参考

https://blog.csdn.net/youmaob/article/details/148766806

https://www.cnblogs.com/xiao987334176/p/18912784

你是一名专业的数据需求提炼师。 请仔细阅读用户的自然语言问题{{#context#}}，只保留与数据查询直接相关的核心需求。自动忽略与数据查询无关的内容（如生成图表、导出Excel、制作报表等）。 请判断用户是否需要用图表展示结果。如果需要，请根据问题内容推荐最合适的Echarts图表类型（如area、bar、column、dual-axes、fishbone-diagram、flow-diagram、histogram、line、mind-map、network-graph、pie、radar、scatter、treemap、word-cloud等）；如果不需要图表，请填写“无”。 请严格按照如下格式输出，不要有任何解释或多余内容： sql_requirement: [精炼后的数据查询需求] need_chart: [是/否] chart_type: [推荐的Echarts图表类型或“无”]

表名：sys_dept

字段说明：

dept_id：部门 id，自增序号，bigint

parent_id：父部门 id，bigint

ancestors：祖级列表，varchar (50)

dept_name：部门名称，varchar (30)

order_num：显示顺序，int

leader：负责人，varchar (20)

phone：联系电话，varchar (11)

email：邮箱，varchar (50)

status：部门状态（0 正常 1 停用），char (1)

del_flag：删除标志（0 代表存在 2 代表删除），char (1)

create_by：创建者，varchar (64)

create_time：创建时间，datetime

update_by：更新者，varchar (64)

update_time：更新时间，datetime

表描述：这是部门信息表

请根据用户问题和查询结果，用简洁的中文自然语言回答，并给出分析意见。

用户问题：

查询结果：

当前时间：

SYSTEM 你是一个数据格式化专家。你的核心任务是根据已执行的SQL查询结果和用户指定的图表类型，将数据转换为特定图表工具所需的输入格式。 ## 上下文变量说明: *`target_chart_type`: (String) 用户期望生成的图表类型，值为 "bar"、"pie" 或 "line"。此信息来源{{#llm.text#}} *`sql_execution_result`: (JSON Array) SQL查询的执行结果，来源于{{#context#}}例如 `[{"category": "A", "value": 10}, {"category": "B", "value": 20}]`。 *`user_original_query`: (String) 用户最原始的自然语言查询，可用于辅助生成图表标题,，来源于{{#sys.query#}}。 ## 图表工具输入规范： 1.**柱状图 (bar):** * 标题 (String) * 数据 (String): 数字用 ";" 分隔 (例如："150;280;200") * x轴 (String): 文本用 ";" 分隔 (例如："一月;二月;三月") 2.**饼图 (pie):** * 标题 (String) * 数据 (String): 数字用 ";" 分隔 (例如："30;50;20") * 分类 (String): 文本用 ";" 分隔 (例如："类型A;类型B;类型C") 3.**线性图表 (line):** * 标题 (String) * 数据 (String): 数字用 ";" 分隔 (例如："10;15;13;18") * x轴 (String): 文本用 ";" 分隔 (例如："周一;周二;周三;周四") ## 任务指令： 1.**解析核心数据**: * 将输入的 `sql_json_string_result` (它是一个字符串) **作为 JSON 进行解析**。解析后的结果可能是单个 JSON 对象（如果SQL只返回一行）或一个 JSON 对象数组（如果SQL返回多行）。我们将其称为 `core_sql_data`。 * 例如，如果 `sql_json_string_result` 是字符串 `"[{\"colA\": \"val1\", \"colB\": 10}]"`，那么 `core_sql_data` 就是实际的数组 `[{"colA": "val1", "colB": 10}]`。 * 如果 `sql_json_string_result` 是字符串 `"{\"colA\": \"val1\", \"colB\": 10}"`，那么 `core_sql_data` 就是实际的对象 `{"colA": "val1", "colB": 10}`。为了统一处理，如果它是单个对象，请将其视为只包含一个元素的数组。 2.**生成图表标题**: 参考 `user_original_query`，生成一个简洁明了的 `chart_tool_title`。 3.**数据提取与格式化 (基于 `core_sql_data`)**: * 分析 `core_sql_data`。数组中的每个对象代表一个数据点。你需要从中识别出用作标签/类别/x轴的字段（通常是文本或日期类型）和用作数值/数据的字段（通常是数字类型）。 ***根据 `target_chart_type` 指示的类型进行处理：** ***若为 "bar"**: * 从 `core_sql_data` 中提取所有对象的数值字段值，用 ";" 连接成 `chart_tool_data_string`。 * 提取所有对象的标签字段值，用 ";" 连接成 `chart_tool_label_string` (对应x轴)。 ***若为 "pie"**: * 从 `core_sql_data` 中提取所有对象的数值字段值，用 ";" 连接成 `chart_tool_data_string`。 * 提取所有对象的标签字段值，用 ";" 连接成 `chart_tool_label_string` (对应分类)。 ***若为 "line"**: * 从 `core_sql_data` 中提取所有对象的数值字段值，用 ";" 连接成 `chart_tool_data_string`。 * 提取所有对象的标签字段值，用 ";" 连接成 `chart_tool_label_string` (对应x轴). * 确保 `core_sql_data` 中至少有一个标签/类别字段和一个数值字段可供提取。如果字段不明确（例如，多个数字列），优先选择第一个文本/日期字段作为标签，第一个数字字段作为数据，或根据 `user_original_query` 中的暗示选择。 4.**构建输出**: * 以严格的JSON对象格式输出以下字段： *`chart_tool_title` (String) *`chart_tool_data_string` (String) *`chart_tool_label_string` (String) *`chart_type_final` (String, 其值应等于输入的 `target_chart_type`) ## 示例（假设变量已按上述说明传入）： * 若 `target_chart_type` = "bar" * 若 `sql_json_string_result` (字符串) = `"[{\"product_name\": \"产品A\", \"total_sales\": 5500}, {\"product_name\": \"产品B\", \"total_sales\": 7200}]"` * 若 `user_original_query` = "查询产品销售额柱状图" 期望的输出JSON: ```json { "chart_tool_title": "产品销售额柱状图", "chart_tool_data_string": "5500;7200", "chart_tool_label_string": "产品A;产品B", "chart_type_final": "bar" }

import json import re # 导入正则表达式模块 def main(llm_data_input): llm_data_str = llm_data_input # 1. 清理 Markdown 代码块标记 (保持你现有的健壮清理逻辑) llm_data_str = llm_data_str.strip() if llm_data_str.startswith("```json"): llm_data_str = llm_data_str[len("```json"):] elif llm_data_str.startswith("```"): llm_data_str = llm_data_str[len("```"):] if llm_data_str.endswith("```"): llm_data_str = llm_data_str[:-len("```")] llm_data_str = llm_data_str.strip() data = {} try: data = json.loads(llm_data_str) except json.JSONDecodeError as e: return { "unpacked_title": f"Error: Invalid JSON - {e}", "unpacked_data": "", "unpacked_labels": "", "chart_type": "error_invalid_json" } title = data.get("chart_tool_title", "无标题") original_data_string = data.get("chart_tool_data_string", "") # 获取原始数据字符串 label_string = data.get("chart_tool_label_string", "") chart_type = data.get("chart_type_final") if chart_type is None: # 关键修复：is和None之间添加空格 chart_type = "unknown_type_from_llm" # 2. 清理和验证 data_string (这是关键的修改部分) cleaned_data_parts = [] if original_data_string: # 只有当原始数据字符串非空时才处理 parts = original_data_string.split(';') for part in parts: part = part.strip() # 移除每个部分前后的空格 if part: #确保部分不是空字符串 try: # 尝试转换为 float 来验证它是否是有效数字 # 我们仍然以字符串形式保存，因为插件期望分号分隔的字符串 float(part) # 如果这里失败，会抛出 ValueError cleaned_data_parts.append(part) except ValueError: cleaned_data_parts.append("0") # 方案 b: 替换为 "0" # print(f"Warning: Invalid data part '{part}' replaced with '0'.") else: # 如果部分是空字符串 (例如来自 ";;")，也替换为 "0" 或跳过 cleaned_data_parts.append("0") # 方案 b: 替换为 "0" # print(f"Warning: Empty data part replaced with '0'.") unpacked_data = ";".join(cleaned_data_parts) return { "unpacked_title": title, "unpacked_data": unpacked_data, # 使用清理过的数据字符串 "unpacked_labels": label_string, # 标签字符串通常不需要转为数字，所以保持原样 "chart_type": chart_type }

数据库表信息

效果预览