Spaces:
Sleeping
Sleeping
File size: 114,017 Bytes
4973465 f154467 641416a c250f7e 641416a fa1155c 641416a 3885885 542a444 b55aea3 4973465 b5849a6 677b493 b89a5cc 7f4546c 677b493 08e13cd b5849a6 b55aea3 b5849a6 b55aea3 b5849a6 2f69a4f ba58727 b55aea3 edcf6fe e932ff5 ffa4a05 e932ff5 b5849a6 c250f7e 5a5790e 34fa51c c250f7e 235357d b5849a6 da5f556 b1972ae da5f556 b55aea3 b89a5cc fa1155c ffa4a05 fa1155c b89a5cc fa1155c b89a5cc fa1155c b89a5cc fa1155c b89a5cc fa1155c b55aea3 b89a5cc fa1155c b89a5cc fa1155c b89a5cc b55aea3 2f69a4f b55aea3 b5849a6 388bd90 aa349c2 57f547a 388bd90 aa349c2 763e886 b55aea3 763e886 b5849a6 b55aea3 b5849a6 b55aea3 b5849a6 b55aea3 b5849a6 b55aea3 b5849a6 e932ff5 b5849a6 763e886 b5849a6 4469aa0 b5849a6 37329aa b5849a6 4469aa0 b5849a6 4469aa0 efeeb3b 4469aa0 8908f43 b5849a6 37329aa 8908f43 b5849a6 75c3a97 b5849a6 4469aa0 b55aea3 b5849a6 b55aea3 b5849a6 b55aea3 b5849a6 b89a5cc b55aea3 1cfc5bc b89a5cc 57f547a b89a5cc 5282526 34fa51c b55aea3 5282526 b55aea3 b20038f b55aea3 34fa51c b55aea3 34fa51c b55aea3 57f547a b55aea3 5282526 b55aea3 7aee395 f15befd 7aee395 862b3a2 7aee395 f15befd 7aee395 b5849a6 3428599 7aee395 862b3a2 7aee395 6839970 19d03d6 b1972ae 7aee395 6839970 7aee395 edcf6fe 7aee395 6839970 7aee395 b1972ae 9f22308 7aee395 edcf6fe 307fbe8 d8d03be 307fbe8 d8d03be c2fba02 b89a5cc 04372a4 dea71ee 5a5790e 34fa51c ad07361 34fa51c 5a5790e c70c01b 34fa51c c70c01b dea71ee c70c01b 0bb2a7e 0fe8a0c c70c01b 5a5790e d3200da 5d9bc33 031a62a 5d9bc33 5a5790e 0bb2a7e f2764da 0fe8a0c b1972ae aeab24c 57db305 0bb2a7e d3200da dea71ee 0bb2a7e d3200da aeab24c d3200da dc5500f 0bb2a7e 08918b8 dea71ee 0bb2a7e 08918b8 5282526 b5849a6 677b493 08e13cd 677b493 08e13cd 8779283 08e13cd 8779283 677b493 08e13cd 677b493 8779283 029a020 08e13cd 33a02ce b55aea3 33a02ce b5849a6 33a02ce 212e56b 33a02ce 212e56b 33a02ce 707b7dc 33a02ce b55aea3 33a02ce 707b7dc 33a02ce b55aea3 33a02ce b5849a6 33a02ce 707b7dc 33a02ce b55aea3 33a02ce b5849a6 707b7dc b5849a6 33a02ce b55aea3 33a02ce b5849a6 33a02ce b5849a6 707b7dc 33a02ce b55aea3 33a02ce 707b7dc 33a02ce b55aea3 33a02ce c430b58 707b7dc 33a02ce b55aea3 33a02ce 707b7dc 33a02ce b55aea3 33a02ce 707b7dc 33a02ce c430b58 33a02ce c430b58 33a02ce 707b7dc 33a02ce 707b7dc 33a02ce b5849a6 33a02ce 707b7dc 33a02ce b5849a6 33a02ce 707b7dc 33a02ce b55aea3 33a02ce 707b7dc 33a02ce 707b7dc 33a02ce b5849a6 33a02ce 707b7dc 33a02ce 707b7dc 33a02ce b5849a6 b55aea3 b5849a6 766bf53 b5849a6 504f370 b5849a6 504f370 b5849a6 504f370 707b7dc b5849a6 504f370 b5849a6 b89a5cc b5849a6 72921f6 5282526 b55aea3 b5849a6 b89a5cc b5849a6 72921f6 5282526 b55aea3 b5849a6 b89a5cc b5849a6 efeeb3b b5849a6 9d2eabe f15befd b5849a6 72921f6 5282526 b55aea3 b5849a6 b89a5cc b5849a6 37329aa b5849a6 9d2eabe f15befd b5849a6 2f69a4f 5282526 b55aea3 b5849a6 b89a5cc b5849a6 72921f6 5282526 b55aea3 b5849a6 b89a5cc b5849a6 72921f6 5282526 b55aea3 b5849a6 2f69a4f b5849a6 3960620 9d2eabe f15befd b5849a6 72921f6 5282526 b55aea3 b5849a6 d85bd91 b89a5cc b5849a6 fcf824c b5849a6 fcf824c b5849a6 fcf824c b5849a6 72921f6 5282526 b55aea3 b5849a6 b89a5cc b5849a6 72921f6 5282526 b55aea3 b5849a6 37329aa b89a5cc 37329aa a18ba8b 37329aa a18ba8b 37329aa a18ba8b 37329aa 72921f6 5282526 37329aa 33a02ce b5849a6 b89a5cc b5849a6 7f4546c b5849a6 b89a5cc b5849a6 b89a5cc b5849a6 b55aea3 b5849a6 2f69a4f b5849a6 2f69a4f b5849a6 2f69a4f b5849a6 88404fb b5849a6 2f69a4f b5849a6 2f69a4f b5849a6 72921f6 b5849a6 2c46315 72921f6 2c46315 72921f6 37329aa 72921f6 9d2eabe 72921f6 9d2eabe 72921f6 9d2eabe 72921f6 2c46315 72921f6 b5849a6 2c46315 b5849a6 72921f6 b5849a6 33a02ce b5849a6 37329aa 33a02ce b5849a6 33a02ce 6839970 75730ec dfaf6c1 11d46da 5c41f19 593d3df 6839970 ca644fa 6839970 8da3d7c 6839970 2e9b010 a091dde 2e9b010 8da3d7c 2e9b010 6839970 ca644fa 6839970 8da3d7c 6839970 fa0b846 8da3d7c 6839970 593d3df 6839970 2ca7cf0 119e341 593d3df 04372a4 3c26806 04372a4 3c26806 04372a4 46f46f2 593d3df edcf6fe 593d3df 75e16af 9400754 7c8c711 af57cba 46f46f2 af57cba 46f46f2 f15befd af57cba 46f46f2 af57cba 593d3df 677b493 ae090c3 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316 1317 1318 1319 1320 1321 1322 1323 1324 1325 1326 1327 1328 1329 1330 1331 1332 1333 1334 1335 1336 1337 1338 1339 1340 1341 1342 1343 1344 1345 1346 1347 1348 1349 1350 1351 1352 1353 1354 1355 1356 1357 1358 1359 1360 1361 1362 1363 1364 1365 1366 1367 1368 1369 1370 1371 1372 1373 1374 1375 1376 1377 1378 1379 1380 1381 1382 1383 1384 1385 1386 1387 1388 1389 1390 1391 1392 1393 1394 1395 1396 1397 1398 1399 1400 1401 1402 1403 1404 1405 1406 1407 1408 1409 1410 1411 1412 1413 1414 1415 1416 1417 1418 1419 1420 1421 1422 1423 1424 1425 1426 1427 1428 1429 1430 1431 1432 1433 1434 1435 1436 1437 1438 1439 1440 1441 1442 1443 1444 1445 1446 1447 1448 1449 1450 1451 1452 1453 1454 1455 1456 1457 1458 1459 1460 1461 1462 1463 1464 1465 1466 1467 1468 1469 1470 1471 1472 1473 1474 1475 1476 1477 1478 1479 1480 1481 1482 1483 1484 1485 1486 1487 1488 1489 1490 1491 1492 1493 1494 1495 1496 1497 1498 1499 1500 1501 1502 1503 1504 1505 1506 1507 1508 1509 1510 1511 1512 1513 1514 1515 1516 1517 1518 1519 1520 1521 1522 1523 1524 1525 1526 1527 1528 1529 1530 1531 1532 1533 1534 1535 1536 1537 1538 1539 1540 1541 1542 1543 1544 1545 1546 1547 1548 1549 1550 1551 1552 1553 1554 1555 1556 1557 1558 1559 1560 1561 1562 1563 1564 1565 1566 1567 1568 1569 1570 1571 1572 1573 1574 1575 1576 1577 1578 1579 1580 1581 1582 1583 1584 1585 1586 1587 1588 1589 1590 1591 1592 1593 1594 1595 1596 1597 1598 1599 1600 1601 1602 1603 1604 1605 1606 1607 1608 1609 1610 1611 1612 1613 1614 1615 1616 1617 1618 1619 1620 1621 1622 1623 1624 1625 1626 1627 1628 1629 1630 1631 1632 1633 1634 1635 1636 1637 1638 1639 1640 1641 1642 1643 1644 1645 1646 1647 1648 1649 1650 1651 1652 1653 1654 1655 1656 1657 1658 1659 1660 1661 1662 1663 1664 1665 1666 1667 1668 1669 1670 1671 1672 1673 1674 1675 1676 1677 1678 1679 1680 1681 1682 1683 1684 1685 1686 1687 1688 1689 1690 1691 1692 1693 1694 1695 1696 1697 1698 1699 1700 1701 1702 1703 1704 1705 1706 1707 1708 1709 1710 1711 1712 1713 1714 1715 1716 1717 1718 1719 1720 1721 1722 1723 1724 1725 1726 1727 1728 1729 1730 1731 1732 1733 1734 1735 1736 1737 1738 1739 1740 1741 1742 1743 1744 1745 1746 1747 1748 1749 1750 1751 1752 1753 1754 1755 1756 1757 1758 1759 1760 1761 1762 1763 1764 1765 1766 1767 1768 1769 1770 1771 1772 1773 1774 1775 1776 1777 1778 1779 1780 1781 1782 1783 1784 1785 1786 1787 1788 1789 1790 1791 1792 1793 1794 1795 1796 1797 1798 1799 1800 1801 1802 1803 1804 1805 1806 1807 1808 1809 1810 1811 1812 1813 1814 1815 1816 1817 1818 1819 1820 1821 1822 1823 1824 1825 1826 1827 1828 1829 1830 1831 1832 1833 1834 1835 1836 1837 1838 1839 1840 1841 1842 1843 1844 1845 1846 1847 1848 1849 1850 1851 1852 1853 1854 1855 1856 1857 1858 1859 1860 1861 1862 1863 1864 1865 1866 1867 1868 1869 1870 1871 1872 1873 1874 1875 1876 1877 1878 1879 1880 1881 1882 1883 1884 1885 1886 1887 1888 1889 1890 1891 1892 1893 1894 1895 1896 1897 1898 1899 1900 1901 1902 1903 1904 1905 1906 1907 1908 1909 1910 1911 1912 1913 1914 1915 1916 1917 1918 1919 1920 1921 1922 1923 1924 1925 1926 1927 1928 1929 1930 1931 1932 |
import re
import gradio as gr
import os
import pandas as pd
import time
from langchain.schema import SystemMessage
#from langchain_community.chat_models.gigachat import GigaChat
from openpyxl import load_workbook
import plotly.graph_objects as go
import random
import pymorphy3
import string
import json
from mistralai import Mistral
from collections import defaultdict
import requests
import base64
import io
from transformers import AutoTokenizer, AutoModel
from utils import best_text_choice
import asyncio
import inspect
tokenizer = AutoTokenizer.from_pretrained("ai-forever/ru-en-RoSBERTa")
model = AutoModel.from_pretrained("ai-forever/ru-en-RoSBERTa")
# Load the DataFrame used in the best_text_choice function
unique_sms_df = pd.read_parquet('unique_texts.parquet')
MISTRAL_API_KEY = os.getenv('MISTRAL_API_KEY')
token = os.getenv('GITHUB_TOKEN')
# Клиент для генерации сообщений
client_mistral_generate = Mistral(api_key=MISTRAL_API_KEY)
# Клиент для выполнения проверок
client_mistral_check = Mistral(api_key=MISTRAL_API_KEY_2)
client_mistral_check_2 = Mistral(api_key=MISTRAL_API_KEY_3)
client_mistral_check_3 = Mistral(api_key=MISTRAL_API_KEY_4)
morph = pymorphy3.MorphAnalyzer()
# Авторизация в GigaChat Pro
#gc_key = os.getenv('GC_KEY')
# chat_pro = GigaChat(credentials=gc_key, model='GigaChat', max_tokens=68, temperature=1.15, verify_ssl_certs=False)
# chat_pro = GigaChat(
# credentials=gc_key,
# model='GigaChat-Pro-preview',
# base_url='https://gigachat-preview.devices.sberbank.ru/api/v1/',
# max_tokens=68,
# temperature=1.15,
# verify_ssl_certs=False
#)
#chat_pro_check = GigaChat(
# credentials=gc_key,
# model='GigaChat-Pro-preview',
# base_url='https://gigachat-preview.devices.sberbank.ru/api/v1/',
# max_tokens=3000,
# temperature=0.8,
# verify_ssl_certs=False
#)
approach_stats = {
"Начни сообщение с призыва к действию с продуктом.": {"failed_checks": defaultdict(int), "total_attempts": 0},
"Начни сообщение с указания на пользу продукта. Используй глагол в побудительном наклонении.": {"failed_checks": defaultdict(int), "total_attempts": 0},
"Начни сообщение с вопроса, который указывает на пользу продукта для клиента.": {"failed_checks": defaultdict(int), "total_attempts": 0}
}
# Загрузка данных из Excel-файла
try:
data = pd.read_excel('Признаки.xlsx', sheet_name=None)
except Exception as e:
print(f"Ошибка при загрузке Excel-файла: {e}")
data = {}
# Создание списка признаков и их значений
features = {}
for sheet_name, df in data.items():
try:
if sheet_name == "Пол Поколение Психотип":
features[sheet_name] = df.set_index(['Пол', 'Поколение', 'Психотип'])['Инструкция'].to_dict()
elif sheet_name == "Подход":
features[sheet_name] = df # Сохраняем как DataFrame
else:
features[sheet_name] = df.set_index(df.columns[0]).to_dict()[df.columns[1]]
except Exception as e:
print(f"Ошибка при обработке данных листа {sheet_name}: {e}")
features[sheet_name] = {}
def save_statistics_to_github(approach_stats):
repo = "fruitpicker01/Storage_dev"
timestamp = int(time.time())
json_path = f"check_{timestamp}.json"
csv_path = "checks.csv"
url_json = f"https://api.github.com/repos/{repo}/contents/{json_path}"
url_csv = f"https://api.github.com/repos/{repo}/contents/{csv_path}"
headers = {
"Authorization": f"token {token}",
"Content-Type": "application/json"
}
# Подготовка данных для JSON
json_data = {
"timestamp": timestamp,
"approach_stats": approach_stats
}
json_content = json.dumps(json_data, ensure_ascii=False, indent=4)
json_content_encoded = base64.b64encode(json_content.encode('utf-8')).decode('utf-8')
data_json = {
"message": f"Добавлен новый файл {json_path}",
"content": json_content_encoded
}
# Сохранение JSON-файла
response = requests.put(url_json, headers=headers, data=json.dumps(data_json))
if response.status_code in [200, 201]:
print("JSON-файл успешно сохранен на GitHub")
else:
print(f"Ошибка при сохранении JSON-файла: {response.status_code} {response.text}")
# Подготовка данных для CSV
import pandas as pd
rows = []
for approach, stats in approach_stats.items():
for check_name, count in stats["failed_checks"].items():
rows.append({
"Timestamp": timestamp,
"Approach": approach,
"Check": check_name,
"Failed_Count": count,
"Total_Attempts": stats["total_attempts"]
})
df = pd.DataFrame(rows)
# Проверяем, существует ли уже файл CSV
response = requests.get(url_csv, headers=headers)
if response.status_code == 200:
# Файл существует, загружаем и добавляем данные
content = response.json()
csv_content = base64.b64decode(content['content']).decode('utf-8')
existing_df = pd.read_csv(io.StringIO(csv_content))
df = pd.concat([existing_df, df], ignore_index=True)
sha = content['sha']
else:
# Файл не существует
sha = None
csv_content = df.to_csv(index=False)
csv_content_encoded = base64.b64encode(csv_content.encode('utf-8')).decode('utf-8')
data_csv = {
"message": "Обновление файла checks.csv",
"content": csv_content_encoded
}
if sha:
data_csv["sha"] = sha
# Сохранение CSV-файла
response = requests.put(url_csv, headers=headers, data=json.dumps(data_csv))
if response.status_code in [200, 201]:
print("CSV-файл успешно сохранен на GitHub")
else:
print(f"Ошибка при сохранении CSV-файла: {response.status_code} {response.text}")
# Функция для смены вкладки
def change_tab(id):
return gr.Tabs(selected=id)
# Вспомогательная функция для добавления префиксов и суффиксов
def add_prefix_suffix(prompt, prefix, suffix, product_name):
new_prompt = f"{prefix}\n"
# Добавляем инструкцию после prefix
new_prompt += f"Не изменяй название продукта: {product_name}.\n"
new_prompt += f"{prompt}\n"
# Добавляем инструкцию перед suffix
new_prompt += f"Убедись, что в готовом тексте без изменений, синонимов и перестановок слов используется наименование продукта: {product_name}.\n"
new_prompt += f"{suffix}"
return new_prompt
# Функция для обрезки сообщения до последнего знака препинания
def clean_message(message):
if not message.endswith(('.', '!', '?')):
last_period = max(message.rfind('.'), message.rfind('!'), message.rfind('?'))
if last_period != -1:
message = message[:last_period + 1]
return message
# Функция для генерации сообщения с GigaChat Pro
#def generate_message_gigachat_pro(prompt):
# try:
# messages = [SystemMessage(content=prompt)]
# res = chat_pro(messages)
# cleaned_message = clean_message(res.content.strip())
# return cleaned_message
# except Exception as e:
# return f"Ошибка при обращении к GigaChat-Pro: {e}"
async def generate_message_mistral_generate(prompt, max_retries=5):
#def generate_message_mistral_generate(prompt):
# try:
# messages = [SystemMessage(content=prompt)]
# res = chat_pro(messages)
# cleaned_message = clean_message(res.content.strip())
# return cleaned_message
# except Exception as e:
# return f"Ошибка при обращении к GigaChat-Pro: {e}"
retries = 0
while retries < max_retries:
try:
chat_response = await client_mistral_generate.chat.complete_async(
model="mistral-large-latest",
temperature=1.0,
min_tokens=81,
max_tokens=108,
messages=[
{
"role": "user",
"content": prompt
},
]
)
cleaned_message = clean_message(chat_response.choices[0].message.content.strip())
return cleaned_message
except Exception as e:
error_message = str(e)
if "Status 429" in error_message or "Server disconnected without sending a response" in error_message:
wait_time = 3
print(f"Rate limit exceeded or server did not respond. Waiting {wait_time} seconds before retrying...")
await asyncio.sleep(wait_time)
retries += 1
else:
print(f"Error calling Mistral: {e}")
return None
print("Failed to get response from Mistral after maximum retries.")
return None
async def generate_message_mistral_check(prompt, max_retries=5):
#def generate_message_mistral_check(prompt):
# try:
# messages = [SystemMessage(content=prompt)]
# res2 = chat_pro_check(messages)
# cleaned_message = clean_message(res2.content.strip())
# return cleaned_message
# except Exception as e:
# return f"Ошибка при обращении к GigaChat-Pro: {e}"
retries = 0
while retries < max_retries:
try:
chat_response = await client_mistral_check.chat.complete_async(
model="mistral-large-latest",
temperature=0.2,
messages=[
{
"role": "user",
"content": prompt
},
]
)
cleaned_message = clean_message(chat_response.choices[0].message.content.strip())
return cleaned_message
except Exception as e:
error_message = str(e)
if "Status 429" in error_message or "Server disconnected without sending a response" in error_message:
wait_time = 3
print(f"Rate limit exceeded or server did not respond. Waiting {wait_time} seconds before retrying...")
await asyncio.sleep(wait_time)
retries += 1
else:
print(f"Error calling Mistral: {e}")
return None
print("Failed to get response from Mistral after maximum retries.")
return None
async def generate_message_mistral_check_2(prompt, max_retries=5):
#def generate_message_mistral_check(prompt):
# try:
# messages = [SystemMessage(content=prompt)]
# res2 = chat_pro_check(messages)
# cleaned_message = clean_message(res2.content.strip())
# return cleaned_message
# except Exception as e:
# return f"Ошибка при обращении к GigaChat-Pro: {e}"
retries = 0
while retries < max_retries:
try:
chat_response = await client_mistral_check_2.chat.complete_async(
model="mistral-large-latest",
temperature=0.2,
messages=[
{
"role": "user",
"content": prompt
},
]
)
cleaned_message = clean_message(chat_response.choices[0].message.content.strip())
return cleaned_message
except Exception as e:
error_message = str(e)
if "Status 429" in error_message or "Server disconnected without sending a response" in error_message:
wait_time = 3
print(f"Rate limit exceeded or server did not respond. Waiting {wait_time} seconds before retrying...")
await asyncio.sleep(wait_time)
retries += 1
else:
print(f"Error calling Mistral: {e}")
return None
print("Failed to get response from Mistral after maximum retries.")
return None
async def generate_message_mistral_check_3(prompt, max_retries=5):
#def generate_message_mistral_check(prompt):
# try:
# messages = [SystemMessage(content=prompt)]
# res2 = chat_pro_check(messages)
# cleaned_message = clean_message(res2.content.strip())
# return cleaned_message
# except Exception as e:
# return f"Ошибка при обращении к GigaChat-Pro: {e}"
retries = 0
while retries < max_retries:
try:
chat_response = await client_mistral_check_3.chat.complete_async(
model="mistral-large-latest",
temperature=0.2,
messages=[
{
"role": "user",
"content": prompt
},
]
)
cleaned_message = clean_message(chat_response.choices[0].message.content.strip())
return cleaned_message
except Exception as e:
error_message = str(e)
if "Status 429" in error_message or "Server disconnected without sending a response" in error_message:
wait_time = 3
print(f"Rate limit exceeded or server did not respond. Waiting {wait_time} seconds before retrying...")
await asyncio.sleep(wait_time)
retries += 1
else:
print(f"Error calling Mistral: {e}")
return None
print("Failed to get response from Mistral after maximum retries.")
return None
#def generate_check_gigachat_pro(prompt):
# try:
# messages = [SystemMessage(content=prompt)]
# res2 = chat_pro_check(messages)
# cleaned_message = clean_message(res2.content.strip())
# return cleaned_message
# except Exception as e:
# return f"Ошибка при обращении к GigaChat-Pro: {e}"
# Функция для замены сокращений с 'k' или 'К' на тысячи
def replace_k_with_thousands(message):
if not isinstance(message, str):
return message # or you can return an empty string
message = re.sub(r'(\d+)[kкКK]', r'\1 000', message, flags=re.IGNORECASE)
return message
def correct_dash_usage(text):
morph = pymorphy3.MorphAnalyzer()
# Step 1: Replace any dash with long dash if surrounded by spaces
text = re.sub(r'\s[-–—]\s', ' — ', text)
# Step 2: Replace any dash with short dash if surrounded by numbers without spaces
text = re.sub(r'(?<=\d)[-–—](?=\d)', '–', text)
# Step 3: Replace any dash with hyphen if surrounded by letters or a combination of letters and digits
text = re.sub(r'(?<=[a-zA-Zа-яА-Я0-9])[-–—](?=[a-zA-Zа-яА-Я0-9])', '-', text)
# Step 4: Replace quotation marks "..." with «...»
text = re.sub(r'"([^\"]+)"', r'«\1»', text)
# Step 5: Remove single quotes
if text.count('"') == 1:
text = text.replace('"', '')
# Step 6: Remove outer quotes if the entire text is enclosed in quotes (straight or elided)
if (text.startswith('"') and text.endswith('"')) or (text.startswith('«') and text.endswith('»')):
text = text[1:-1].strip()
# Step 7: Replace 100k with 100 000
text = re.sub(r'(\d+)[kкКK]', r'\1 000', text, flags=re.IGNORECASE)
# Step 8: Remove first sentence if it contains greetings and is less than 5 words
greeting_patterns = [
r"привет\b", r"здравствуй", r"добрый\s(день|вечер|утро)",
r"дорогой\b", r"уважаемый\b", r"дорогая\b", r"уважаемая\b",
r"господин\b", r"госпожа\b", r"друг\b", r"коллега\b",
r"товарищ\b", r"приятель\b", r"подруга\b"
]
def is_greeting_sentence(sentence):
words = sentence.split()
if len(words) < 5: # Check if sentence is less than 5 words
for word in words:
parsed = morph.parse(word.lower())[0] # Parse the word to get its base form
for pattern in greeting_patterns:
if re.search(pattern, parsed.normal_form):
return True
return False
# Split text into sentences
sentences = re.split(r'(?<=[.!?])\s+', text)
# Check the first sentence for greetings and remove it if necessary
if sentences and is_greeting_sentence(sentences[0]):
sentences = sentences[1:]
# Join the sentences back
text = ' '.join(sentences)
def restore_yo(text):
morph = pymorphy3.MorphAnalyzer()
words = text.split()
restored_words = []
for word in words:
# Пропускать обработку, если слово полностью в верхнем регистре (аббревиатуры)
if word.isupper():
restored_words.append(word)
continue
# Пропускать обработку, если слово "все" (независимо от регистра)
if word.lower() == "все":
restored_words.append(word)
continue
# Обработка остальных слов
parsed = morph.parse(word)[0]
restored_word = parsed.word
# Сохраняем оригинальный регистр первой буквы
if word and word[0].isupper():
restored_word = restored_word.capitalize()
restored_words.append(restored_word)
return ' '.join(restored_words)
text = restore_yo(text)
# Step 9: Replace common abbreviations and acronyms (Ип -> ИП, Ооо -> ООО, Рф -> РФ)
text = re.sub(r'\bИп\b', 'ИП', text, flags=re.IGNORECASE)
text = re.sub(r'\bОоо\b', 'ООО', text, flags=re.IGNORECASE)
text = re.sub(r'\bРф\b', 'РФ', text, flags=re.IGNORECASE)
# Step 10: Replace specific words (пользуйтесь -> пользуйтесь, ею -> ей)
text = re.sub(r'\bпользовуйтесь\b', 'пользуйтесь', text, flags=re.IGNORECASE)
text = re.sub(r'\bею\b', 'ей', text, flags=re.IGNORECASE)
text = re.sub(r'\bповышьте\b', 'повысьте', text, flags=re.IGNORECASE)
text = re.sub(r'\bСбербизнес\b', 'СберБизнес', text, flags=re.IGNORECASE)
text = re.sub(r'\bСбербизнеса\b', 'СберБизнес', text, flags=re.IGNORECASE)
text = re.sub(r'\bСбербизнесе\b', 'СберБизнес', text, flags=re.IGNORECASE)
text = re.sub(r'\bСбербанк\b', 'СберБанк', text, flags=re.IGNORECASE)
text = re.sub(r'\bвашего ООО\b', 'вашей компании', text, flags=re.IGNORECASE)
text = re.sub(r'\b0₽\b', '0 р', text, flags=re.IGNORECASE)
text = re.sub(r'\b₽\b', 'р', text, flags=re.IGNORECASE)
# Step 11: Replace all forms of "рублей", "рубля", "руб." with "р"
# Используем два отдельных регулярных выражения для точности
# 1. Заменяем "руб." на "р", учитывая, что "руб." может быть перед символом "/" или другим несловесным символом
text = re.sub(r'\bруб\.(?=\W|$)', 'р', text, flags=re.IGNORECASE)
# 2. Заменяем "рубля" и "рублей" на "р"
text = re.sub(r'\bруб(?:ля|лей)\b', 'р', text, flags=re.IGNORECASE)
# Step 12: Replace thousands and millions with appropriate abbreviations
text = re.sub(r'(\d+)\s+тысяч(?:а|и)?(?:\s+рублей)?', r'\1 000 р', text, flags=re.IGNORECASE)
text = re.sub(r'(\d+)\s*тыс\.\s*руб\.', r'\1 000 р', text, flags=re.IGNORECASE)
text = re.sub(r'(\d+)\s*тыс\.\s*р\.', r'\1 000 р', text, flags=re.IGNORECASE)
text = re.sub(r'(\d+)\s*тыс\.\s*р', r'\1 000 р', text, flags=re.IGNORECASE)
# Replace millions with "млн"
text = re.sub(r'(\d+)\s+миллиона\b|\bмиллионов\b', r'\1 млн', text, flags=re.IGNORECASE)
text = re.sub(r'(\d+)\s*млн\s*руб\.', r'\1 млн р', text, flags=re.IGNORECASE)
# Ensure space formatting around currency abbreviations
text = re.sub(r'(\d+)\s*р\b', r'\1 р', text)
# Step 13: Remove sentences containing "никаких посещений" or "никаких визитов"
def remove_specific_sentences(text):
sentences = re.split(r'(?<=[.!?])\s+', text) # Разбиваем текст на предложения
filtered_sentences = [
sentence for sentence in sentences
if not re.search(r'\bникаких\s+(посещений|визитов)\b', sentence, flags=re.IGNORECASE)
]
return ' '.join(filtered_sentences)
# Шаг 14: Замена чисел вида "5 000 000 р" на "5 млн р"
text = re.sub(r'\b(\d+)\s+000\s+000\s*р\b', r'\1 млн р', text, flags=re.IGNORECASE)
text = re.sub(r' р р ', r' р ', text, flags=re.IGNORECASE)
text = remove_specific_sentences(text)
return text
# Функция для добавления ошибок в промпт для перегенерации
def append_errors_to_prompt(prompt, checks):
# Словарь с сообщениями об ошибках для каждого правила
error_messages = {
"forbidden_words": "Не использовать запрещённые слова: номер один, №1, № 1, номер, вкусный, дешёвый, продукт, спам, банкротство, долг, займ, срочный, главный, гарантия, успех, лидер.",
"client_addressing": "Не обращаться к клиенту напрямую.",
"promises": "Не давать обещания и гарантии.",
"double_verbs": "Не использовать два глагола подряд (например, 'хочешь оформить').",
"participles": "Не использовать причастия.",
"adverbial_participles": "Не использовать деепричастия.",
"superlative_adjectives": "Не использовать превосходную степень прилагательных.",
"passive_voice": "Избегать страдательного залога.",
"written_out_ordinals": "Не использовать порядковые числительные от 10 прописью.",
"subordinate_clauses_chain": "Избегать цепочек с придаточными предложениями.",
"repeating_conjunctions": "Не использовать разделительные повторяющиеся союзы.",
"introductory_phrases": "Не использовать вводные конструкции.",
"amplifiers": "Не использовать усилители.",
"time_parasites": "Не использовать 'паразиты времени'.",
"multiple_nouns": "Избегать нескольких существительных подряд.",
"derived_prepositions": "Не использовать производные предлоги.",
"compound_sentences": "Избегать сложноподчиненных предложений.",
"dates_written_out": "Не писать даты прописью.",
"no_word_repetitions": "Избегать повторов слов.",
"disconnected_sentences": "Избегать сложных предложений без логической связи.",
"synonymous_members": "Не использовать близкие по смыслу однородные члены предложения.",
"clickbait_phrases": "Не использовать кликбейтные фразы.",
"abstract_claims": "Избегать абстрактных заявлений без доказательств.",
"specialized_terms": "Не использовать узкоспециализированные термины.",
"offensive_phrases": "Избегать двусмысленных или оскорбительных фраз.",
"cliches_and_bureaucratese": "Не использовать речевые клише, рекламные штампы, канцеляризмы.",
"no_contradictions": "Избегать противоречий с описанием предложения.",
"contains_key_message": "Обязательно включить ключевое сообщение.",
"product_name_consistency": "Обязательно использовать точное наименование продукта."
}
# Находим первую не пройденную проверку
for check_name, passed in checks.items():
if passed is False:
error_message = error_messages.get(check_name, f"Ошибка в проверке {check_name}.")
error_instruction = "Следующую ошибку необходимо избежать:\n" + error_message
prompt += f"\n\n{error_instruction}"
break # Останавливаемся на первой ошибке
return prompt
def notify_failed_length(message_length):
if message_length < 190:
gr.Warning(f"Сообщение слишком короткое: {message_length} знаков. Минимум 190.")
return False
elif message_length > 250:
gr.Warning(f"Сообщение слишком длинное: {message_length} знаков. Максимум 250.")
return False
return True
# Функция для уведомления о непройденных проверках
def notify_failed_checks(checks):
translation = {
"forbidden_words": "Запрещенные слова",
"client_addressing": "Обращение к клиенту",
"promises": "Обещания и гарантии",
"double_verbs": "Два глагола подряд",
"participles": "Причастия",
"adverbial_participles": "Деепричастия",
"superlative_adjectives": "Превосходная степень",
"passive_voice": "Страдательный залог",
"written_out_ordinals": "Порядковые числительные",
"subordinate_clauses_chain": "Цепочки с придаточными предложениями",
"repeating_conjunctions": "Разделительные повторяющиеся союзы",
"introductory_phrases": "Вводные конструкции",
"amplifiers": "Усилители",
"time_parasites": "Паразиты времени",
"multiple_nouns": "Несколько существительных подряд",
"derived_prepositions": "Производные предлоги",
"compound_sentences": "Сложноподчиненные предложения",
"dates_written_out": "Даты прописью",
"no_word_repetitions": "Повторы слов",
"disconnected_sentences": "Сложные предложения без логической связи",
"synonymous_members": "Близкие по смыслу однородные члены предложения",
"clickbait_phrases": "Кликбейтные фразы",
"abstract_claims": "Абстрактные заявления без доказательств",
"specialized_terms": "Узкоспециализированные термины",
"offensive_phrases": "Двусмысленные или оскорбительные фразы",
"cliches_and_bureaucratese": "Речевые клише, рекламные штампы, канцеляризмы",
"no_contradictions": "Противоречия с описанием предложения",
"contains_key_message": "Отсутствие ключевого сообщения",
"product_name_consistency": "Несовпадение наименования продукта"
}
# Находим первую не пройденную проверку
for check_name, passed in checks.items():
if not passed:
failed_check = translation.get(check_name, check_name)
gr.Warning(f"Сообщение не прошло следующую проверку: {failed_check}")
break # Останавливаемся на первой ошибке
else:
# Если все проверки пройдены, выводим уведомление
gr.Warning("ВСЕ ПРОВЕРКИ ПРОЙДЕНЫ")
# Модифицированная функция перегенерации сообщений с уведомлениями о номере попытки
#def generate_message_gigachat_pro_with_retry(prompt, current_prefix, description, key_message):
# global approach_stats
# last_message = None
# for attempt in range(30):
# gr.Info(f"Итерация {attempt + 1}: генерируется сообщение...")
# message = generate_message_gigachat_pro(prompt)
# message = replace_k_with_thousands(message)
# message = correct_dash_usage(message)
# message_length = len(message)
# if not notify_failed_length(message_length):
# last_message = message
# time.sleep(1)
# continue
# checks = perform_checks(message, description, key_message)
# last_message = message
# approach_stats[current_prefix]["total_attempts"] += 1
# for check_name, passed in checks.items():
# if passed is False:
# approach_stats[current_prefix]["failed_checks"][check_name] += 1
# break
# notify_failed_checks(checks) # Вызываем функцию независимо от результата проверок
# if all(checks.values()):
# return message
# prompt = append_errors_to_prompt(prompt, checks)
# time.sleep(1)
# gr.Info("Не удалось сгенерировать сообщение, соответствующее требованиям, за 20 итераций. Возвращаем последнее сгенерированное сообщение.")
# return last_message
async def generate_message_mistral_with_retry(prompt, approach_name, description, key_message, product_name, benefits):
global approach_stats
last_message = None
for attempt in range(20):
gr.Info(f"Iteration {attempt + 1}: generating message...")
message = await generate_message_mistral_generate(prompt)
if message is None:
print("Failed to get message from Mistral, retrying...")
# await asyncio.sleep(1)
continue
message = replace_k_with_thousands(message)
message = correct_dash_usage(message)
message_length = len(message)
if not notify_failed_length(message_length):
last_message = message
# await asyncio.sleep(1)
continue
checks = await perform_checks(message, description, key_message, product_name, benefits)
last_message = message
# Инициализируем статистику для подхода, если ее нет
if approach_name not in approach_stats:
approach_stats[approach_name] = {"failed_checks": defaultdict(int), "total_attempts": 0}
approach_stats[approach_name]["total_attempts"] += 1
for check_name, passed in checks.items():
if passed is False:
approach_stats[approach_name]["failed_checks"][check_name] += 1
break
notify_failed_checks(checks)
if all(checks.values()):
return message
prompt = append_errors_to_prompt(prompt, checks)
# await asyncio.sleep(1)
gr.Info("Не удалось сгенерировать сообщение, соответствующее требованиям, за 20 итераций. Возвращаем последнее сгенерированное сообщение.")
return last_message
# Функция для создания задания для копирайтера
def generate_standard_prompt(description, benefits, key_message, *selected_values):
prompt = (
f"Сгенерируй смс-сообщение для клиента. Напиши 3 или 4 предложения.\n"
f"Описание предложения: {description}\n"
f"Преимущества: {benefits}\n"
"В тексте смс запрещено использование:\n"
"- Запрещенные слова: № один, номер один, № 1, вкусный, дешёвый, продукт, спам, доступный, банкротство, долги, займ, срочно, сейчас, лучший, главный, номер 1, гарантия, успех, лидер, никакой;\n"
"- Повторы слов;\n"
"- Обращение к клиенту;\n"
"- Приветствие клиента;\n"
"- Обещания и гарантии;\n"
"- Использовать составные конструкции из двух глаголов;\n"
"- Причастия и причастные обороты;\n"
"- Деепричастия и деепричастные обороты;\n"
"- Превосходная степень прилагательных;\n"
"- Страдательный залог;\n"
"- Порядковые числительные от 10 прописью;\n"
"- Цепочки с придаточными предложениями;\n"
"- Разделительные повторяющиеся союзы;\n"
"- Вводные конструкции;\n"
"- Усилители;\n"
"- Паразиты времени;\n"
"- Несколько существительных подряд, в том числе отглагольных;\n"
"- Производные предлоги;\n"
"- Сложные предложения, в которых нет связи между частями;\n"
"- Сложноподчинённые предложения;\n"
"- Даты прописью;\n"
"- Близкие по смыслу однородные члены предложения;\n"
"- Шокирующие, экстравагантные, кликбейтные фразы;\n"
"- Абстрактные заявления без поддержки фактами и отсутствие доказательства пользы для клиента;\n"
"- Гарантирующие фразы;\n"
"- Узкоспециализированные термины;\n"
"- Фразы, способные создать двойственное ощущение, обидеть;\n"
"- Речевые клише, рекламные штампы, канцеляризмы;\n"
"Убедись, что в готовом тексте до 250, но не менее 190 знаков с пробелами. Убедись, что в готовом тексте не менее трех предложений.\n"
)
if key_message.strip():
prompt += f"Убедись, что в готовом тексте есть следующая ключевая информация: {key_message.strip()}"
return prompt
# Функция для создания задания для редактора с добавлением prefix и suffix
def generate_personalization_prompt(key_message, *selected_values, prefix, suffix, product_name):
prompt = f"{prefix}\n"
prompt += f"Не изменяй название продукта: {product_name}.\n"
prompt += "Адаптируй, не превышая длину сообщения в 250 знаков с пробелами (но и не менее 190 знаков с пробелами), текст с учетом следующих особенностей:\n"
gender, generation, psychotype = selected_values[0], selected_values[1], selected_values[2]
combined_instruction = ""
additional_instructions = ""
# Проверяем, выбраны ли все три параметра: Пол, Поколение, Психотип
if gender and generation and psychotype:
# Получаем данные с листа "Пол Поколение Психотип"
sheet = features.get("Пол Поколение Психотип", {})
# Ищем ключ, соответствующий комбинации "Пол", "Поколение", "Психотип"
key = (gender, generation, psychotype)
if key in sheet:
combined_instruction = sheet[key]
# Если не найдена комбинированная инструкция, добавляем индивидуальные инструкции
if not combined_instruction:
for i, feature in enumerate(["Пол", "Поколение", "Психотип"]):
if selected_values[i]:
try:
instruction = features[feature][selected_values[i]]
additional_instructions += f"{instruction}\n"
except KeyError:
return f"Ошибка: выбранное значение {selected_values[i]} не найдено в данных."
# Добавляем инструкции для остальных параметров (например, Отрасль)
for i, feature in enumerate(features.keys()):
if feature not in ["Пол", "Поколение", "Психотип", "Пол Поколение Психотип"]:
if i < len(selected_values) and selected_values[i]:
try:
instruction = features[feature][selected_values[i]]
additional_instructions += f"{instruction}\n"
except KeyError:
return f"Ошибка: выбранное значение {selected_values[i]} не найдено в данных."
# Формируем итоговый промпт
if combined_instruction:
prompt += combined_instruction # Добавляем комбинированную инструкцию, если она есть
if additional_instructions:
prompt += additional_instructions # Добавляем остальные инструкции
prompt += f"{suffix}"
prompt += f"Убедись, что в готовом тексте без изменений, синонимов и перестановок слов используется наименование продукта: {product_name}.\n"
if key_message.strip():
prompt += f"\nУбедись, что в готовом тексте есть следующая ключевая информация: {key_message.strip()}"
return prompt.strip()
# Функция для удаления префиксов, суффиксов и пустых строк перед выводом на экран
def clean_prompt_for_display(prompt, prefixes, suffixes):
# Удаляем префиксы и суффиксы
for prefix in prefixes:
prompt = prompt.replace(prefix, "")
for suffix in suffixes:
prompt = prompt.replace(suffix, "")
# Удаляем пустые строки
lines = prompt.split('\n')
non_empty_lines = [line for line in lines if line.strip() != '']
cleaned_prompt = '\n'.join(non_empty_lines)
return cleaned_prompt.strip()
# Функция для постепенной генерации всех сообщений через yield
async def generate_all_messages(desc, benefits, key_message, gender, generation, psychotype, business_stage, industry, opf, product_name):
standard_prompt = generate_standard_prompt(desc, benefits, key_message)
standard_prompt_for_display = f"Не изменяй название продукта: {product_name}.\n{standard_prompt}\nУбедись, что в готовом тексте без изменений, синонимов и перестановок слов используется наименование продукта: {product_name}.\n"
approach_mapping = {
"Указание на пользу": (
"Начни сообщение с указания на пользу продукта. Используй глагол в побудительном наклонении.",
"Убедись, что готовый текст начинается с указания на пользу продукта и использования глагола в побудительном наклонении."
),
"Призыв к действию": (
"Начни сообщение с призыва к действию с продуктом.",
"Убедись, что готовый текст начинается с призыва к действию с продуктом."
),
"Вопрос": (
"Начни сообщение с вопроса, который указывает на пользу продукта для клиента.",
"Убедись, что готовый текст начинается с вопроса, который указывает на пользу продукта для клиента."
)
}
approaches_df = features.get("Подход", None)
if approaches_df is None:
gr.Warning("Таблица 'Подход' не найдена.")
return
filters = []
for param_name, param_value in [('Пол', gender), ('Поколение', generation), ('Психотип', psychotype)]:
if param_value:
filters.append(approaches_df[param_name].fillna('') == param_value)
else:
filters.append(approaches_df[param_name].isnull() | (approaches_df[param_name] == ''))
combined_filter = filters[0]
for f in filters[1:]:
combined_filter &= f
matching_rows = approaches_df[combined_filter]
if matching_rows.empty:
gr.Warning("Подход не найден для выбранных параметров.")
return
approach_list = []
for approaches in matching_rows['Подход']:
approach_names = [a.strip() for a in approaches.split(',')]
approach_list.extend(approach_names)
approach_list = list(set(approach_list)) # Убираем дубликаты
selected_approaches_text_content = ', '.join(approach_list)
yield selected_approaches_text_content, standard_prompt_for_display, None, None, None
non_personalized_messages = ''
personalized_messages = ''
flag = 1
# Подготовим список подходов для генерации 3 сообщений
if len(approach_list) == 0:
gr.Warning("Не выбрано ни одного подхода.")
return
elif len(approach_list) == 1:
approaches_for_messages = [approach_list[0]] * 3
elif len(approach_list) >= 2:
approaches_for_messages = [approach_list[0], approach_list[1], approach_list[0]]
else:
approaches_for_messages = approach_list[:3]
for approach_name in approaches_for_messages:
if approach_name not in approach_mapping:
gr.Warning(f"Неизвестный подход: {approach_name}")
continue
current_prefix, current_suffix = approach_mapping[approach_name]
personalization_prompt = generate_personalization_prompt(
key_message, gender, generation, psychotype, business_stage, industry, opf,
prefix=current_prefix, suffix=current_suffix, product_name=product_name
)
display_personalization_prompt = clean_prompt_for_display(personalization_prompt, [current_prefix], [current_suffix])
if flag == 1:
yield selected_approaches_text_content, standard_prompt_for_display, display_personalization_prompt, None, None
flag += 1
prompt = add_prefix_suffix(standard_prompt, current_prefix, current_suffix, product_name)
non_personalized_message = await generate_message_mistral_with_retry(prompt, approach_name, desc, key_message, product_name, benefits)
non_personalized_length = len(non_personalized_message)
non_personalized_display = f"{non_personalized_message}\n------\nКоличество знаков: {non_personalized_length}"
if non_personalized_messages:
non_personalized_messages += '\n\n' + non_personalized_display
else:
non_personalized_messages = non_personalized_display
yield (
selected_approaches_text_content, standard_prompt_for_display, display_personalization_prompt,
non_personalized_messages, personalized_messages
)
full_personalized_prompt = f"{personalization_prompt}\n\nТекст для адаптации: {non_personalized_message}"
personalized_message = await generate_message_mistral_with_retry(full_personalized_prompt, approach_name, desc, key_message, product_name, benefits)
personalized_length = len(personalized_message)
personalized_display = f"{personalized_message}\n------\nКоличество знаков: {personalized_length}"
if personalized_messages:
personalized_messages += '\n\n' + personalized_display
else:
personalized_messages = personalized_display
yield (
selected_approaches_text_content, standard_prompt_for_display, display_personalization_prompt,
non_personalized_messages, personalized_messages
)
# time.sleep(1)
save_statistics_to_github(approach_stats)
def rank_messages(non_personalized_messages, personalized_messages):
# Function to clean each message by removing metadata
def clean_message(msg):
# Remove metadata after '------'
if '------' in msg:
msg = msg.split('------')[0].strip()
return msg.strip()
# Split and clean non-personalized messages
non_personalized_list = [
clean_message(msg)
for msg in non_personalized_messages.strip().split('\n\n')
if msg.strip()
]
# Split and clean personalized messages
personalized_list = [
clean_message(msg)
for msg in personalized_messages.strip().split('\n\n')
if msg.strip()
]
# Rank non-personalized messages
ranked_non_personalized_df = best_text_choice(
non_personalized_list, unique_sms_df, tokenizer, model
)
# Rank personalized messages
ranked_personalized_df = best_text_choice(
personalized_list, unique_sms_df, tokenizer, model
)
# Extract messages from DataFrames
ranked_non_personalized_messages_list = ranked_non_personalized_df['text'].tolist()
ranked_personalized_messages_list = ranked_personalized_df['text'].tolist()
# Recompute lengths and reconstruct messages with metadata
def reconstruct_messages(messages_list):
display_list = []
for msg in messages_list:
msg_length = len(msg)
display_list.append(f"{msg}\n------\nКоличество знаков: {msg_length}")
return display_list
ranked_non_personalized_display = reconstruct_messages(ranked_non_personalized_messages_list)
ranked_personalized_display = reconstruct_messages(ranked_personalized_messages_list)
# Join the messages back into strings
ranked_non_personalized_messages = '\n\n'.join(ranked_non_personalized_display)
ranked_personalized_messages = '\n\n'.join(ranked_personalized_display)
return ranked_non_personalized_messages, ranked_personalized_messages
# ФУНКЦИИ ПРОВЕРОК (НАЧАЛО)
# 1. Запрещенные слова
def check_forbidden_words(message):
morph = pymorphy3.MorphAnalyzer()
# Перечень запрещённых слов и фраз
forbidden_patterns = [
r'№\s?1\b', r'номер\sодин\b', r'номер\s1\b',
r'вкусный', r'дешёвый', r'продукт',
r'спам', r'банкротство', r'долг[и]?', r'займ',
r'срочный', r'главный',
r'гарантия', r'успех', r'лидер', 'никакой'
]
# Удаляем знаки препинания для корректного анализа
message_without_punctuation = message.translate(str.maketrans('', '', string.punctuation))
# Замена всех слов, содержащих "бессроч", на временное значение
placeholder = "заменабессроч"
message_without_punctuation = re.sub(r'\b\w*бессроч\w*\b', placeholder, message_without_punctuation, flags=re.IGNORECASE)
# Проверка на наличие подстроки "лучш" (без учета регистра)
if re.search(r'лучш', message_without_punctuation, re.IGNORECASE):
return False
# Лемматизация слов сообщения
words = message_without_punctuation.split()
lemmas = [morph.parse(word)[0].normal_form for word in words]
# Восстановление всех слов с подстрокой "бессроч"
lemmas = [re.sub(r'заменабессроч', 'бессроч', word) for word in lemmas]
normalized_message = ' '.join(lemmas)
# Проверка на запрещённые фразы и леммы
for pattern in forbidden_patterns:
if re.search(pattern, normalized_message, re.IGNORECASE):
print(f"Не пройдена проверка: Запрещенные слова. Сообщение: {message}")
return False
return True
# 2 и #3. Обращение к клиенту и приветствие клиента
def check_no_greeting(message):
morph = pymorphy3.MorphAnalyzer()
# Список типичных обращений и приветствий
greeting_patterns = [
r"привет\b", r"здравствуй", r"добрый\s(день|вечер|утро)",
r"дорогой\b", r"уважаемый\b", r"дорогая\b", r"уважаемая\b",
r"господин\b", r"госпожа\b", r"друг\b", r"коллега\b",
r"товарищ\b", r"приятель\b", r"друг\b", r"подруга\b"
]
# Компилируем все шаблоны в один регулярное выражение
greeting_regex = re.compile('|'.join(greeting_patterns), re.IGNORECASE)
# Проверяем, начинается ли сообщение с шаблона приветствия или обращения
if greeting_regex.search(message.strip()):
print(f"Не пройдена проверка: Обращение к клиенту и приветствие клиента. Сообщение: {message}")
return False
return True
# 4. Обещания и гарантии
def check_no_promises(message):
morph = pymorphy3.MorphAnalyzer()
promise_patterns = [
"обещать", "обещание", "гарантировать", "обязаться", "обязать", "обязательство", "обязательный"
]
words = message.split()
lemmas = [morph.parse(word)[0].normal_form for word in words]
for pattern in promise_patterns:
if pattern in lemmas:
print(f"Не пройдена проверка: Обещания и гарантии. Сообщение: {message}")
return False
return True
# 5. Составные конструкции из двух глаголов
def check_no_double_verbs(message):
morph = pymorphy3.MorphAnalyzer()
# Разделяем текст по пробелам и знакам препинания
words = re.split(r'\s+|[.!?]', message)
morphs = [morph.parse(word)[0] for word in words]
for i in range(len(morphs) - 1):
# Проверяем, что оба слова являются глаголами (в любой форме, включая инфинитивы)
if (morphs[i].tag.POS in {'VERB', 'INFN'}) and (morphs[i+1].tag.POS in {'VERB', 'INFN'}):
# Проверяем, является ли первый глагол "хотеть" или "начинать"
if morphs[i].normal_form in ['хотеть', 'начинать', 'начать']:
return True
else:
print(f"Не пройдена проверка: Составные конструкции из двух глаголов. Сообщение: {message}")
return False
return True
# 6. Причастия и причастные обороты
def check_no_participles(message):
morph = pymorphy3.MorphAnalyzer()
words = message.split()
exceptions = {"повышенный", "увеличенный", "пониженный", "сниженный"}
for word in words:
parsed_word = morph.parse(word)[0]
lemma = parsed_word.normal_form
if 'PRTF' in parsed_word.tag and lemma not in exceptions:
print(f"Не пройдена проверка: Причастия и причастные обороты. Сообщение: {message}")
return False
return True
# 7. Деепричастия и деепричастные обороты
def check_no_adverbial_participles(message):
morph = pymorphy3.MorphAnalyzer()
words = message.split()
morphs = [morph.parse(word)[0] for word in words]
for morph in morphs:
if 'GRND' in morph.tag:
print(f"Не пройдена проверка: Деепричастия и деепричастные обороты. Сообщение: {message}")
return False
return True
# 8. Превосходная степень прилагательных
def check_no_superlative_adjectives(message):
morph = pymorphy3.MorphAnalyzer()
words = message.split()
morphs = [morph.parse(word)[0] for word in words]
for morph in morphs:
if 'Supr' in morph.tag:
print(f"Не пройдена проверка: Превосходная степень прилагательных. Сообщение: {message}")
return False
return True
# 9. Страдательный залог
def check_no_passive_voice(message):
morph = pymorphy3.MorphAnalyzer()
words = message.split()
morphs = [morph.parse(word)[0] for word in words]
for morph in morphs:
if 'PRTF' in morph.tag and ('passive' in morph.tag or 'в' in morph.tag):
print(f"Не пройдена проверка: Страдательный залог. Сообщение: {message}")
return False
return True
# 10. Порядковые числительные от 10 прописью
def check_no_written_out_ordinals(message):
morph = pymorphy3.MorphAnalyzer()
ordinal_words = [
"десятый", "одиннадцатый", "двенадцатый", "тринадцатый", "четырнадцатый", "пятнадцатый",
"шестнадцатый", "семнадцатый", "восемнадцатый", "девятнадцатый", "двадцатый"
]
words = message.split()
lemmas = [morph.parse(word)[0].normal_form for word in words]
for word in ordinal_words:
if word in lemmas:
print(f"Не пройдена проверка: Порядковые числительные от 10 прописью. Сообщение: {message}")
return False
return True
# 11. Цепочки с придаточными предложениями
def check_no_subordinate_clauses_chain(message):
# Регулярное выражение, которое ищет последовательности придаточных предложений
subordinate_clause_patterns = [
r'\b(который|которая|которое|которые)\b',
r'\b(если|потому что|так как|что|когда)\b',
r'\b(хотя|несмотря на то что)\b'
]
# Разделяем сообщение на предложения по точке, вопросительному и восклицательному знакам
sentences = re.split(r'[.!?]\s*', message)
count = 0
for sentence in sentences:
for pattern in subordinate_clause_patterns:
if re.search(pattern, sentence):
count += 1
# Если в предложении найдено более одного придаточного предложения подряд, возвращаем False
return count < 2
# 12. Разделительные повторяющиеся союзы
def check_no_repeating_conjunctions(message):
# Регулярное выражение для поиска разделительных повторяющихся союзов с запятой перед вторым союзом
repeating_conjunctions_patterns = r'\b(и|ни|то|не то|или|либо)\b\s*(.*?)\s*,\s*\b\1\b'
# Разделяем сообщение на предложения по точке, вопросительному и восклицательному знакам
sentences = re.split(r'[.!?]\s*', message)
# Проверяем каждое предложение отдельно
for sentence in sentences:
if re.search(repeating_conjunctions_patterns, sentence, re.IGNORECASE):
print(f"Не пройдена проверка: Разделительные повторяющиеся союзы. Сообщение: {message}")
return False
return True
# 13. Вводные конструкции
def check_no_introductory_phrases(message):
introductory_phrases = [
r'\b(во-первых|во-вторых|с одной стороны|по сути|по правде говоря)\b',
r'\b(может быть|кстати|конечно|естественно|безусловно|возможно)\b'
]
for pattern in introductory_phrases:
if re.search(pattern, message, re.IGNORECASE):
print(f"Не пройдена проверка: Вводные конструкции. Сообщение: {message}")
return False
return True
# 14. Усилители
def check_no_amplifiers(message):
amplifiers = [
r'\b(очень|крайне|чрезвычайно|совсем|полностью|чисто)\b'
]
for pattern in amplifiers:
if re.search(pattern, message, re.IGNORECASE):
print(f"Не пройдена проверка: Усилители. Сообщение: {message}")
return False
return True
# 15. Паразиты времени
def check_no_time_parasites(message):
time_parasites = [
r'\b(немедленно|срочно|в данный момент)\b'
]
for pattern in time_parasites:
if re.search(pattern, message, re.IGNORECASE):
print(f"Не пройдена проверка: Паразиты времени. Сообщение: {message}")
return False
return True
# 16. Несколько существительных подряд
def check_no_multiple_nouns(message):
noun_count = 0
words = re.split(r'\s+|[.!?]', message) # Разбиваем по пробелам и знакам препинания
morph = pymorphy3.MorphAnalyzer()
for word in words:
parsed_word = morph.parse(word)[0]
# Если слово — существительное
if 'NOUN' in parsed_word.tag:
noun_count += 1
# Если встречен конец предложения (точка, вопросительный знак, восклицательный знак)
elif re.match(r'[.!?]', word):
noun_count = 0
else:
noun_count = 0
if noun_count > 2:
print(f"Не пройдена проверка: Несколько существительных подряд. Сообщение: {message}")
return False
return True
# 17. Производные предлоги
def check_no_derived_prepositions(message):
derived_prepositions = [
r'\b(в течение|в ходе|вследствие|в связи с|по мере|при помощи|согласно|вопреки|на основании|на случай|в продолжение|по причине|вблизи|вдалеке|вокруг|внутри|вдоль|посередине|вне|снаружи|благодаря|невзирая на|исходя из)\b'
]
for pattern in derived_prepositions:
if re.search(pattern, message, re.IGNORECASE):
print(f"Не пройдена проверка: Производные предлоги. Сообщение: {message}")
return False
return True
# 19. Сложноподчиненные предложения
def check_no_compound_sentences(message):
subordinating_conjunctions = [
r'\bкогда\b', r'\bкак только\b', r'\bпока\b', r'\bпосле того как\b',
r'\bпотому что\b', r'\bтак как\b', r'\bоттого что\b', r'\bблагодаря тому что\b',
r'\bчтобы\b', r'\bдля того чтобы\b', r'\bесли\b', r'\bкогда бы\b', r'\bесли бы\b',
r'\bхотя\b', r'\bнесмотря на то что\b', r'\bкак\b', r'\bбудто\b', r'\bсловно\b', r'\bкак будто\b'
]
# Убедимся, что слово "как" используется не в вопросе
for pattern in subordinating_conjunctions:
if re.search(pattern, message) and not re.search(r'\?', message):
print(f"Не пройдена проверка: Сложноподчиненные предложения. Сообщение: {message}")
return False
return True
# 20. Даты прописью
def check_no_dates_written_out(message):
# Ищем упоминания месяцев или слов, связанных с датами
months = [
"января", "февраля", "марта", "апреля", "мая", "июня",
"июля", "августа", "сентября", "октября", "ноября", "декабря"
]
# Слова для проверки чисел прописью
date_written_out_patterns = [
r'\b(первого|второго|третьего|четвертого|пятого|шестого|седьмого|восьмого|девятого|десятого|одиннадцатого|двенадцатого|тринадцатого|четырнадцатого|пятнадцатого|шестнадцатого|семнадцатого|восемнадцатого|девятнадцатого|двадцатого|двадцать первого|двадцать второго|двадцать третьего|двадцать четвертого|двадцать пятого|двадцать шестого|двадцать седьмого|двадцать восьмого|двадцать девятого|тридцатого|тридцать первого)\b'
]
for month in months:
for pattern in date_written_out_patterns:
if re.search(f'{pattern}\\s{month}', message, re.IGNORECASE):
print(f"Не пройдена проверка: Даты прописью. Сообщение: {message}")
return False
return True
# Доп правило. Повторы слов
def check_no_word_repetitions(message):
morph = pymorphy3.MorphAnalyzer()
# Список союзов и предлогов, которые мы будем игнорировать
ignore_words = set([
'и', 'а', 'но', 'или', 'да', 'ни', 'как', 'так',
'в', 'на', 'под', 'над', 'за', 'к', 'до', 'по', 'из', 'у', 'о', 'про', 'для',
'не', 'вот', 'это', 'тот', 'тем', 'при', 'чем',
'же', 'ли', 'бы', 'то', 'р',
])
# Разбиваем текст на слова, удаляя знаки препинания
words = re.findall(r'\b\w+(?:-\w+)*\b', message.lower()) # Учитываем составные слова с дефисом
# Словарь для хранения нормализованных форм слов
normalized_words = {}
for word in words:
if word not in ignore_words:
# Проверяем, является ли слово составным (например, "бизнес-карта")
if '-' in word:
# Обрабатываем составные слова как целые фразы
base_word = word
else:
# Для обычных слов применяем морфологический анализ
base_word = morph.parse(word)[0].normal_form
# Если слово уже встречалось, возвращаем False
if base_word in normalized_words:
print(f"Не пройдена проверка: Повторы слов. Сообщение: {message}")
return False
# Добавляем слово в словарь
normalized_words[base_word] = True
# Если мы дошли до этой точки, повторов не было
return True
# Проверки на LLM
import re
import json
def parse_json_response(response):
try:
# Попытка найти JSON-подобную структуру в ответе
match = re.search(r'\{.*', response)
if match:
json_str = match.group(0)
# Проверяем и добавляем недостающие кавычки и скобки
if json_str.count('"') % 2 != 0:
json_str += '"'
if json_str.count('{') > json_str.count('}'):
json_str += '}'
result = json.loads(json_str)
return result
# Если JSON не найден, пытаемся найти ключ-значение вручную
else:
decision_match = re.search(r'decision:\s*(true|false)', response)
explanation_match = re.search(r'explanation:\s*"(.+?)"', response)
result = {}
if decision_match:
decision_value = decision_match.group(1)
result['decision'] = True if decision_value == 'true' else False
if explanation_match:
result['explanation'] = explanation_match.group(1)
if result:
return result
else:
print("JSON не найден, и ключи 'decision' и 'explanation' не извлечены")
return None
except Exception as e:
print(f"Ошибка при разборе JSON: {e}")
return None
def cut_message(message):
# Удаляем любой дополнительный текст, например, "------\nКоличество знаков: ..."
# Разделяем сообщение по '------' и берем первую часть
if '------' in message:
message = message.split('------')[0].strip()
return message
# 22. Проверка сложных предложений без логической связи
async def check_disconnected_sentences(message):
message_clean = cut_message(message)
print()
print("Проверка 22: Проверка сложных предложений без логической связи")
print()
prompt = f'''Проверь следующий текст на наличие сложных предложений, где отсутствует логическая связь между частями:
"{message_clean}"
Определи, есть ли в тексте предложения с несколькими частями, которые кажутся несвязанными, не поддерживают общую мысль или делают текст трудным для понимания.
Обрати внимание, что в контексте коротких рекламных сообщений допустимы краткие предложения, перечисления и фразы, которые вместе передают связную информацию о продукте или услуге. Не считай такие сообщения несвязанными, если их части логически связаны с предложением продукта или условиями его получения.
Пример ответа:
{{"decision": false, "explanation": "Текст понятен, и все предложения логически связаны между собой."}}
Если в тексте **есть** сложные предложения без логической связи между частями, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}};
если таких предложений **нет**, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}.
**Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь **только** в формате JSON с закрывающими кавычками и скобками.**'''
response = await generate_message_mistral_check(prompt)
# await asyncio.sleep(3) # Задержка в 3 секунды между запросами
print("Mistral response:", response) # Выводим полный ответ модели
result = parse_json_response(response)
if result is not None:
decision = result.get("decision", False)
explanation = result.get("explanation", "")
print("Explanation:", explanation)
return not decision # Инвертируем логику
else:
return None
# 23. Проверка на близкие по смыслу однородные члены
async def check_synonymous_members(message):
print()
print("Проверка 23: Проверка на близкие по смыслу однородные члены")
print()
message_clean = cut_message(message)
prompt = f'''Проверь следующий текст на наличие однородных членов предложения, которые имеют одинаковый или практически одинаковый смысл и повторяют одну и ту же идею:
"{message_clean}"
Обрати внимание, что слова или выражения могут описывать разные аспекты продукта или услуги, и это не считается избыточным, если они не полностью дублируют значение друг друга. Например, такие слова как "премиальная" и "бизнес" могут описывать разные качества и не должны считаться синонимами.
Пример ответа:
{{"decision": true, "explanation": "В предложении используются синонимы 'быстрый' и 'скорый', которые повторяют одну и ту же идею."}}
Если такие слова или выражения есть, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}};
если таких слов или выражений нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}.
**Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**'''
response = await generate_message_mistral_check(prompt)
# await asyncio.sleep(3)
print("Mistral response:", response)
result = parse_json_response(response)
if result is not None:
decision = result.get("decision", False)
explanation = result.get("explanation", "")
print("Explanation:", explanation)
return not decision # Инвертируем логику
else:
return None
# 24. Проверка на шокирующие, экстравагантные или кликбейтные фразы
async def check_clickbait_phrases(message, description, benefits):
message_clean = cut_message(message)
print()
print()
print("СООБЩЕНИЕ:", message_clean)
print()
print("Проверка 24: Проверка на шокирующие, экстравагантные или кликбейтные фразы")
print()
prompt = f'''Проверь следующий текст на наличие шокирующих, экстравагантных или кликбейтных фраз:
"{message_clean}"
Инструкции:
1. Игнорируй фразы, которые основаны на фактической информации, даже если они выглядят сенсационно, такие как "лимит до миллиона" или "льготный период до 365 дней". Если эти данные подтверждаются и не являются преувеличением, их не следует считать кликбейтом.
2. Ищи фразы, которые явно преувеличивают или вводят в заблуждение, обещая нечто чрезмерно идеализированное или сенсационное, что не может быть доказано или подтверждено. Примеры кликбейтных фраз: "Шокирующая правда", "Вы не поверите, что произошло", "Это изменит вашу жизнь за один день".
3. Стандартные рекламные призывы к действию, такие как "купите сейчас" или "узнайте больше", не считаются кликбейтом, если они не преувеличивают преимущества или не используют явную манипуляцию эмоциями.
4. Не считай фразы, используемые в исходном описании продукта, кликбейтными. Исходное описание: "{description}".
5. Не считай фразы, используемые в преимуществах продукта, кликбейтными. Преимущества: "{benefits}".
Пример ответа:
{{"decision": false, "explanation": "Текст нейтрален и не содержит кликбейтных фраз."}}
Если текст содержит кликбейтные фразы, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}};
если таких фраз нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}.
**Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**'''
response = await generate_message_mistral_check(prompt)
# await asyncio.sleep(3)
print("Mistral response:", response)
result = parse_json_response(response)
if result is not None:
decision = result.get("decision", False)
explanation = result.get("explanation", "")
print("Explanation:", explanation)
return not decision # Инвертируем логику
else:
return None
# 25. Проверка на абстрактные заявления без поддержки фактами
async def check_abstract_claims(message, description, benefits):
print()
print("Проверка 25: Проверка на абстрактные заявления без поддержки фактами")
print()
message_clean = cut_message(message)
prompt = f'''Проверь следующий текст на наличие чрезмерно абстрактных или неподкрепленных фактическими данными утверждений, которые могут усложнить понимание преимуществ продукта или услуги:
"{message_clean}"
Инструкции:
1. Исключи фразы, которые содержат конкретные числовые данные, обещания о времени выполнения или другие факты, которые могут быть проверены (например, "от 1 минуты", "24/7", "в течение 24 часов").
2. Не считай абстрактными фразами выражения, которые описывают конкретные выгодные условия, если они сопровождаются фактами или цифрами (например, "выгодные условия при покупке от 100 000 рублей" или "индивидуальные условия с процентной ставкой 3%").
3. Помечай абстрактными фразами любые утверждения, которые звучат эмоционально, но не сопровождаются конкретикой, такие как:
- "выгодное финансирование"
- "развивайте свой бизнес быстрее"
- "повышение эффективности"
- "эффективное управление"
- "надёжное решение"
- "оптимизируйте управление финансами"
- "выгодные условия для бизнеса"
- "лёгкие условия и кэшбэк"
- "мобильно, удобно, комфортно"
- "Действуйте сейчас!"
- "Контролируйте лимиты на расходы сотрудников"
- "Оптимизируйте свои бизнес-затраты"
- "Снизьте финансовую нагрузку"
4. Ищи общие фразы, которые не дают представления о конкретной пользе, такие как "лучшее решение", "высокое качество", "отличный сервис", если они не сопровождаются пояснением о том, почему это так.
5. Учитывай, что в рекламных сообщениях допустимы эмоциональные и обобщённые фразы, если они достаточно конкретны для понимания аудитории, однако они должны сопровождаться фактами или подробными примерами.
6. Не считай фразы, используемые в исходном описании продукта, кликбейтными. Исходное описание: "{description}".
7. Не считай фразы, используемые в преимуществах продукта, кликбейтными. Преимущества: "{benefits}".
Пример ответа:
{{"decision": false, "explanation": "Текст не содержит абстрактные утверждения без конкретики."}}
Если в тексте присутствуют абстрактные или неподкрепленные заявления, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}};
если таких утверждений нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}.
**Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**'''
response = await generate_message_mistral_check_2(prompt)
# await asyncio.sleep(3)
print("Mistral response:", response)
result = parse_json_response(response)
if result is not None:
decision = result.get("decision", False)
explanation = result.get("explanation", "")
print("Explanation:", explanation)
return not decision # Инвертируем логическое значение
else:
return None
# 26. Проверка на узкоспециализированные термины
async def check_specialized_terms(message):
print()
print("Проверка 26: Проверка на узкоспециализированные термины")
print()
message_clean = cut_message(message)
prompt = f'''Проверь следующий текст на наличие узкоспециализированных терминов или жаргона, которые могут быть непонятны широкой аудитории:
"{message_clean}"
Инструкции:
1. Игнорируй общеупотребительные термины, известные широкой аудитории, такие как "ИП", "ООО", "РФ", а также термины, связанные с обычными финансовыми продуктами (например, "кредитная карта", "интернет-банк", "Mastercard").
2. Ищи термины, характерные для узких профессиональных областей, таких как медицина, ИТ, право, инженерия и другие специализированные сферы.
3. Пример специализированных терминов: "интероперабельность", "кибернетика", "гипертензия", "аутентификация" и т.п.
Определи, содержит ли текст термины, которые известны только специалистам в определенной области и могут вызвать затруднения у обычных читателей.
Пример ответа:
{{"decision": false, "explanation": "В тексте отсутствуют узкоспециализированные термины."}}
Если в тексте есть такие узкоспециализированные термины, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}};
если таких терминов нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}.
**Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**'''
response = await generate_message_mistral_check(prompt)
# await asyncio.sleep(3)
print("Mistral response:", response)
result = parse_json_response(response)
if result is not None:
decision = result.get("decision", False)
explanation = result.get("explanation", "")
print("Explanation:", explanation)
return not decision # Инвертируем логическое значение
else:
return None
# 27. Проверка на двусмысленные или обидные фразы
async def check_offensive_phrases(message):
print()
print("Проверка 27: Проверка на двусмысленные или обидные фразы")
print()
message_clean = cut_message(message)
prompt = f'''Проверь следующий текст на наличие фраз, которые могут быть истолкованы двусмысленно или вызвать негативные эмоции у читателя:
"{message_clean}"
Определи, есть ли в тексте выражения, которые могут быть восприняты как оскорбительные, обидные или неуместные.
Обрати внимание, что фразы, используемые в обычном деловом контексте и не содержащие явных оскорблений, дискриминации или непристойностей, не считаются проблемными.
Например, фразы, объясняющие преимущества продукта, такие как "без отчётов и комиссий", являются допустимыми.
Пример ответа:
{{"decision": false, "explanation": "Текст не содержит обидных или двусмысленных фраз."}}
Если такие фразы есть, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}};
если таких фраз нет, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}}.
**Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**'''
response = await generate_message_mistral_check(prompt)
# await asyncio.sleep(3)
print("Mistral response:", response)
result = parse_json_response(response)
if result is not None:
decision = result.get("decision", False)
explanation = result.get("explanation", "")
print("Explanation:", explanation)
return not decision # Инвертируем логическое значение
else:
return None
# 28. Проверка на речевые клише, рекламные штампы и канцеляризмы
async def check_cliches_and_bureaucratese_3(message, description, benefits):
print()
print("Проверка 28: Проверка на речевые клише, рекламные штампы и канцеляризмы")
print()
message_clean = cut_message(message)
prompt = f'''Проверь следующий текст на наличие речевых клише, излишне употребляемых фраз, рекламных штампов и канцеляризмов, которые делают текст менее выразительным и оригинальным:
"{message_clean}"
Обрати внимание **только** на избитые фразы, которые чрезмерно используются в рекламных текстах и не несут дополнительной ценности.
**Не считай клише или канцеляризмами следующие типы выражений:**
- Стандартные призывы к действию (например, "Получите", "Оформите", "Закажите сейчас"), но **не** их комбинации с общими, неопределёнными фразами, как например, "за считанные минуты", "быстро, удобно".
- Информацию о ценах, скидках, акциях или условиях покупки (например, "при покупках от 100 000 рублей в месяц").
- Описания способов оформления или получения услуг (например, "оформление возможно онлайн или в офисе").
- Стандартные отраслевые термины и фразы, необходимые для понимания сообщения (например, "премиальная бизнес-карта", "Mastercard Preferred"), но **не** их использование в комбинации с общими словами, как например, "идеальное решение для вашего бизнеса".
- Фразы, используемые в исходном описании продукта, кликбейтными. Исходное описание: "{description}".
- Фразы, используемые в преимуществах продукта, кликбейтными. Преимущества: "{benefits}".
**Считай клише или канцеляризмами следующие типы выражений:**
- Избитые фразы, такие как:
- "Обеспечьте стабильность и развитие вашего бизнеса"
- "Заботьтесь о будущем семьи, сохраняя ресурсы."
- "Получите необходимые средства для развития бизнеса и обеспечения финансовой стабильности!"
- "Ваш бизнес ждёт выгодное финансирование! Развивайте свой бизнес быстрее!"
- "Без лишней волокиты"
- "Быстро, удобно, без лишних хлопот!"
- "За считанные минуты"
- "Это идеальное предложение для вашего бизнеса!"
- "Удобное и надёжное решение для роста вашего капитала".
Пример ответа:
{{"decision": false, "explanation": "Текст не содержит клише или канцеляризмов."}}
Если в тексте **нет** таких выражений, **верни только** JSON {{"decision": false, "explanation": "<пояснение>"}};
если в тексте **есть** такие выражения, **верни только** JSON {{"decision": true, "explanation": "<пояснение>"}}.
**Не добавляй никакого дополнительного текста. Перед ответом убедись, что отвечаешь только в формате JSON с закрывающими кавычками и скобками.**'''
response = await generate_message_mistral_check(prompt)
# await asyncio.sleep(3)
print("Mistral response:", response)
result = parse_json_response(response)
if result is not None:
decision = result.get("decision", False)
explanation = result.get("explanation", "")
print("Explanation:", explanation)
return not decision
else:
return None
# 29. Проверка на соответствие описанию предложения и ключевому сообщению
async def check_no_contradictions(message, description, key_message):
print()
print("Проверка 29: Проверка на отсутствие противоречий с описанием предложения")
print()
message_clean = cut_message(message)
prompt = f'''Проверь, не противоречит ли следующее сообщение описанию предложения и ключевому сообщению. Учти, что сообщение является выжимкой из описания предложения и не может содержать столько же информации в том же объеме, сколько описание предложения - важно, чтобы в сообщении не было указано ложных фактов.
Описание предложения:
"{description}"
Ключевое сообщение:
"{key_message}"
Сообщение:
"{message}"
Если сообщение не содержит фактов, которые отсутствуют в описании предложения и ключевом сообщении, **верни только** JSON {{"decision": false, "explanation": "Противоречий не обнаружено."}}.
Если сообщение содержит факты, которые отсутствуют в описании предложения и ключевом сообщении, **верни только** JSON {{"decision": true, "explanation": "<описание противоречий>"}}.
**Не добавляй никакого дополнительного текста. Отвечай только в формате JSON с закрывающими кавычками и скобками.**'''
response = await generate_message_mistral_check(prompt)
# await asyncio.sleep(3)
print("Mistral response:", response)
result = parse_json_response(response)
if result is not None:
decision = result.get("decision", False)
explanation = result.get("explanation", "")
print("Explanation:", explanation)
return not decision # Возвращаем True, если противоречий нет
else:
return None
# 30. Проверка на наличие ключевого сообщения
async def check_contains_key_message(message, key_message):
print()
print("Проверка 30: Проверка на наличие ключевого сообщения")
print()
message_clean = cut_message(message)
prompt = f'''Проверь, содержит ли следующее сообщение ключевое сообщение.
Сообщение:
"{message}"
Ключевой текст:
"{key_message}"
Если сообщение **содержит всю** информацию из ключевого текста, **верни только** JSON {{"decision": false, "explanation": "Ключевое текст присутствует."}}.
Если сообщение **не содержит всю** информацию из ключевого текста, **верни только** JSON {{"decision": true, "explanation": "Ключевое текст отсутствует."}}.
**Не добавляй никакого дополнительного текста. Отвечай только в формате JSON с закрывающими кавычками и скобками.**'''
response = await generate_message_mistral_check(prompt)
# await asyncio.sleep(3)
print("Mistral response:", response)
result = parse_json_response(response)
if result is not None:
decision = result.get("decision", False)
explanation = result.get("explanation", "")
print("Explanation:", explanation)
return not decision # Возвращаем True, если ключевое сообщение присутствует
else:
return None
# 31. Проверка на точное совпадение названий продуктов
async def check_product_name_consistency(message, product_name):
print()
print("Проверка 31: Проверка на точное совпадение названий продуктов")
print()
message_clean = cut_message(message)
prompt = f'''Проверь, совпадает ли название продукта в сообщении с эталонным названием продукта с учётом возможных изменений в падежах.
Не допускай никаких других изменений, таких как перестановка слов, добавление или удаление кавычек, изменение порядка слов, пропуск или добавление слов. Допускаются только изменения, связанные с падежами. Название должно совпадать с учётом падежных форм.
Эталонное название продукта:
"{product_name}"
Сообщение:
"{message_clean}"
Если название продукта в сообщении **совпадает** с эталонным названием продукта с учётом падежных изменений, **верни только** JSON {{"decision": false, "explanation": "Название продукта совпадает с описанием с учётом падежа."}}.
Если название продукта **не** совпадает, **верни только** JSON {{"decision": true, "explanation": "<описание несоответствия>"}}.
**Не добавляй никакого дополнительного текста. Ответ должен быть только в формате JSON с закрывающими кавычками и скобками.**'''
response = await generate_message_mistral_check(prompt)
# await asyncio.sleep(3)
print("Mistral response:", response)
result = parse_json_response(response)
if result is not None:
decision = result.get("decision", False)
explanation = result.get("explanation", "")
print("Explanation:", explanation)
return not decision # Возвращаем True, если совпадение найдено
else:
return None
# ФУНКЦИИ ПРОВЕРОК (КОНЕЦ)
async def safe_check(func, *args):
try:
if inspect.iscoroutinefunction(func):
return await func(*args)
else:
return func(*args)
except Exception as e:
print(f"Error in {func.__name__}: {e}")
return None
async def perform_checks(message, description, key_message, product_name, benefits):
checks = {}
# 2. Morphological checks using pymorphy3
morphological_checks = [
("no_word_repetitions", check_no_word_repetitions),
("forbidden_words", check_forbidden_words),
("double_verbs", check_no_double_verbs),
("adverbial_participles", check_no_adverbial_participles),
("derived_prepositions", check_no_derived_prepositions),
("multiple_nouns", check_no_multiple_nouns),
("introductory_phrases", check_no_introductory_phrases),
("compound_sentences", check_no_compound_sentences),
("superlative_adjectives", check_no_superlative_adjectives),
("client_addressing", check_no_greeting),
("promises", check_no_promises),
("amplifiers", check_no_amplifiers),
("participles", check_no_participles),
("passive_voice", check_no_passive_voice),
("written_out_ordinals", check_no_written_out_ordinals),
("subordinate_clauses_chain", check_no_subordinate_clauses_chain),
("repeating_conjunctions", check_no_repeating_conjunctions),
("time_parasites", check_no_time_parasites),
("dates_written_out", check_no_dates_written_out),
]
# 3. LLM checks: check_clickbait_phrases, check_abstract_claims, check_cliches_and_bureaucratese
llm_checks_group1 = [
("no_contradictions", check_no_contradictions),
("abstract_claims", check_abstract_claims),
("cliches_and_bureaucratese", check_cliches_and_bureaucratese),
("clickbait_phrases", check_clickbait_phrases),
("contains_key_message", check_contains_key_message),
("synonymous_members", check_synonymous_members),
("product_name_consistency", check_product_name_consistency)
]
# 4. Remaining LLM checks
llm_checks_group2 = [
("offensive_phrases", check_offensive_phrases),
("disconnected_sentences", check_disconnected_sentences),
("specialized_terms", check_specialized_terms)
]
# Perform morphological checks
for check_name, check_func in morphological_checks:
result = await safe_check(check_func, message)
checks[check_name] = result
if result is False:
return checks # Stop on first failure
# Perform LLM checks group 1
for check_name, check_func in llm_checks_group1:
if check_name == "no_contradictions":
result = await safe_check(check_func, message, description, key_message)
elif check_name == "contains_key_message":
result = await safe_check(check_func, message, key_message)
elif check_name == "product_name_consistency":
result = await safe_check(check_func, message, product_name)
elif check_name == "clickbait_phrases":
result = await safe_check(check_func, message, description, benefits)
elif check_name == "abstract_claims":
result = await safe_check(check_func, message, description, benefits)
elif check_name == "cliches_and_bureaucratese":
result = await safe_check(check_func, message, description, benefits)
else:
result = await safe_check(check_func, message)
checks[check_name] = result
if result is False:
return checks
# Perform remaining LLM checks
for check_name, check_func in llm_checks_group2:
result = await safe_check(check_func, message)
checks[check_name] = result
if result is False:
return checks # Stop on first failure
return checks # All checks passed
def format_checks(checks):
translation = {
"forbidden_words": "Запрещенные слова",
"client_addressing": "Обращение к клиенту",
"promises": "Обещания и гарантии",
"double_verbs": "Два глагола подряд",
"participles": "Причастия",
"adverbial_participles": "Деепричастия",
"superlative_adjectives": "Превосходная степень",
"passive_voice": "Страдательный залог",
"written_out_ordinals": "Порядковые числительные",
"subordinate_clauses_chain": "Цепочки с придаточными предложениями",
"repeating_conjunctions": "Разделительные повторяющиеся союзы",
"introductory_phrases": "Вводные конструкции",
"amplifiers": "Усилители",
"time_parasites": "Паразиты времени",
"multiple_nouns": "Несколько существительных подряд",
"derived_prepositions": "Производные предлоги",
"compound_sentences": "Сложноподчиненные предложения",
"dates_written_out": "Даты прописью",
"no_word_repetitions": "Повторы слов",
# Проверки на LLM
"disconnected_sentences": "Сложные предложения без логической связи",
"synonymous_members": "Близкие по смыслу однородные члены предложения",
"clickbait_phrases": "Кликбейтные фразы",
"abstract_claims": "Абстрактные заявления без доказательств",
"specialized_terms": "Узкоспециализированные термины",
"offensive_phrases": "Двусмысленные или оскорбительные фразы",
"cliches_and_bureaucratese": "Речевые клише, рекламные штампы, канцеляризмы",
"no_contradictions": "Отсутствие противоречий с описанием предложения",
"contains_key_message": "Наличие ключевого сообщения",
"product_name_consistency": "Совпадение наименования продукта"
}
formatted_results = []
for rule, result in checks.items():
if result is True:
symbol = '✔️'
elif result is False:
symbol = '❌'
else:
symbol = '❓' # Indicates that the check could not be performed
formatted_results.append(f"{translation[rule]}: {symbol}")
return " \n".join(formatted_results)
# Интерфейс Gradio
with gr.Blocks() as demo:
# Твой интерфейс
with gr.Tabs() as tabs:
# Вкладка 1: Исходные данные
with gr.TabItem("Исходные данные", id=0):
with gr.Row():
with gr.Column():
desc = gr.Textbox(
label="Описание предложения (предзаполненный пример можно поменять на свой)",
lines=3,
value=(
"Кредитная бизнес-карта для предпринимателей. "
"Лимит — до 1 000 000 рублей. "
"Стандартный льготный период без начисления процентов за покупки — 120 дней. "
"Оформление онлайн — по заявке в интернет-банке СберБизнес."
)
)
product_name = gr.Textbox(
label="Неизменяемая часть наименования продукта (пример можно поменять на свой)",
lines=1,
value=(
"кредитная бизнес-карта для предпринимателей"
),
interactive=True
)
benefits = gr.Textbox(
label="Преимущества (предзаполненный пример можно поменять на свой)",
lines=3,
value=(
"Повышенный льготный период при покупках у партнёров банка — до 365 дней.\n"
"Бесплатное годовое обслуживание кредитной бизнес-карты.\n"
"Возможность устанавливать лимиты по кредитной бизнес-карте онлайн.\n"
"Кредитная бизнес-карта участвует в акциях банка и партнёров."
)
)
key_message = gr.Textbox(
label="Ключевое сообщение (предзаполненный пример можно поменять на свой)",
lines=1,
value="Повышенный льготный период при покупках у партнёров банка — до 365 дней и бесплатное годовое обслуживание кредитной бизнес-карты."
)
with gr.Column():
gender = gr.Dropdown(label="Пол", choices=[None] + list(features.get('Пол', {}).keys()))
generation = gr.Dropdown(label="Поколение", choices=[None] + list(features.get('Поколение', {}).keys()))
psychotype = gr.Dropdown(label="Психотип", choices=[None] + list(features.get('Психотип', {}).keys()))
business_stage = gr.Dropdown(label="Стадия бизнеса", choices=[None] + list(features.get('Стадия бизнеса', {}).keys()))
industry = gr.Dropdown(label="Отрасль", choices=[None] + list(features.get('Отрасль', {}).keys()))
opf = gr.Dropdown(label="ОПФ", choices=[None] + list(features.get('ОПФ', {}).keys()))
btn_to_prompts = gr.Button("Создать")
# Вкладка 2: Промпты
with gr.TabItem("Ассистент", id=1):
selected_approaches_text = gr.Textbox(
label="Выбранные подходы согласно рекомендациям Нейролаборатории",
interactive=False,
lines=1
)
with gr.Row():
with gr.Column():
non_personalized_prompt = gr.Textbox(
label="Задание для копирайтера",
lines=20,
interactive=False)
with gr.Column():
personalized_prompt = gr.Textbox(
label="Задание для редактора",
lines=20
)
# Вкладка 3: Сообщения
with gr.TabItem("Сообщения", id=2):
with gr.Row():
gr.Markdown("### Копирайтер")
gr.Markdown("### Редактор")
with gr.Row():
non_personalized_messages = gr.Textbox(label="Стандартные сообщения", lines=18, interactive=False)
personalized_messages = gr.Textbox(label="Персонализированные сообщения", lines=18, interactive=False)
rank_button = gr.Button("Ранжировать")
# Сначала переключаем вкладку, потом запускаем генерацию сообщений
btn_to_prompts.click(
fn=change_tab,
inputs=[gr.Number(value=1, visible=False)],
outputs=tabs
).then(
fn=generate_all_messages,
inputs=[desc, benefits, key_message, gender, generation, psychotype, business_stage, industry, opf, product_name],
outputs=[
selected_approaches_text,
non_personalized_prompt, personalized_prompt,
non_personalized_messages, personalized_messages
]
)
rank_button.click(
fn=rank_messages,
inputs=[non_personalized_messages, personalized_messages],
outputs=[non_personalized_messages, personalized_messages]
)
demo.launch() |