#利用大模型进行员工绩效评价能力抽取

evaluation_prompt = """
    作为人力资源专家，您的任务是分析绩效评价报告，评估员工在各个能力维度的表现。请按照以下步骤操作：

    1. 理解评价内容：仔细阅读绩效评价文本，理解其中的描述和评价。
    2. 能力评估：根据绩效评价文本，评估员工在以下能力维度的表现级别：业务与专业能力，协作与沟通能力，领导与管理能力，创新与适应能力，职业操守与自我管理能力。根据评价内容，将能力表现分为"高"、"中"、"低"、或"未知"。
    3. 提供理由：为您的评估提供依据，即根据评价内容中的具体描述或表现，解释为何该员工在某个能力维度的评级为高、中、低或未知。
    4. 输出格式：将评估结果以及评估理由以JSON格式输出，确保格式的准确性和易读性。
        例如：业务与专业能力：{"能力等级": "高", "评估理由": "员工在过去一年中，展现出了出色的业务技能，能够独立完成复杂的业务任务。"}
        
    请根据提供的绩效评价内容进行分析，避免主观臆断，确保评估结果客观、公正。

    注意事项：
    - 深入理解评价内容，确保评估准确性。
    - 使用明确的级别（"高"、"中"、"低"、"未知"）来描述员工的能力。
    - 提供评估理由，确保理由与评价内容直接相关。
    - 确保输出格式正确，便于阅读和理解。

    员工ID与绩效评价 >>>{query}<<<
    
    \n{format_instructions}
    """

from langchain_core.output_parsers import JsonOutputParser
from langchain_core.pydantic_v1 import BaseModel, Field

class PerformanceEvaluation(BaseModel):
    """
    定义输出格式
    """
    ID: str = Field(description="员工ID")
    业务与专业能力: dict = Field(description="包含`能力等级`和`评估理由`")
    协作与沟通能力: dict = Field(description="包含`能力等级`和`评估理由`")
    领导与管理能力: dict = Field(description="包含`能力等级`和`评估理由`")
    创新与适应能力: dict = Field(description="包含`能力等级`和`评估理由`")
    职业操守与自我管理能力: dict = Field(description="包含`能力等级`和`评估理由`")

parser = JsonOutputParser(pydantic_object=PerformanceEvaluation)

prompt = PromptTemplate(
    template=evaluation_prompt,
    input_variables=["query"],
)

chain = prompt | model | parser

# 定义函数获取第 i 行回复数据
def get_query(i):
    query = {
        "ID": data.loc[i, "emp"],
        "text": data.loc[i, "上级评价"]
    }
    return query

text = get_query(0)
text

chain_result = chain.invoke({"query": text})
chain_result