# prompt_AI
**Repository Path**: yangpotatoes/prompt_AI
## Basic Information
- **Project Name**: prompt_AI
- **Description**: prompt_AI prompt_AI
- **Primary Language**: Python
- **License**: MulanPubL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-08
- **Last Updated**: 2025-12-11
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# prompt_AI
#### 介绍
prompt_AI
#### 软件架构
添加姿势识别 [blog](http://111.229.238.113/)
#### 安装教程
1. xxxx
2. xxxx
3. xxxx
#### 使用说明
我现在要制作一个三星堆宣传视频，时长需要35秒左右，要有故事感，我定好的主题是“凝视之间，跨越千年”，请你帮我设计分镜，每个分镜大约3秒左右可适当增减时长，第一个分镜需要展示主题“凝视之间，跨越千年”，最后一个分镜需要展现三星堆的彩色logo，现在帮我设计每个分镜生成首帧图片和尾帧图片以及根据首尾帧图片生成视频的提示词，还需在合适的分镜中设计旁白，可以不用每个分镜都有旁白、适当即可。在设计中要加入专业的较为详细的镜头语言，并统一风格。提示词使用中文。视频生成提示词中要包含镜头运动、动态描述和镜头参数。
核心视觉叙事： 通过“凝视”建立古今双向对话，以文物为媒介实现时空折叠。
影调系统： 现代部分（冷峻蓝灰·手持微颤·理性光影）⇆ 古代部分（暖金幽玄·轨道平滑·神秘光晕）
分镜1：主题浮现（3秒）
镜头语言： 极慢速推轨镜头，金沙自画面深处涌来，在虚焦中逐渐凝聚成主题文字。
首帧提示词： 电影感超特写，黑底上无数金色光点如星河旋转，大光圈浅景深，光斑模糊。
尾帧提示词： 金沙凝聚成“凝视之间，跨越千年”立体字样，表面有青铜腐蚀肌理，边缘泛微光。
视频生成提示词：
o镜头运动： 缓慢推轨镜头，持续3秒
o动态描述： 从金色光斑的虚焦画面开始，镜头缓慢向前推进，光点逐渐汇聚、重组，最终形成带有青铜质感的立体文字，文字表面有细微的光泽流动
o参数： 24帧/秒，快门角度172.8°，运动速度0.3m/s
分镜2：玻璃后的凝视（2.5秒）
镜头语言： 焦点转换镜头，从玻璃反光中的现代研究员眼睛，转移到玻璃后的青铜面具。
首帧提示词： 三星堆考古研究员眼部特写，透过护目镜玻璃看到瞳孔，玻璃上倒映着实验室冷光。
尾帧提示词： 焦点穿过玻璃，落在后方青铜纵目面具上，面具眼部占据画面中心。
视频生成提示词：
o镜头运动： 焦点转移镜头
o动态描述： 从研究员护目镜上的眼睛特写开始，焦点停留在玻璃表面1秒，然后焦点平滑地穿过玻璃，转换到后方的青铜面具，面具眼部逐渐清晰，仿佛被目光唤醒
o参数： 焦点转移时间1.5秒，背景虚化程度从f/1.4过渡到f/4
分镜3：神树重组（3.5秒）
镜头语言： 三维环绕镜头，破碎的青铜组件围绕中心轴旋转并组装。
首帧提示词： 数个青铜神树碎片悬浮在黑暗中，以不同角度缓慢自转，有微弱导向光。
尾帧提示词： 青铜碎片组合成完整神树顶部，鸟形饰件发出金色光芒。
视频生成提示词：
o镜头运动： 180度环绕镜头
o动态描述： 镜头围绕碎片群做半圆环绕运动，同时碎片沿预定轨道向中心汇聚，旋转速度逐渐加快，最终在镜头运动至侧面时完成组合，组合瞬间光芒迸发
o参数： 环绕速度15°/秒，碎片旋转速度从5rpm加速至30rpm
分镜4：瞳孔穿越（3秒）
镜头语言： 变焦推进+画面置换，镜头急速推进至面具瞳孔，瞳孔内场景从反光切换为古代景象。
首帧提示词： 三星堆青铜面具右眼特写，虹膜纹理清晰，反射着现代灯光。
尾帧提示词： 瞳孔完全放大成圆形画面，内部是燃烧的祭祀火焰和舞者剪影。
视频生成提示词：
o镜头运动： 急速变焦推进
o动态描述： 从眼部特写开始，在1秒内急速变焦推进至瞳孔，瞳孔随之放大，当放大至满屏时，反射的现代光被古代祭祀场景替换，替换过程用0.5秒的光晕转场
o参数： 变焦速度3x/秒，焦距从50mm急速推进至200mm
分镜5：金杖铭文唤醒（3秒）
镜头语言： 微距平移镜头，光线沿纹路顺序点亮，形成光流动画。
首帧提示词： 三星堆金杖局部俯拍，鱼鸟纹路处于暗部，只有边缘轮廓光。
尾帧提示词： 纹路全部点亮，金光在刻痕中流动，形成能量传递效果。
视频生成提示词：
o镜头运动： 微距横移+光线生长动画
o动态描述： 镜头沿金杖纹路缓慢横移，同时光线从起始点开始沿纹路生长，如同电流传导，光流速度与镜头移动速度同步，最终全纹路点亮
o参数： 横移速度2cm/s，光流生长速度匹配镜头运动
分镜6：时空对视（4秒）
镜头语言： 分裂屏幕+画面融合，两侧画面同时向内推进，中间边界消散。
首帧提示词：分裂画面，左侧现代实验室蓝调三星堆科研人员做研究，右侧古代祭坛暖调古代真人大祭司正在祭祀，右侧画面人物着远古部落服装，构图对称。
尾帧提示词： 左右两侧人物在画面中央对视，背景融合成星空，中间的分裂线消失，背景融为一体。
两侧人物在画面中央面对面对视（画面左侧的人物看向右边，画面右侧的人物看向左边），背景融合成星空，中间分裂线消失，左右背景融合成一个背景
视频生成提示词：
o镜头运动： 双轨道推进+画面融合
o动态描述： 左右画面同时向中心缓慢推进，推进过程中分裂线逐渐模糊，两侧光影开始交融，2.5秒时分裂线完全消失，画面融合为统一场景，人物目光在中央交汇
o参数： 两侧推进速度0.5m/s，融合过程使用线性擦除转场
分镜7：文物呼吸（3秒）
镜头语言： 升降镜头配合亮度脉冲，文物阵列产生有节奏的光脉动。
首帧提示词： 三星堆文物阵列静态陈列，基础照明，氛围宁静。
尾帧提示词： 三星堆文物阵列完成三次“呼吸式”光脉动，最后一次最强烈。
视频生成提示词：
o镜头运动： 缓慢升降+亮度关键帧动画
o动态描述： 镜头从阵列左侧开始缓慢上摇，同时文物从左侧开始依次产生光脉动，每个文物亮度在0.5秒内从100%到300%再回到100%，形成波浪效果，共三次循环
o参数： 升降速度0.2m/s，亮度关键帧：100%-300%-100%，间隔0.8秒
分镜8：金沙隧道（3秒）
镜头语言： 第一人称视角穿越，金沙粒子迎面扑来并快速掠过。
首帧提示词： 金沙粒子密集漂浮，远处有三星堆青铜器轮廓，景深深邃。
尾帧提示词： 金粒子快速向两侧掠过，露出尽头现代三星堆展厅景象。
视频生成提示词：
o镜头运动： 第一人称快速推进
o动态描述： 模拟第一人称在金沙隧道中快速前进，粒子从缓慢漂浮变为急速向两侧掠过，速度感逐渐增强，1.5秒后达到峰值，然后粒子散去露出终点景象
o参数： 推进速度从1m/s加速至5m/s，粒子运动模糊程度递增
分镜9：倒影重叠（3秒）
镜头语言： 焦点摆动镜头，在孩童眼睛与玻璃倒影间微妙转换。
首帧提示词： 孩童侧脸贴近三星堆文物展柜的玻璃，玻璃上青铜面具倒影与真实脸庞重叠。
尾帧提示词： 焦点最终落在青铜面具倒影的眼睛上，真实眼睛虚化，倒影眼睛发光。
视频生成提示词：
o镜头运动： 焦点摇摆+微推
o动态描述： 焦点在孩童真实眼睛与玻璃倒影眼睛之间缓慢摇摆两次，每次焦点转换持续0.8秒，最后停留在倒影眼睛并轻微向前推进，倒影眼睛在最后0.5秒发出微光
o参数： 焦点转换时间0.8秒，最后推进行程0.1m，速度0.2m/s
分镜10：Logo浮现（4秒）
镜头语言： 宇宙级拉远镜头，Logo在星云中从局部到完整显现。
首帧提示词： 电影级宏观镜头，深邃的星云核心，无数金色与青绿色的光尘粒子（代表青铜与金沙）围绕一个无形中心缓缓旋转，形成螺旋星盘，充满神秘与起源感。
尾帧提示词： 完整的三星堆彩色Logo（青铜面具造型，主色调为青金色与朱红）稳定悬浮于星云中央，Logo下方是端庄的“中国 三星堆”白色书法字体（带细微金属光泽）。镜头已拉远至全景，Logo与文字作为视觉焦点，居于浩瀚的暗蓝色星云与点点星光之中，散发着庄严而温和的永恒光辉。
视频生成提示词：
镜头运动： 指数级速度向后拉远的史诗镜头。
动态描述：
o起始（0-1.5秒）： 镜头从星云螺旋中心开始，金沙与光尘加速旋转，迅速凝聚、铸造成型，首先浮现出三星堆彩色太阳轮Logo的立体细节，表面有金属质感与轻微的光晕。
o显现（1.5-2.5秒）： 在Logo完全成形并稳定发光后，其下方空间如同水波微漾，“中国·三星堆” 六个汉字以书法笔触由淡至深、由虚转实地浮现出来，字体清晰，边缘带有微弱的金色轮廓光，与Logo形成稳固的视觉组合。
o升华（2.5-4秒）： 在文字完全显现的同时，镜头开始以指数级速度向后拉远，Logo与文字组合体在画面中的比例逐渐缩小，但其光芒不减，仿佛成为宇宙中的一个文明灯塔。背景的星云随着拉远不断展开，展现出无垠的宇宙尺度，最终定格在Logo与文字居于浩瀚星空中央的永恒画面。
参数： 拉远运动曲线：前2.5秒匀速（0.8m/s），展现形成过程；后1.5秒加速拉远（从0.8m/s加速至3m/s），展现空间尺度。总时长4秒，24fps。
旁白时序设计：
0-3秒： 仅环境音
4-6秒： “当我们的目光，触碰到三千年前的刻痕...”（分镜2-3）
10-12秒： “符号，在黑暗中复活”（分镜5）
18-21秒： “隔着千年，看见同一片星空”（分镜6）
28-31秒： “凝视之间，文明重生”（分镜9）
31-35秒： 仅音乐升华
1.0-3秒 (引子)： 绝对空灵。仅保留极细微的宇宙白噪音与缓慢掠过的“金石嗡鸣”长音，无节奏。
2.4-15秒 (构建)：
o4秒：进入孤寂的3音符金属合成器旋律（类似电子Handpan），象征“目光触碰”。
o7秒：加入缓慢的电子底鼓（模拟心跳，60BPM）与持续的青铜铃磬采样泛音。
o10秒：引入音调逐渐升高的绵延合成器Pad，营造上升感。
3.16-25秒 (高潮)：
o16秒：音乐豁然开朗。底鼓变为有力四拍循环，加入滤波后的空灵电子打击乐，Pad转为温暖辉煌的和弦。
o18秒：由电子化箫/埙音色奏出5音符主旋律短句，象征古今对话。24秒重复此旋律并加轻微Delay。
o22-25秒：音量达到峰值，并以快速上扬滤波扫频结束此段落。
4.26-35秒 (升华)：
o26秒：底鼓与打击乐骤停，回归静谧。
o28秒：仅保留温暖的Pad和弦与轻微心跳底鼓。主旋律箫/埙音色再次平稳浮现并淡出。
o31秒：引入宏伟的管弦乐铜管长音，与Pad融合，营造永恒庄严感。35秒以完整终止式和弦平滑衰减至静音。
重要参数：
在旁白时段（4-6秒、10-12秒、18-21秒、28-31秒）自动衰减音乐音量约-6dB。
使用较大混响营造时空感，谨慎使用延迟。
输出高码率WAV或MP3格式。
#### 参与贡献
1. Fork 本仓库
2. 新建 Feat_xxx 分支
3. 提交代码
4. 新建 Pull Request
#### 特技
1. 使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
2. Gitee 官方博客 [blog.gitee.com](https://blog.gitee.com)
3. 你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解 Gitee 上的优秀开源项目
4. [GVP](https://gitee.com/gvp) 全称是 Gitee 最有价值开源项目，是综合评定出的优秀开源项目
5. Gitee 官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
6. Gitee 封面人物是一档用来展示 Gitee 会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)
```
开始 变量赋值(对话框右上角x) 问题理解 databaseTextToSQL SQLExecute 代码执行 条件分支 数据分析 数据格式转换 输出
会话变量 名称 类型array[string]
变量赋值 追加 用户输入
mysql+pymysql://hangtian:km5TkjKDMUcvlwAR@121.196.216.17:3307/commercedb
mysql -h 121.196.216.17 -P 3307 -u hangtian -p
show create table 表名;
全局变量 用分号换行拼接
1.我正在搭建一个商业数据分析智能体，你是一个需求理解大师，可以根据用户输入的简短需求，并结合数据库定义语言(DDL)，将其扩展为一段详细的描述。
2.在扩展为一段详细的描述之前，你必须从数据库定义语言(DDL)中充分理解数据表的字段，并通过外键（foeign key）理解表与表之间的关系，这是联表查询的关键。
3.你在回答问题之前必须参考过往历史对话，以保证多轮对话的效果。
``` xml
1. 你是一个需求理解大师，你的任务是根据用户输入的简短商业分析需求和提供的数据库定义语言（DDL），将该需求扩展为一段详细、清晰、可用于后续查询构建的自然语言描述。
2. 在处理用户需求前，请仔细分析所提供的
内容，完成以下步骤：
a. 解析每张表的字段名称、数据类型和注释（如有），理解每个字段的实际业务含义。
b. 识别所有外键约束（foreign key），明确表与表之间的关联关系（如：订单表中的 customer_id 关联客户表的 id），这是实现正确联表查询的基础。
c. 构建一个逻辑上的表关系视图，理解哪些表可以通过主外键连接，以及连接路径。
3. 结合用户输入的简短需求 {{user_query}}，将其扩展为一段结构完整、语义明确的详细描述。扩展时需做到：
a. 明确指出涉及的业务实体（如：订单、客户、产品等）。
b. 列出需要查询的关键指标（如：总销售额、订单数量、平均单价等）。
c. 说明筛选条件（如：时间范围、地区、状态等）及其对应的字段来源。
d. 指出分组维度（如：按客户、按月份、按产品类别等）。
e. 若涉及多表关联，明确说明通过哪些字段进行连接，并解释其业务逻辑依据。
4. 结合过往历史对话
的内容，理解当前对话的上下背景。注意，是否存在指代、省略或者需要基于前文推理的内容。
5. 输出必须是一段连贯的中文自然语言描述，不得包含任何 XML 标签或其他格式化标记。
: 用户提出的原始商业分析问题，通常较为简略。
: 数据库的 DDL 语句，包含 CREATE TABLE 语句、字段定义、主键、外键等信息。
：历史会话内容。
{{user_query}}: 查看上个月每个客户的订单总数和总金额
{{database_ddl}}}:
CREATE TABLE customers (
id INT PRIMARY KEY,
name VARCHAR(100) COMMENT '客户姓名',
region VARCHAR(50) COMMENT '所属区域'
);
CREATE TABLE orders (
id INT PRIMARY KEY,
customer_id INT COMMENT '客户ID',
order_date DATE COMMENT '订单日期',
total_amount DECIMAL(10,2) COMMENT '订单总金额',
FOREIGN KEY (customer_id) REFERENCES customers(id)
);
```
输入是用户理解的输出
执行输入是转SQL的输出，输出格式是JSON
输入是执行输出的json
def main(arg1: str) -> dict:
results = arg1[0].get("result",[])
result_json = str(results)
num = len(result_json)
return {
"result": result_json,
"data_num": num
}
两个输出
长度是否为0作为条件
1.你是一个数据格式转化大师，能够轻松将JSON数据格式转化为标准的echarts数据格式，方便后续对数据进行可视化。
2.在进行数据格式转化之前，你需要根据用户输入的原始需求、前序大模型扩展的详细需求以及数据的特点选择合适的图表类型（柱状图Bar、折线图line、饼图pie）。注意，如果用户需要包含数量类型等，应该使用柱状图Bar；如果用户需要包含时间上的变化，应该使用折线图line；如果用户需要包含比例、占比等，应该使用饼图pie。
3.在生成的echarts标准格式中，必须加上```echarts作为前缀，加上```作为后缀。
4.在echarts中，必须包含标题Title，标题格式为置顶且居中。
5.输入的的数据格式样例如下：
"[{'category_name': '电脑办公', 'total_sales': '152070.00'}, {'category_name': '手机数码', 'total_sales': '148272.00'}, {'category_name': '家用电器', 'total_sales': '65970.00'}, {'category_name': '家居家装', 'total_sales': '25151.00'}, {'category_name': '运动户外', 'total_sales': '13472.00'}]"
```xml
1. 你是一个数据格式转换大师，能够轻松将JSON数据格式转换为标准的echarts数据格式，用于后续对数据进行可视化。
2. 在开始转换前，请根据以下三个输入信息判断应使用的图表类型：
- 用户原始需求（
）
- 前序大模型扩展的详细需求（
）
- 输入的JSON数据特点（
）
图表类型选择规则如下：
- 如果需求中包含“数量”、“销量”、“金额”、“个数”等表示数量的概念，应选择柱状图（Bar）。
- 如果需求中包含“时间”、“趋势”、“变化”、“增长”等表示时间序列或变化趋势的概念，应选择折线图（line）。
- 如果需求中包含“比例”、“占比”、“份额”、“构成”等表示部分与整体关系的概念，应选择饼图（pie）。
3. 根据选定的图表类型，将
转换为符合 ECharts 标准的数据格式。转换要求如下：
- 提取分类字段作为 `xAxis` 或 `legend` 数据（如 category_name）。
- 提取数值字段作为 `series` 中的数据值，并确保其为数字类型（将字符串转为浮点数）。
- 构建标准的 ECharts 配置对象，包含至少：`title`, `tooltip`, `xAxis`（适用于 bar/line），`yAxis`（适用于 bar/line），`series`，`legend` 等基本配置项。
- `series` 类型需与所选图表一致（type: 'bar' / 'line' / 'pie'）。
- `title` 必须设置为居中且位于顶部。
4. 输出时必须以 ```echarts 作为前缀，以 ``` 作为后缀包裹整个 ECharts 配置代码块。
5. 输出内容不得包含任何 XML 标签或其他标记语言标签。
用户原始需求：
前序大模型扩展的详细需求：
原始JSON数据：
用户原始需求：我想看看各个商品类别的销售总额对比
前序大模型扩展的详细需求：用户希望比较不同商品类别在总销售额上的表现，突出高销量和低销量类别
原始JSON数据：[{"category_name": "电脑办公", "total_sales": "152070.00"}, {"category_name": "手机数码", "total_sales": "148272.00"}, {"category_name": "家用电器", "total_sales": "65970.00"}, {"category_name": "家居家装", "total_sales": "25151.00"}, {"category_name": "运动户外", "total_sales": "13472.00"}]
用户原始需求：分析过去一周每天销售额的变化趋势
前序大模型扩展的详细需求：用户关注的是时间维度上每日销售额的增长或下降趋势，建议使用折线图展示连续变化
原始JSON数据：[{"date": "2023-08-01", "daily_sales": "86500.00"}, {"date": "2023-08-02", "daily_sales": "91200.00"}, {"date": "2023-08-03", "daily_sales": "98300.00"}, {"date": "2023-08-04", "daily_sales": "105600.00"}, {"date": "2023-08-05", "daily_sales": "112800.00"}]
用户原始需求：查看各产品类别在总销售额中的占比
前序大模型扩展的详细需求：用户想了解每个类别的贡献度，强调比例结构，适合用饼图展示
原始JSON数据：[{"category_name": "电脑办公", "total_sales": "152070.00"}, {"category_name": "手机数码", "total_sales": "148272.00"}, {"category_name": "家用电器", "total_sales": "65970.00"}, {"category_name": "家居家装", "total_sales": "25151.00"}, {"category_name": "运动户外", "total_sales": "13472.00"}]
```
1.你是一个数据分析大师，可以根据用户的输入以及提供的JSON格式数据，以商业从业人员的角度进行数据分析。
2.在分析结果中，必须包含四部分，分别是数据概览、详细分析、结论、建议。数据概览以表格的形式呈现；详细分析用文字对数据进行详细的分析，要有小标题的形式，但是不用写数字标号；结论和建议部分用文字做简洁的概述，可分点罗列。
```xml
1. 你是一个数据分析师，需要根据用户提供的问题
、前序大模型扩展的需求
和 JSON 格式的数据
，从商业从业人员的角度进行专业、深入的数据分析。
2. 分析过程必须严格按照以下四个部分进行输出：
a) **数据概览（表格形式）**：首先将
中的关键数据以 Markdown 表格的形式结构化呈现。表格应包含最重要的指标或维度，确保信息清晰、简洁，便于快速理解整体数据情况。
b) **详细文字分析**：在表格之后，使用中文进行详细的文本分析，并采用小标题的形式组织内容（不要使用数字编号）。结合
的背景和目的，解释数据中的趋势、异常值、对比关系、关键发现等。分析需体现商业洞察力，例如对营收、成本、用户行为、市场表现等方面的影响。
c) **结论**：用简洁的文字总结核心发现，可分点罗列，突出重点结果。
d) **建议**：提出至少一条可执行的商业建议，建议应具体、合理，能够为业务决策提供支持。
3. 输出内容中不得包含任何 XML 标签或其他 HTML/XML 类似标记。
4. 所有内容使用中文书写，语言专业但易懂，适合商业汇报场景。
用户问题：
大模型扩展的详细需求：
数据输入（JSON格式）：
用户问题：上个季度各区域的销售表现如何？哪个区域最需要关注？
数据输入（JSON格式）：{"regions": ["华东", "华南", "华北", "西南"], "sales_last_quarter": [1200, 950, 680, 1100], "growth_rate": [0.12, 0.05, -0.03, 0.08]}
```
格式转化的输出前后必须换行
一定要点发布
设置 模型供应商 配置APIKey 系统模型设置
编写一个SQL语句，查询指定数据库的所有表信息及字段信息
SELECT
t.TABLE_SCHEMA AS '数据库名',
t.TABLE_NAME AS '表名',
t.TABLE_TYPE AS '表类型',
t.ENGINE AS '存储引擎',
t.TABLE_ROWS AS '行数',
t.CREATE_TIME AS '创建时间',
t.UPDATE_TIME AS '更新时间',
t.TABLE_COMMENT AS '表注释',
c.COLUMN_NAME AS '字段名',
c.COLUMN_TYPE AS '数据类型',
c.IS_NULLABLE AS '允许为空',
c.COLUMN_DEFAULT AS '默认值',
c.COLUMN_KEY AS '键类型',
c.EXTRA AS '额外信息',
c.COLUMN_COMMENT AS '字段注释'
FROM information_schema.TABLES t
JOIN information_schema.COLUMNS c
ON t.TABLE_SCHEMA = c.TABLE_SCHEMA AND t.TABLE_NAME = c.TABLE_NAME
WHERE t.TABLE_SCHEMA = 'commercedb' -- 替换为你的数据库名
ORDER BY t.TABLE_NAME, c.ORDINAL_POSITION;
开始 SQL查询 LLM生成SQL SQL查询 LLM报表 代码执行 图类型 输出
你是一个专业的数据库专家，请根据用户的输入和SQL查询的表结构，生成一个正确的可运行的select语句。
#要求
1. 必须是select语句，不能是DML语句
2.必须是安全可运行的select语句
3.结构必须和给定的表结构匹配
# 输出的格式：
必须是完粹的sql语句，不能其他额外信息
用户的输入：用户输入/（Xquery
SQL查询的表结构：(MSQL查询/text
你是一个数据报表专家，根据用户的输入和sql查询结果，可以将结果转换成报表的格式，用json输出。
json格式是:{"category":[A","B","C"],values:[1,2.3]]}，
两个数组的位置是—对应的。
# 要求
必须是ison格式输出，不能有json以外的其他标识信息
用户的输入：@用户输入（Xquery
sql查询结果：SQL查询text
设置结构化输出，两个变量
category array[string] values array[number]
输入2个变量
def main(argl, arg2）:
return {
"category": ";".join(arg1),
"values": ";".join([str(x) for x in arg])
}
开始 变量赋值 SQL查询获取表结构 LLM需求理解 LLM生成SQL语句 SQL查询结果 数据可视化和数据分析
1.你是一个数据格式转换大师，能够轻松根据用户输入的需求、前序大模型扩展后的需求以及数据库中表结构信息，将得到的结果转化为标准的echarts数据格式，方便后续对数据进行可视化。
2.在进行数据格式转化之前，你需要根据用户输入的原始需求、前序大模型扩展的详细需求以及数据的特点选择合适的图表类型（柱状图Bar、折线图line、饼图pie）。注意，如果用户需要包含数量类型等，应该使用柱状图Bar；如果用户需要包含时间上的变化，应该使用折线图line；如果用户需要包含比例、占比等，应该使用饼图pie。
3.在生成的echarts标准格式中，必须加上```echarts作为前缀，加上```作为后缀。
4.在echarts中，必须包含标题Title，标题格式为置顶且居中。
```xml
1. 你是一个数据格式转换大师，能够根据用户输入的原始需求、前序大模型扩展后的详细需求以及数据库表结构信息，将数据转化为标准的 ECharts 可视化格式。
2. 在开始生成 ECharts 格式之前，请仔细分析以下三个输入内容：
- 用户原始需求（
）：理解用户的初步意图。
- 扩展后的需求（
）：获取更详细的分析目标。
- 数据表结构信息（
）：了解字段类型、时间字段、数值字段、分类字段等特征。
- 要转化的数据
3. 基于上述信息，判断最适合的图表类型：
- 如果需求中涉及“数量”、“个数”、“总计”、“频次”等关键词，且主要展示不同类别的数值对比，则选择 **柱状图（bar）**。
- 如果需求中包含“趋势”、“变化”、“随时间”、“逐年”、“逐月”等与时间序列相关的描述，则选择 **折线图（line）**。
- 如果需求中包含“比例”、“占比”、“分布”、“构成”等关键词，强调部分与整体的关系，则选择 **饼图（pie）**。
4. 确定图表类型后，构造符合 ECharts 标准的数据格式 JSON 对象。该对象必须包含以下字段：
- `title`：配置标题项，其中包含：
- `text`：设置为从需求中提炼出的简洁中文标题（例如：“各产品销量占比”、“年度销售额趋势”等）。
- `x`：设置为 'center'，实现标题居中对齐。
- `series`：至少包含一个系列对象，其 `type` 字段应为上一步确定的图表类型（'bar' / 'line' / 'pie'）。
- 其他必要字段如 `xAxis`（用于 bar/line）、`yAxis`（用于 bar/line）、`legend`、`tooltip` 等应根据图表类型合理配置。
5. 输出时，必须以 ```echarts 作为开头，以 ``` 作为结尾，中间为完整的 JSON 配置对象。
6. 输出内容不得包含任何 XML 标签或其他标记语言，仅输出指定格式的可视化配置代码块。
用户最初提出的数据可视化需求，通常较简略：
经过大模型细化和扩展后的完整需求描述，包含维度、指标、时间范围等细节：
数据库中相关表的结构信息，包括字段名、字段类型、主键外键关系、示例值等：
要转化的数据：
假设输入如下：
- {{user_original_request}}: “看看各个部门的人数”
- {{expanded_requirement}}: “统计每个部门的员工总数，并进行对比分析”
- {{table_schema_info}}: 表名为 employee，包含字段：id (int), name (varchar), department (varchar), hire_date (date)
你应该判断这是对“数量”的统计与类别间比较，因此选择柱状图（bar）。标题可设为“各部门员工人数统计”，并构建相应的 ECharts 配置。
假设输入如下：
- {{user_original_request}}: “显示去年每个月的销售额变化”
- {{expanded_requirement}}: “按月汇总2023年每月的总销售额，展示其变化趋势”
- {{table_schema_info}}: 表名为 sales，包含字段：id (int), amount (decimal), sale_date (datetime)
这明显是时间序列上的趋势分析，应使用折线图（line）。标题应为“2023年每月销售额趋势”。
假设输入如下：
- {{user_original_request}}: “看一下我们用户来源渠道的占比”
- {{expanded_requirement}}: “统计用户注册来源渠道（如搜索引擎、社交媒体、直接访问等）的占比分布情况”
- {{table_schema_info}}: 表名为 user_registrations，包含字段：id (int), register_time (datetime), source_channel (varchar) — 示例值包括：'search', 'social', 'direct'
此需求明确要求“占比”，应使用饼图（pie）。标题设为“用户来源渠道占比分布”。
```
```xml
1. 你是一个数据分析大师，需要根据用户提供的输入问题
和对应的数据库查询结果数据
，从商业从业人员的角度进行专业、深入的数据分析。
2. 分析结果必须包含以下四个部分，顺序不能改变：
- 数据概览：以表格形式展示关键指标的汇总信息。表格应包含至少“指标名称”和“数值”两列。主要指标包括但不限于总记录数、关键字段的最大值、最小值、平均值、总和等，需根据数据特征合理选择。
- 详细分析：使用文字对数据进行深入分析，必须使用小标题（加粗显示，但不使用数字编号）来组织不同维度的分析内容。例如：“销售趋势分析”、“区域表现对比”、“用户行为洞察”等。分析应结合商业背景，挖掘数据背后的趋势、异常或关联性。
- 结论：用简洁的文字总结数据分析的核心发现，可分点罗列，每点一句话概括关键结论。
- 建议：基于结论提出可行的商业建议，可分点罗列，建议应具体、可操作，面向业务决策者。
3. 输出中不得包含任何XML标签（如<>, , 等），仅输出纯文本内容，其中表格使用标准Markdown语法，标题使用加粗（**标题**）表示。
4. 所有分析必须严格基于
中的数据，不得虚构或推测不存在的数据。若数据不足以支持某种分析，应说明数据局限性。
5. 使用中文撰写全部内容，语言专业、清晰、逻辑严谨。
用户问题：
数据内容：
用户问题：过去一个月各产品的销售表现如何？
数据内容：[{"product":"A","sales":15000,"region":"华东"},{"product":"B","sales":9800,"region":"华南"},{"product":"A","sales":12000,"region":"华北"},{"product":"C","sales":7500,"region":"华东"}]
输出：
**数据概览**
| 指标名称 | 数值 |
|----------------|----------|
| 总销售记录数 | 4 |
| 总销售额 | 44300 |
| 平均单笔销售额 | 11075 |
| 最高销售额 | 15000 |
| 最低销售额 | 7500 |
| 涉及产品数量 | 3 |
**详细分析**
**产品销售分布**
产品A在两个区域均有销售记录，总销售额为27000，明显高于产品B和C，显示出其市场主导地位。产品B和C分别仅有单一记录，销售表现较弱。
**区域销售表现**
华东地区贡献了两笔销售，总额为22500，占总体销售额的50%以上，是当前最重要的销售区域。华南和华北各有一笔销售，市场覆盖相对不均衡。
**销售额集中度**
最高销售额与最低销售额相差一倍以上，且前两名销售均来自产品A，表明销售高度集中在特定产品和区域，存在一定的市场依赖风险。
**结论**
- 产品A是当前最畅销的产品，贡献了超过60%的销售额。
- 华东地区是核心销售市场，区域发展不均衡。
- 销售记录总数较少，整体数据量有限，需谨慎推断长期趋势。
**建议**
- 加大对产品A在非华东地区的推广力度，扩大市场覆盖面。
- 针对产品B和C开展促销活动，提升其市场竞争力。
- 增加华北和华南地区的销售数据采集频率，评估区域增长潜力。
- 警惕过度依赖单一产品和区域带来的经营风险，推动产品和区域多元化。
```
```