大模型生成报告，控制字体与格式-WayToAGI

回答

基于百川大模型生成报告并控制字体与格式的步骤如下：

首先获取所需的群聊天记录，通过 SQL 来筛选需要的内容。
用传统统计方法对结构化数据进行分析。
把非结构化的数据交给大模型处理。传统方法适合数理计算，大模型更擅长归纳汇总，可以组合起来交叉使用。
输出报告的函数为 reportDataset，其参数包括数据库 db、数据集 record、语音数据库 voiceDb、联系人数据库 microMsgDb、群或联系人昵称 nickName，以及文件名 filename（可选）。
- 如果数据集为空或数据量太少，则返回 False。
- 生成报告的标题，包括群昵称的汇总报告以及时间范围。
- 构建提示信息，调用大模型进行处理并获取回复。
- 记录聊天参与人中最活跃人员（发言数量）。
- 如果指定了文件名，则将报告内容写入文件；否则，直接打印输出。
启动命令需要配置模型的权重路径和数据处理的模板，生成的 report.md 采用 Markdown 形式输出报告。

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

if name == '__main__':放置解密后的数据库MSG_DB = 'db/MSG{}.db' MICROMSG_DB = 'db/MicroMsg.db' MEDIAMSG_DB = 'db/MediaMSG{}.db' n = 8微信聊天记录后缀编号groupname ="用爱点亮AI"群昵称获取聊天记录record = getMsgByTalker(MSG_DB.format(n),getUserName(MICROMSG_DB,groupname),200,150)生成报告reportDataset(MSG_DB.format(n),record,MEDIAMSG_DB,MICROMSG_DB,groupname,"report.md")启动命令需要配置模型的权重路径和数据处理的模板，生成的report.md采用markdown形式输出报告。

创作：基于百川大模型向微信群大佬们虚心学习

输出报告def reportDataset(db,record,voiceDb,microMsgDb,nickName,filename=None):"""record:数据集voiceDb:语音数据库microMsgDb:联系人数据库name:群或联系人昵称"""ifnot record:returnFalse if len(record)< 2:聊天记录太少returnFalse标题output =['#《{}》微信群汇总报告'.format(nickName)]时间_,_,_,_,start = parseRecord(db,record[0],voiceDb,microMsgDb)_,_,_,_,end = parseRecord(db,record[-1],voiceDb,microMsgDb)output.append('##{}~{}'.format(time.strftime("%X %x",time.localtime(start/1000)),time.strftime("%X %x",time.localtime(end/1000))))prompt =[]for row in record:_,_,name,msg,_ = parseRecord(db,row,voiceDb,microMsgDb)prompt.append("{}:{}".format(name,msg))调用大模型quesion =("我将给你提供一段会议纪要，帮我整理成更规范的形式，包括主题、核心信息、核心结论，列出主要的5个要点，提炼后浓缩成到大约800字。

创作：基于百川大模型向微信群大佬们虚心学习

以下是纪要内容：\n\n{}\n".format('\n'.join(prompt)))llm = ChatModel()response = ai(llm,quesion)等待模型回复output.append(response)聊天参与人output.append("##最活跃人员（发言数量）")username = getUserName(microMsgDb,nickName)print("username",username,nickName)output = output + getTopTalker(db,start,end,username)分隔符output.append('------')if filename:with open(filename,"w",encoding="utf-8")as f:"report.md"f.write('\n'.join(output))print(filename,len(output))else:for i in output:print(i)returnTrue首先获取所需的群聊天记录，通过sql来筛选需要的内容，然后用传统统计方法来做结构化数据的分析，再把非结构化的数据扔给大模型处理，传统方法适合数理计算，而大模型更擅长归纳汇总，可以组合起来交叉使用。