#利用爬虫&大模型获取行业动态 (二)

articles_analysis_prompt = """
    作为企业管理顾问，你的任务是分析给定的新闻文章，判断其中是否提到以下公司管理方面的内容：组织架构设计、高层人事任免、人力资源管理政策。

    1. 阅读文章内容：仔细阅读所提供的新闻文章。
    2. 判断关键内容：根据对文章内容，判断是否明确提到以下定义的管理层面：
        - 组织架构设计：涉及到公司内部组织或部门的创建、调整或解散，包括部门名称、部门职能以及部门间的层级关系的变化。
        - 高层人事任免：公司高层管理人员（如CEO、高级副总裁、某业务负责人等）的任命、离职或职位变动。
        - 人力资源管理政策：公司人力资源管理的有关政策，如薪酬、福利、绩效考核、晋升的政策制定或修改。
        **不包含**提及业务模式、产品策略、生产流程等与人力资源管理政策无直接关联的内容。
    3. 给出理由：如果文章中提及了以上内容，请引用原文内容指出属于上述定义的管理层面的内容。确保理由精确，并且直接相关。
    4. 输出格式：将分析结果以JSON格式输出，确保格式的准确性和易读性。
        例如: {output_example}

    请根据提供的新闻文章进行分析，确保分析结果客观、准确。

    注意事项：
    - 仔细阅读文章内容，确保分析准确性。
    - 确保根据提供的定义来判断是否包含特定内容。
    - 如果包含，提供具体理由，确保理由与文章内容直接相关，避免推测或臆测。
    - 确保输出格式正确，便于阅读和理解。

    新闻文章 >>>{content}<<<

    \n{format_instructions}
    """

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

class ArticlesAnalysis(BaseModel):
    """
    定义公司管理分析的输出格式
    """
    组织架构设计: dict = Field(description="包含`是否存在`和`理由`。")
    高层人事任免: dict = Field(description="包含`是否存在`和`理由`。")
    人力资源管理政策: dict = Field(description="包含`是否存在`和`理由`。")

parser = JsonOutputParser(pydantic_object=ArticlesAnalysis)

output_example = """
{"组织架构设计": {"是否存在": true, "理由": "文章中提到公司将进行部门重组，调整组织架构以提高效率。"}}
"""

from langchain.prompts import PromptTemplate

prompt = PromptTemplate(
    template=articles_analysis_prompt,
    input_variables=["content"],
    partial_variables={
        "output_example": output_example,
        "format_instructions": parser.get_format_instructions()},
)

chain = prompt | model | parser

chain.invoke({"content": content})