imes/report_generation.py

# -- encoding: utf-8 --
from openai import OpenAI
import base64
import httpx
import json
from xlsx_functions_impl import execute_function, save_workbook
from docx_function_impl import save_document, execute_docx_function
import sys
import os
import io
import docx
import openpyxl
# 只在程序开始时设置一次编码
if hasattr(sys.stdout, 'buffer'):
    sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')
if hasattr(sys.stderr, 'buffer'):
    sys.stderr = io.TextIOWrapper(sys.stderr.buffer, encoding='utf-8')

# ---- 本地函数定义 ----
def encode_image(image_path):
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode("utf-8")

def read_test_result(file_path):
    with open(file_path, "r", encoding="utf-8") as file:
        return file.read()
    
def read_function_json(file_path):
    with open(file_path, "r", encoding="utf-8") as file:
        return json.load(file)

def generate_report():
    client = OpenAI(
        api_key="sk-BlGqfNYqP1JwAz7TpYJkPpYxCylb8KUb0R6eHndFQeT3BlbkFJSOr91dOESOeYGKXGif2OJyUE-de7EdOvEx9uwLZ84A",
        http_client=httpx.Client(
            proxy="socks5://socksproxy:8uhb9ijn@34.143.134.123:1080"
        )
    )

    test_result = read_test_result("solid.md")
    image_path = "report_table_sample.png"
    image_base64 = encode_image(image_path)
    functions = read_function_json("docx_functions.json")

    userPrompt = f"""我需要将一份检测结果生成检测报告，以docx的形式输出，目标报告的表格如提供的图片所示，
检测数据如下：
{test_result}

请根据检测数据，生成一份检测报告，并按照图片所示的格式输出。
你可以操作python-docx生产docx文件，你可以进行多轮操作实现你的目标，如执行完操作后还有后续操作，请回复：'尚未完成'，如执行完成，请回复'已完成'。    
    """
    messages = [
        {"role": "user", "content": [
            {"type": "text", "text": userPrompt},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{image_base64}"}}
        ]}
    ]

    response = client.chat.completions.create(
        model="gpt-4.1",
        messages=messages,
        functions=functions,
        function_call="auto"
    )

    message = response.choices[0].message
    print(message)
    messages.append({
        "role": "assistant",
        "content": message.content,
        "function_call": message.function_call
    })

    while True:
        if message.content and "已完成" in message.content:
            break
        if message.function_call:
            name = message.function_call.name
            args = json.loads(message.function_call.arguments)
            result = execute_function(name, **args)
            messages.append({
                "role": "function",
                "name": name,
                "content": result
            })
            response = client.chat.completions.create(
                model="gpt-4.1",
                messages=messages,
                functions=functions,
                function_call="auto"
            )
            message = response.choices[0].message
            print(message)
            messages.append({
                "role": "assistant",
                "content": message.content,
                "function_call": message.function_call
            })
        else:
            break
    
    # 保存docx文件
    docx_path = "target_report.docx"
    save_workbook(docx_path)
    print(f"报告已保存到 {docx_path}")

def print_progress(message):
    """打印进度信息并立即刷新输出缓冲区，确保 UTF-8 编码"""
    if isinstance(message, dict) or isinstance(message, list):
        # 如果是字典或列表，转换为格式化的 JSON 字符串
        import json
        message = json.dumps(message, ensure_ascii=False, indent=2)
    
    # 确保消息是字符串
    if not isinstance(message, str):
        message = str(message)
    
    # 输出消息并刷新缓冲区
    print(message, flush=True)

def read_confirmation_docx(file_path):
    docx_path = os.path.join(os.path.dirname(__file__), file_path)
    doc = docx.Document(docx_path)
    content = ""
    for paragraph in doc.paragraphs:
        content += paragraph.text
    
    for table in doc.tables:
        for row in table.rows:
            for cell in row.cells:
                content += cell.text
                content += " | "
            content += "\n"
    return content

def read_test_xlsx(file_path):
    workbook = openpyxl.load_workbook(file_path, data_only=True)
    sheets = workbook.sheetnames
    content = []
    for sheet in sheets:
        sheet = workbook[sheet]
        sheet_content = f"sheet: {sheet}\n"
        for row in sheet.iter_rows(values_only=True):
            row_content = ""
            # 读取cell的值而不是公式
            for cell in row:
                row_content += str(cell) + " | "
            # 判断row_content是否值都为None
            if all(cell is None for cell in row):
                continue
            else:
                sheet_content += row_content + "\n"
        content.append(sheet_content)
    return content

def extract_test_result(content):
    client = OpenAI(
        # api_key="sk-BlGqfNYqP1JwAz7TpYJkPpYxCylb8KUb0R6eHndFQeT3BlbkFJSOr91dOESOeYGKXGif2OJyUE-de7EdOvEx9uwLZ84A",
        # api_key="AIzaSyBL7YV2mfYjlM97pkn3_lKdlvniXnWkcno",
        # base_url="https://generativelanguage.googleapis.com/v1beta/openai/",
        # http_client=httpx.Client(
        #     proxy="socks5://socksproxy:8uhb9ijn@34.143.134.123:1080"
        # )
        api_key="sk-90fa152386b849e29737c6c2812de7d3",
        base_url="https://api.deepseek.com"
    )
    base_prompt = f"""
你是一名环境检测领域专家，你需要从环境检测化验单中读取检测结果。
你所需要读取的内容是环境检测化验单内容，里面可能包含污水、废气、噪声、土壤、固废等各种检测项目，涉及到各类检测方法，如化学滴定法、色谱法等等。
检测报告单已经读取为文本，包含了表单名称以及表单内容。
文本内容如下：
{content}
文本行与行之间以换行符分隔，单元格与单元格之间以|分隔。
你需要先理解表单格式，再进行有效信息提取。
对于污水检测，通常会对一个采样点进行多次采样，然后对每一份样品进行检测。对于检测结果，你需要重点关注以下几个字段（字段名不一定完全一致，你需要有自己的判断）：
1. 测点编号
2. 样品编号
3. 样品浓度
4. 样品浓度平均值 (平均值或最大值大多数情况下都可以从表单中找到，不需要自己计算，如果表单中没有平均值，则取最大值)
5. 采样点标干流量（标干流量只有固定排放源废气才会有，对于无组织废气则不存在标干流量）
这些字段所对应的值需要体现在检测结果报告中。
    """
    prompt = base_prompt + """
    以JSON格式返回数据，返回格式如下：
        {
            "sheet_name": "sheet_name",
            "test_item": "检测项目（检测项目有时候并不在表单内容模块而在表单标题里，需要你自己判断）",
            "sampling_date": "采样日期",
            "sample_type": "样品类型",
            "test_method": "检测方法",
            "test_threshold": "检出限",
            "test_instrument": "检测仪器",
            "test_result": [
                {
                    "sampling_point_code": "采样点编号",
                    "test_detail": [
                        {
                            "sample_code": "样品编号",
                            "test_item": "检测项目",
                            "test_value": "检测值",
                            "test_unit": "检测单位"
                        }
                    ], //for test_item in test_items
                    "avg_or_max_value": "检出平均值或最大值",
                    "standard_dry_flow": "标干流量",
                    "flow_unit": "标干流量单位",
                    "emission_rate": "排放速率",
                    "emission_unit": "速率单位"
                }
            ] //for sampling_point_code in sampling_point_codes
        }
    生成json时请确保检测单中所有数据都写到json中，不要有任何遗漏，因为这是一份检测报告，数据完整性非常重要。不要因为返回的json长度过长而进行省略。
    """
    messages = [
        {"role": "user", "content": prompt}
    ]
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=messages,
    )
    print(response.choices[0].message.content)
    # 将json格式化
    try:
        json_content = json.loads(response.choices[0].message.content)
        return json_content
    except:
        start_index = response.choices[0].message.content.find("{")
        end_index = response.choices[0].message.content.rfind("}") + 1
        json_content = json.loads(response.choices[0].message.content[start_index:end_index])
        return json_content
    

def extract_sampling_point_info(content):
    client = OpenAI(
        # api_key="sk-BlGqfNYqP1JwAz7TpYJkPpYxCylb8KUb0R6eHndFQeT3BlbkFJSOr91dOESOeYGKXGif2OJyUE-de7EdOvEx9uwLZ84A",
        # # api_key="AIzaSyBL7YV2mfYjlM97pkn3_lKdlvniXnWkcno",
        # # base_url="https://generativelanguage.googleapis.com/v1beta/openai/",
        # http_client=httpx.Client(
        #     proxy="socks5://socksproxy:8uhb9ijn@34.143.134.123:1080"
        # )
        api_key="sk-90fa152386b849e29737c6c2812de7d3",
        base_url="https://api.deepseek.com"
    )

    base_prompt = f"""
    你是一名环境检测领域专家，现在我有一份环境检测现场采样确认单，你需要从这份确认单中提取采样日期、采样点编号、采样点名称、检测项目信息。
    确认单内容如下：
    {content}
    确认单已经读取为文本，表格单元格以|分隔，表格行与行以换行符分隔。
    合并单元格，如A1与A2合并后，那么内容里A1与A2的值是一样的，当你发现几个单元格值都是一样的时候，代表这几个单元格是合并的。
    你需要先理解表单格式，然后再提取相应数据。
    以JSON格式返回数据，返回格式如下：
    """
    prompt = base_prompt + """
{
    "sampling_date": "采样日期",
    "sampling_info": [
        {
            "sampling_point_code": "采样点编号",
            "sampling_point": "采样点名称",
            "test_item": "检测项目信息"
        } //for sampling_point_code in sampling_point_codes
    ]
}
    """
    messages = [
        {"role": "user", "content": prompt}
    ]
    response = client.chat.completions.create(
        model="gpt-4.1",
        messages=messages,
    )
    try:
        json_content = json.loads(response.choices[0].message.content)
        return json_content
    except:
        start_index = response.choices[0].message.content.find("{")
        end_index = response.choices[0].message.content.rfind("}") + 1
        json_content = json.loads(response.choices[0].message.content[start_index:end_index])
        return json_content

def extract_sampling_scheme(content):
    client = OpenAI(
        # api_key="sk-BlGqfNYqP1JwAz7TpYJkPpYxCylb8KUb0R6eHndFQeT3BlbkFJSOr91dOESOeYGKXGif2OJyUE-de7EdOvEx9uwLZ84A",
        # # api_key="AIzaSyBL7YV2mfYjlM97pkn3_lKdlvniXnWkcno",
        # # base_url="https://generativelanguage.googleapis.com/v1beta/openai/",
        # http_client=httpx.Client(
        #     proxy="socks5://socksproxy:8uhb9ijn@34.143.134.123:1080"
        # )
        api_key="sk-90fa152386b849e29737c6c2812de7d3",
        base_url="https://api.deepseek.com"
    )

    base_prompt = f"""
    你是一名环境检测领域专家，现在我有一份环境检测现场采样方案，你需要从这份方案中提取监测类别、采样点编号、监测点位、监测频次、监测项目信息。
    方案内容如下：
    {content}
    方案已经读取为文本，表格单元格以|分隔，表格行与行以换行符分隔。
    合并单元格，如A1与A2合并后，那么内容里A1与A2的值是一样的，当你发现几个单元格值都是一样的时候，代表这几个单元格是合并的。
    你需要先理解表单格式，然后再提取相应数据。
    以JSON格式返回数据，返回格式如下：
    """
    prompt = base_prompt + """
    [
        {
            "monitoring_category": "监测类别",
            "sampling_info": [
                {
                    "sampling_point_code": "采样点编号",
                    "sampling_point": "监测点位",
                    "sampling_frequency": "监测频次",
                    "test_item": "检测项目信息"
                }
            ] //for sampling_point_code in sampling_point_codes
        }
    ]
    """
    messages = [
        {"role": "user", "content": prompt}
    ]
    response = client.chat.completions.create(
        model="gpt-4.1",
        messages=messages,
    )
    try:
        json_content = json.loads(response.choices[0].message.content)
        return json_content
    except:
        start_index = response.choices[0].message.content.find("{")
        end_index = response.choices[0].message.content.rfind("}") + 1
        json_content = json.loads(response.choices[0].message.content[start_index:end_index])
        return json_content

def llm_operating_docx(prompt):
    client = OpenAI(
        api_key="sk-BlGqfNYqP1JwAz7TpYJkPpYxCylb8KUb0R6eHndFQeT3BlbkFJSOr91dOESOeYGKXGif2OJyUE-de7EdOvEx9uwLZ84A",
        # api_key="AIzaSyBL7YV2mfYjlM97pkn3_lKdlvniXnWkcno",
        # base_url="https://generativelanguage.googleapis.com/v1beta/openai/",
        http_client=httpx.Client(
            proxy="socks5://socksproxy:8uhb9ijn@34.143.134.123:1080"
        )
    )
    # image_path = os.path.join(os.path.dirname(__file__), "table_template.png")
    # image_url = encode_image(image_path)
    docx_functions = read_function_json(os.path.join(os.path.dirname(__file__), "docx_functions.json"))

    image_path = os.path.join(os.path.dirname(__file__), "table_template.png")
    waste_water_image_url = encode_image(image_path)
    gas_image_path = os.path.join(os.path.dirname(__file__), "gas.png")
    gas_image_url = encode_image(gas_image_path)
    gas_free_image_path = os.path.join(os.path.dirname(__file__), "gas_free.png")
    gas_free_image_url = encode_image(gas_free_image_path)
    noise_image_path = os.path.join(os.path.dirname(__file__), "noise.png")
    noise_image_url = encode_image(noise_image_path)

    messages = [
        {"role": "user", "content": prompt}
    ]
    response = client.chat.completions.create(
        model="gpt-4.1",
        messages=messages,
        functions=docx_functions,
        function_call="auto"
    )
    message = response.choices[0].message
    print(message)
    messages.append({
        "role": "assistant",
        "content": message.content,
        "function_call": message.function_call
    })
    while True: 
        if message.content and "已完成" in message.content:
            print(message.content)
            break
        if message.function_call:
            name = message.function_call.name
            args = json.loads(message.function_call.arguments)
            result = execute_docx_function(name, **args)
            print(result)
            messages.append({
                "role": "function",
                "name": name,
                "content": json.dumps(result)
            })
            response = client.chat.completions.create(
                model="gpt-4.1-mini",
                messages=messages,
                functions=docx_functions,
                function_call="auto"
            )
            message = response.choices[0].message
            print(message)
            messages.append({
                "role": "assistant",
                "content": message.content,
                "function_call": message.function_call
            })
        else:
            messages.append({
                "role": "user",
                "content": "你回复了尚未完成，但并没有返回function call，是遇到什么问题了吗？如果需要继续执行，请继续回复：尚未完成"
            })
            response = client.chat.completions.create(
                model="gpt-4.1",
                messages=messages,
                functions=docx_functions,
                function_call="auto"
            )
            message = response.choices[0].message
            messages.append({
                "role": "assistant",
                "content": message.content,
                "function_call": message.function_call
            })
    return "ok"

def llm_operating_xlsx(prompt):
    client = OpenAI(
        api_key="sk-BlGqfNYqP1JwAz7TpYJkPpYxCylb8KUb0R6eHndFQeT3BlbkFJSOr91dOESOeYGKXGif2OJyUE-de7EdOvEx9uwLZ84A",
        # api_key="AIzaSyBL7YV2mfYjlM97pkn3_lKdlvniXnWkcno",
        # base_url="https://generativelanguage.googleapis.com/v1beta/openai/",
        http_client=httpx.Client(
            proxy="socks5://socksproxy:8uhb9ijn@34.143.134.123:1080"
        )
    )

    image_path = os.path.join(os.path.dirname(__file__), "tpl.png")
    image_url = encode_image(image_path)

    xlsx_functions = read_function_json(os.path.join(os.path.dirname(__file__), "xlsx_functions.json"))
    messages = [
        {"role": "user", "content": [
            {"type": "text", "text": prompt},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{image_url}"}},
        ]}
    ]
    response = client.chat.completions.create(
        model="gpt-4.1",
        messages=messages,
        functions=xlsx_functions,
        function_call="auto"
    )
    message = response.choices[0].message
    print(message.content)
    messages.append({
        "role": "assistant",
        "content": message.content,
        "function_call": message.function_call
    })
    while True: 
        if message.content and "已完成" in message.content:
            print(message.content)
            messages.append({
                "role": "assistant",
                "content": message.content,
            })
            break
        if message.function_call:
            name = message.function_call.name
            args = json.loads(message.function_call.arguments)
            result = execute_function(name, **args)
            print(result)
            messages.append({
                "role": "function",
                "name": name,
                "content": json.dumps(result)
            })
            response = client.chat.completions.create(
                model="gpt-4.1",
                messages=messages,
                functions=xlsx_functions,
                function_call="auto"
            )
            message = response.choices[0].message
            print(message.content)
            messages.append({
                "role": "assistant",
                "content": message.content,
                "function_call": message.function_call
            })
        else:
            messages.append({
                "role": "user",
                "content": "你回复了尚未完成，但并没有返回function call，是遇到什么问题了吗？如果需要继续执行，请继续回复：尚未完成"
            })
            response = client.chat.completions.create(
                model="gpt-4.1",
                messages=messages,
                functions=xlsx_functions,
                function_call="auto"
            )
            message = response.choices[0].message
            messages.append({
                "role": "assistant",
                "content": message.content,
                "function_call": message.function_call
            })
    return messages

def let_llm_read_excel(file_path, output_path, file_type):
    client = OpenAI(
        api_key="sk-BlGqfNYqP1JwAz7TpYJkPpYxCylb8KUb0R6eHndFQeT3BlbkFJSOr91dOESOeYGKXGif2OJyUE-de7EdOvEx9uwLZ84A",
        # api_key="AIzaSyBL7YV2mfYjlM97pkn3_lKdlvniXnWkcno",
        # base_url="https://generativelanguage.googleapis.com/v1beta/openai/",
        http_client=httpx.Client(
            proxy="socks5://socksproxy:8uhb9ijn@34.143.134.123:1080"
        )
    )
    # deepseek api
    # client = OpenAI(
    #     api_key="sk-90fa152386b849e29737c6c2812de7d3",
    #     base_url="https://api.deepseek.com"
    # )
    # json路径替换为全局路径
    functions = read_function_json(os.path.join(os.path.dirname(__file__), "xlsx_functions.json"))

    # Break down the nested f-string into separate parts
    base_prompt = f"""
    你是一名环境检测领域专家，你可以读取excel的内容以及相关格式从而对excel内容有全面的理解。
你所需要读取的excel内容是环境检测化验单内容，里面可能包含污水、废气、噪声、土壤、固废等各种检测项目，涉及到各类检测方法，如化学滴定法、色谱法等等。
现在有一些检测化验单需要你读取并理解其中内容，你可以操作openpyxl读取excel内容。
对于污水检测，通常会对一个采样点进行多次采样，然后对每一份样品进行检测。对于检测结果，你需要重点关注以下几个字段：
1. 测点编号
2. 样品编号
3. 样品浓度
4. 样品浓度平均值
5. 采样点标干流量（标干流量只有固定排放源废气才会有，对于无组织废气则不存在标干流量）
这些字段所对应的值需要体现在检测结果报告中。

需要读取并理解的excel文件路径是：{file_path}。
读取excel时保证把sheet内有数据区域全部读取到，不要有遗漏的数据区域。

读取时先调用load_workbook方法加载工作表再执行后续操作。
如果excel存在多个sheet，全部读取。

如果你觉得你已经理解了文件内容，请回复：'已完成'。如果你觉得还需要更多信息，请回复：'尚未完成'。
"""
    excel_data = []
    messages = [
        {"role": "user", "content": base_prompt}
    ]
    print_progress("开始读取excel内容...")
    response = client.chat.completions.create(
        model="gpt-4.1",
        messages=messages,
        functions=functions,
        function_call="auto"
    )
    message = response.choices[0].message
    print_progress(message)
    messages.append({
        "role": "assistant",
        "content": message.content,
        "function_call": message.function_call
    })
    while True:
        if message.content and "已完成" in message.content:
            print_progress("读取完成")
            print_progress(message.content)
            prompt = """你已完成读取，请将excel内容转化为JSON格式返回，JSON格式如下：
[
    {
        "sheet_name": "sheet_name",
        "sheet_data": [
            {
                "test_item": "检测项目",
                "sampling_date": "采样日期",
                "sample_type": "样品类型",
                "sampling_point_code": "采样点编号",
                "sampling_point": "采样点",
                "avg_value": "检出平均值",
                "test_result": [
                    {
                        "sample_code": "样品编号",
                        "test_value": "样品检出值",
                        "test_unit": "测试单位",
                        "standart_dry_flow": "标干流量",
                        "flow_unit": "标干流量单位",
                        "emission_rate": "排放速率",
                        "emission_unit": "速率单位"
                    }
                ] //for result in sampling point
            } //for sheet_name in sheet_names
        ]
    }
]
字段如果在excel内没有读到，可以为空。
生成json时请确保检测单中所有数据都写到json中，不要有任何遗漏，因为这是一份检测报告，数据完整性非常重要。不要因为返回的json长度过长而进行省略。
"""
            messages.append({
                "role": "user",
                "content": prompt
            })
            response = client.chat.completions.create(
                model="gpt-4.1",
                messages=messages,
                functions=functions,
                function_call="auto"
            )
            message = response.choices[0].message
            try:
                json_result = json.loads(message.content)
                print_progress(json_result)
                with open(os.path.join(os.path.dirname(__file__), "data2.json"), "w", encoding="utf-8") as f:
                    json.dump(json_result, f, ensure_ascii=False)
            except Exception as e:
                # 手动解析json
                start_index = message.content.find("[")
                end_index = message.content.rfind("]") + 1
                json_result = json.loads(message.content[start_index:end_index])
                print_progress(json_result)
                with open(os.path.join(os.path.dirname(__file__), "data2.json"), "w", encoding="utf-8") as f:
                    json.dump(json_result, f, ensure_ascii=False)
                
            excel_data = message.content
            messages.append({
                "role": "assistant",
                "content": message.content,
            })
            break
        if message.function_call:
            name = message.function_call.name
            args = json.loads(message.function_call.arguments)
            result = execute_function(name, **args)
            print_progress(result)
            messages.append({
                "role": "function",
                "name": name,
                "content": json.dumps(result)
            })
            response = client.chat.completions.create(
                model="gpt-4.1",
                messages=messages,
                functions=functions,
                function_call="auto"
            )
            message = response.choices[0].message
            print_progress(message)
            messages.append({
                "role": "assistant",
                "content": message.content,
                "function_call": message.function_call
            })
        else:
            break

    print_progress("读取完成")
    # print_progress(excel_data)
    # prompt = f"""
    # 你已经完整读取了excel内容，请根据你的理解对这份检测单做一份完整总结
    # """
    # messages.append({
    #     "role": "user",
    #     "content": prompt
    # })
    # response = client.chat.completions.create(
    #     model="gpt-4.1",
    #     messages=messages,
    #     functions=functions,
    #     function_call="auto"
    # )
    # message = response.choices[0].message.content
    # print(message)
    image_path = os.path.join(os.path.dirname(__file__), "table_template.png")
    image_base64 = encode_image(image_path)
    tpl_path = os.path.join(os.path.dirname(__file__), "report_tpl.xlsx")
    # output_path = "report_222.xlsx"
    messages.clear()
    # Break down the second nested f-string
    # report_prompt = f"""你已经完整读取了excel内容，请根据检测单内容JSON，填写excel最终检测报告单，
    # 检测报告单模板路径：{tpl_path}
    # 报告模板中包含多个sheet，每个sheet对应不同的检测项目，请根据读取的内容选择合适的报告模板sheet并填写内容。
    # 在填写检测报告时，请先读取excel的表头，根据表头名称从上一环节读取的检测单内容中选择正确的检测项目，然后填写检测报告。
    # 检测报告单模板的excel表格行数或列数可能不够，你需要根据检测单内容自主决定是否需要添加行列。
    # 你可以操作openpyxl操作excel文件，
    # 你可以进行多轮操作实现你的目标，
    # 最终内容填写完成后，将excel文件另存为：{output_path}

    # 如执行完操作后还有后续操作，请回复：'尚未完成'，如执行完成，请回复'已完成'。    
    # """
    report_prompt = f"""
    你是一名环境检测报告生成专家，熟悉环境检测报告的生成流程及报告典型要素。我现在有一份json格式的环境检测单数据，需要你根据这份数据生成一份检测报告，
    数据如下：
    {excel_data}
    对于检测结果，你需要重点关注以下几个字段：
    1. 测点编号 json中的sheet_data.sampling_point_code
    2. 样品编号 json中的sheet_data.test_result.sample_code
    3. 样品浓度 json中的sheet_data.test_result.test_value
    4. 样品浓度平均值 json中的sheet_data.avg_value
    检测报告是以表格作为检测结果的展示方式，你可以参考图片所示的检测模板。
    通常对于废水检测报告，检测报告单重点字段如下：
    1.测点编号
    2.测点名称
    3.检测项目名称
    4.检测项目单位
    5.多轮检测值（如：第一次、第二次、第三次）
    6.检测平均值或最大值
    7.参考限值

    对于废气检测报告，存在两种形式的废气：
    1. 固定排放源废气
    2. 无组织废气

    对于固定排放源废气，检测报告单重点字段如下：
    1.测点编号
    2.测点名称
    3.检测项目名称（如果是固定源废气，检测项目内需要包含一项：标杆流量）
    4.检测项目单位
    5.多轮检测值（如：第一次、第二次、第三次）
    6.检测平均值
    7.参考限值

    对于无组织废气，检测报告单重点字段如下：
    1.测点编号
    2.测点名称
    3.检测项目名称
    4.检测项目单位
    5.多轮检测值（如：第一次、第二次、第三次）
    6.检测最大值
    7.参考限值

    请根据检测单内容JSON，基于报告模板xlsx文件填写最终检测报告单，
    检测报告单模板路径：{tpl_path}
    报告模板中包含多个sheet，每个sheet对应不同的检测项目，请根据读取的内容选择合适的报告模板sheet并填写内容。
    在填写检测报告时，请先读取xlsx模板的整体结构，从而在填写时可以把内容填写到正确位置。
    检测报告单模板的excel表格行数或列数可能不够，你需要根据检测单内容自主决定是否需要添加行列。
    检测报告单模板里可能包含合并单元格，请根据合并单元格的样式来填写内容。
    你可以操作openpyxl操作xlsx文件，
    图片是一份报告单表格的截图，你可以作为样式参考来生成你的报告表格。
    最终内容填写完成后，将xlsx文件另存为：{output_path}

    如执行完操作后还有后续操作，请回复：'尚未完成'，如执行完成，请回复'已完成'。    
    """

    messages.append(
        {"role": "user", "content": [
            {"type": "text", "text": report_prompt},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{image_base64}"}}
        ]}
    )
    docx_functions = read_function_json(os.path.join(os.path.dirname(__file__), "docx_functions.json"))
    print_progress("开始生成检测报告...")
    response = client.chat.completions.create(
        model="gpt-4.1",
        messages=messages,
        functions=functions,
        function_call="auto"
    )

    message = response.choices[0].message
    print_progress(message)
    messages.append({
        "role": "assistant",
        "content": message.content,
        "function_call": message.function_call
    })

    while True:
        if message.content and "已完成" in message.content:
            print_progress("检测报告生成完成")
            break
        if message.function_call:
            name = message.function_call.name
            args = json.loads(message.function_call.arguments)
            result = execute_function(name, **args)
            print_progress(result)
            messages.append({
                "role": "function",
                "name": name,
                "content": json.dumps(result)
            })
            response = client.chat.completions.create(
                model="gpt-4.1",
                messages=messages,
                functions=functions,
                function_call="auto"
            )
            message = response.choices[0].message
            print_progress(message)
            messages.append({
                "role": "assistant",
                "content": message.content,
                "function_call": message.function_call
            })
        else:
            messages.append({
                "role": "user",
                "content": "你回复了尚未完成，但并没有返回function call，是遇到什么问题了吗？如果需要继续执行，请继续回复：尚未完成"
            })
            response = client.chat.completions.create(
                model="gpt-4.1",
                messages=messages,
                functions=functions,
                function_call="auto"
            )
            message = response.choices[0].message
            print(message)
            messages.append({
                "role": "assistant",
                "content": message.content,
                "function_call": message.function_call
            })
    
    # 保存docx文件
    # docx_path = "report_ds.docx"
    # save_document(docx_path)
    # print(f"报告已保存到 {docx_path}")

if __name__ == "__main__":
    # args = sys.argv
    # let_llm_read_excel(args[1], args[2], args[3])
    # content = read_confirmation_docx("file/scheme.docx")
    # confirmation_content_raw = read_confirmation_docx("file/confirm.docx")
    # print('采样确认单读取完成')
    # confirmation_content = extract_sampling_point_info(confirmation_content_raw)
    # print('采样确认单提取完成')

    # scheme_content_raw = read_confirmation_docx("file/scheme.docx")
    # print('采样方案读取完成')
    # scheme_content = extract_sampling_scheme(scheme_content_raw)
    # print('采样方案提取完成')
    # extract_sampling_scheme(content)
    # test_content = []
    # content = read_test_xlsx("file/cod.xlsx")
    # print('检测结果读取完成')
    # for sheet in content:
    #     test_content.append(extract_test_result(sheet))
    # print('检测结果提取完成')
    # print(test_content)
    # output_path = "report_zzz.xlsx"
    # xlsx_tpl_path = os.path.join(os.path.dirname(__file__), "report_tpl.xlsx")
    # prompt = f"""
    # 你是一名环境检测报告生成专家，熟悉环境检测报告的生成流程及报告典型要素，具有环境检测行业深厚的背景知识。
    # 我现在有一套环保检测数据，需要你根据这几份数据生成一份检测报告，
    # 数据如下：
    # 采样确认单：{confirmation_content}
    # 采样方案：{scheme_content}
    # 检测结果：{test_content}
    # 数据里的字段含义如下：
    # 1.sampling_point_code：测点编号
    # 2.sampling_point：测点名称
    # 3.test_item：检测项目名称
    # 4.test_value：检测结果
    # 5.test_unit：检测单位
    # 6.sampling_date：采样日期 
    # 7.sample_type：样品类型
    # 8.test_detail：检测结果
    # 9.emission_unit：速率单位
    # 10.standart_dry_flow：标干流量
    # 11.flow_unit：标干流量单位
    # 12.emission_rate：排放速率
    # 13.emission_unit：速率单位
    # 14.avg_value：检测平均值
    # 15.test_method：检测方法
    # 16.test_threshold：检出限
    # 17.test_instrument：检测仪器
    # 请根据检测结果数据填写最终报告表单，以下字段为填写时重点内容，不可遗漏：
    # 1、测点编号
    # 2、测点名称
    # 3、项目名称
    # 4、单位
    # 5、检测结果（检测结果可能包含多轮检测值，如：第一次、第二次、第三次、均值或最大值，需要根据检测结果的实际情况来填写）
    # 6、参考限值
    # 你需要把检测结果的数据完整填写到报告表单里。
    # 图片是一张污水检测结果报告单的截图，你可以参考图片的表格样式，但注意最终报告数据需要根据实际检测结果来填写，不要把参考图片里的数据填写到报告表格里。
    # 你可以使用openpyxl操作xlsx文件，现有一份报告单模板xlsx文件，路径为：{xlsx_tpl_path}，文件里已经设置好表格样式，只需要把相应的数据填到正确的位置即可。
    # 模板xlsx里包含多个sheet，每个sheet对应不通的检测类型，如污水、噪音、废气等，你需要根据检测结果选择合适的sheet填写内容，
    # 选择sheet后，先完整读取模板结构，然后再根据模板结构填写数据内容，请注意表格中可能会有合并单元格，遇到合并单元格格式时请正确理解合并单元格含义再进行数据填写。
    # 如果模板的行列不够填写数据，请自行添加行列，但添加行列时注意保持表格的样式，
    # 内容填写完成后，请将xlsx文件另存为：{output_path}。
    # 你可以进行多轮操作来进行报告表单填写，如果还有后续操作，请回复：'尚未完成'，如果已经填写完成，请回复：'已完成'。
    # """
    # llm_operating_xlsx(prompt)
    print('heelo')