化设计，提高了日前效率。
- 编写了新功能模块的技术文档，为后续开发提供参考。
- 协助测试团队进行压力测试，定位并修复了多个性能问题。
- 参加了公司技术分享会，分享了微服务架构的实践经验。
请按照金字塔原理进行总结成一份周报，注意体现价值点。
"""
example_2_output = """本周主要工作包括：
1. 完成数据库优化设计，大幅提升查询效率。
2. 编写新功能模块的技术文档，为后续开发奠定基础。
3. 协助测试团队进行压力测试，修复性能问题。
4. 在公司技术分享会，分享微服务架构的经验。
这些工作提升了系统性能，同时也为团队技术能力的提升做出了贡献。"""

# 融入当前真实日报内容，搭建完整Prompt“舞台”
daily_contents = get_daily_content()

prompt = f"""你作为周报小助手界的‘精英’，以下是范例‘秘籍’与对应总结‘宝典’，请潜心研习并据此生成全新周报总结：

范例1：
日报详情:
{example_1_input}

总结精华:
{example_1_output}

范例2：
日报详情:
{example_2_input}

总结精华:
{example_2_output}

此刻呈上我的本周日报：
{daily_contents}
请依循金字塔原理，萃取精华，铸就一份价值满溢的周报。
"""

print("生成中，请稍等...")  # 贴心送上“进度提示”，告知大模型“创作”开启

# 触发大模型“创作引擎”，静候优化后的周报“出炉”
chat_completion = client.chat.completions.create(
    model="gpt-3.5-turbo",  # 选定“智慧搭档”，携手开启创作之旅
    messages=[{"role": "user", "content": prompt}]  # 递上精心筹备的Prompt“脚本”，期待精彩“演出”
)

print(chat_completion.choices[0].message.content)  # 欣然揭晓“创作成果”，展示优化后的周报内容