cfa642cf0a
- 改进表达学习器的提示词格式规范，增强LLM输出解析的容错性 - 优化表达选择器的模型预测模式，添加情境提取和模糊匹配机制 - 增强StyleLearner的错误处理和日志记录，提高训练和预测的稳定性 - 改进流循环管理器的日志输出，避免重复信息刷屏 - 扩展SendAPI的消息查找功能，支持DatabaseMessages对象兼容 - 添加智能回退机制，当模型预测失败时自动切换到经典模式 - 优化数据库查询逻辑，支持跨聊天流的表达方式共享 BREAKING CHANGE: 表达选择器的模型预测模式现在需要情境提取器配合使用，旧版本配置可能需要更新依赖关系
66 lines
2.1 KiB
Python
66 lines
2.1 KiB
Python
"""
|
|
检查数据库中 style 字段的内容特征
|
|
"""
|
|
import asyncio
|
|
import sys
|
|
from pathlib import Path
|
|
|
|
project_root = Path(__file__).parent.parent
|
|
sys.path.insert(0, str(project_root))
|
|
|
|
from sqlalchemy import select
|
|
from src.common.database.sqlalchemy_database_api import get_db_session
|
|
from src.common.database.sqlalchemy_models import Expression
|
|
|
|
|
|
async def analyze_style_fields():
|
|
"""分析 style 字段的内容"""
|
|
|
|
print("=" * 60)
|
|
print("Style 字段内容分析")
|
|
print("=" * 60)
|
|
|
|
async with get_db_session() as session:
|
|
# 获取所有表达方式
|
|
result = await session.execute(select(Expression).limit(30))
|
|
expressions = result.scalars().all()
|
|
|
|
print(f"\n总共检查 {len(expressions)} 条记录\n")
|
|
|
|
# 按类型分类
|
|
style_examples = []
|
|
|
|
for expr in expressions:
|
|
if expr.type == "style":
|
|
style_examples.append({
|
|
"situation": expr.situation,
|
|
"style": expr.style,
|
|
"length": len(expr.style) if expr.style else 0
|
|
})
|
|
|
|
print("📋 Style 类型样例 (前15条):")
|
|
print("="*60)
|
|
for i, ex in enumerate(style_examples[:15], 1):
|
|
print(f"\n[{i}]")
|
|
print(f" Situation: {ex['situation']}")
|
|
print(f" Style: {ex['style']}")
|
|
print(f" 长度: {ex['length']} 字符")
|
|
|
|
# 判断是具体表达还是风格描述
|
|
if ex['length'] <= 20 and any(word in ex['style'] for word in ['简洁', '短句', '陈述', '疑问', '感叹', '省略', '完整']):
|
|
style_type = "✓ 风格描述"
|
|
elif ex['length'] <= 10:
|
|
style_type = "? 可能是具体表达（较短）"
|
|
else:
|
|
style_type = "✗ 具体表达内容"
|
|
|
|
print(f" 类型判断: {style_type}")
|
|
|
|
print("\n" + "="*60)
|
|
print("分析完成")
|
|
print("="*60)
|
|
|
|
|
|
if __name__ == "__main__":
|
|
asyncio.run(analyze_style_fields())
|