Initial commit: 股吧人气指示器 - PySide6桌面悬浮工具

llm_analyzer.py

@@ -0,0 +1,163 @@
+"""
+大模型分析模块 - 调用LLM API分析评论情感
+"""
+import json
+import time
+import re
+from typing import Dict, Optional, Tuple
+from openai import OpenAI, OpenAIError
+
+
+class LLMAnalyzer:
+    """大模型情感分析器"""
+
+    SYSTEM_PROMPT = """你是一个专业的情感分析助手。你的任务是分析股吧/论坛评论的情感倾向，判断投资者对该股票的态度。
+
+评分规则：
+- 0-30: 极度悲观/看空（利空、暴跌、绝望等情绪）
+- 31-50: 偏悲观/中性（担忧、谨慎、观望等情绪）
+- 51-70: 偏乐观/中性（看好、希望、期待等情绪）
+- 71-100: 极度乐观/看涨（利好、暴涨、兴奋等情绪）
+
+请直接输出一个JSON格式的结果，包含两个字段：
+- score: 0-100的整数评分
+- label: 简短的态度描述（如"强烈看跌"、"谨慎观望"、"温和看涨"、"强烈看涨"等）
+
+注意：
+1. 只返回JSON，不要有其他文字
+2. 如果无法判断，返回50和"无法判断"
+3. 分析要客观，不要被表面文字迷惑
+"""
+
+    def __init__(self, config: Dict):
+        self.config = config
+        self.base_url = config.get('base_url', 'https://api.openai.com/v1')
+        self.api_key = config.get('api_key', '')
+        self.model = config.get('model', 'gpt-3.5-turbo')
+        self.timeout = config.get('timeout', 30)
+        self.retry_times = config.get('retry_times', 3)
+
+        self.client = None
+        if self.api_key:
+            self._init_client()
+
+    def _init_client(self):
+        """初始化OpenAI客户端"""
+        try:
+            self.client = OpenAI(
+                api_key=self.api_key,
+                base_url=self.base_url,
+                timeout=self.timeout
+            )
+        except Exception as e:
+            print(f"初始化LLM客户端失败: {e}")
+
+    def update_config(self, config: Dict):
+        """更新配置"""
+        self.config.update(config)
+        self.base_url = config.get('base_url', self.base_url)
+        self.api_key = config.get('api_key', self.api_key)
+        self.model = config.get('model', self.model)
+        self.timeout = config.get('timeout', self.timeout)
+        self.retry_times = config.get('retry_times', self.retry_times)
+
+        if self.api_key:
+            self._init_client()
+
+    def analyze(self, comment: str) -> Tuple[Optional[int], Optional[str]]:
+        """
+        分析单条评论
+        返回 (score, label)
+        """
+        if not self.client:
+            return None, "LLM未配置"
+
+        if not comment or not comment.strip():
+            return None, "评论为空"
+
+        for attempt in range(self.retry_times):
+            try:
+                response = self.client.chat.completions.create(
+                    model=self.model,
+                    messages=[
+                        {"role": "system", "content": self.SYSTEM_PROMPT},
+                        {"role": "user", "content": f"请分析以下评论的情感倾向：\n\n{comment}"}
+                    ],
+                    temperature=0.3,
+                    max_tokens=200
+                )
+
+                result_text = response.choices[0].message.content.strip()
+                score, label = self._parse_response(result_text)
+
+                if score is not None:
+                    return score, label
+
+            except OpenAIError as e:
+                print(f"API调用失败 (尝试 {attempt + 1}/{self.retry_times}): {e}")
+                if attempt < self.retry_times - 1:
+                    time.sleep(2 ** attempt)  # 指数退避
+            except Exception as e:
+                print(f"分析过程出错: {e}")
+                break
+
+        return None, "分析失败"
+
+    def _parse_response(self, response: str) -> Tuple[Optional[int], Optional[str]]:
+        """解析LLM返回的结果"""
+        try:
+            # 尝试直接解析JSON
+            result = json.loads(response)
+            score = result.get('score', 50)
+            label = result.get('label', '无法判断')
+
+            # 验证分数范围
+            score = max(0, min(100, int(score)))
+
+            return score, label
+
+        except json.JSONDecodeError:
+            # 尝试从文本中提取
+            pass
+
+        # 尝试从文本中提取数字
+        numbers = re.findall(r'\b(\d{1,3})\b', response)
+        if numbers:
+            score = int(numbers[0])
+            score = max(0, min(100, score))
+
+            # 提取标签
+            label_match = re.search(r'["']([^"']+)["']', response)
+            if label_match:
+                label = label_match.group(1)
+            else:
+                label = response.split('\n')[0][:20] if response else '无法判断'
+
+            return score, label
+
+        return None, "解析失败"
+
+    def analyze_batch(self, comments: list, delay: float = 1.0) -> list:
+        """
+        批量分析评论
+        delay: 每次调用之间的延迟（秒）
+        """
+        results = []
+
+        for i, comment in enumerate(comments):
+            print(f"分析评论 {i + 1}/{len(comments)}...")
+            score, label = self.analyze(comment)
+            results.append({
+                'content': comment,
+                'score': score,
+                'label': label
+            })
+
+            if delay > 0 and i < len(comments) - 1:
+                time.sleep(delay)
+
+        return results
+
+    def is_configured(self) -> bool:
+        """检查是否已配置"""
+        return bool(self.client and self.api_key)