from AgentProxy import AgentProxy


api_key = 'c6bbe7f48063a2c1' 
api_secret = '5f8e7d3a97465cc099bf19bd1b70c266' 
assistant_id = "66bb09a84673b57506fe7bbd" 
agent = AgentProxy(assistant_id, api_key, api_secret)

text_won = """		
客户行业	ACVSUM	占比	ACVCNT	占比
银行	175888600	50.62%	105	24.53%
证券基金	24932854	7.18%	47	10.98%
公共事业	12798197	3.68%	29	6.78%
保险	39237141	11.29%	29	6.78%
能源电力	3905334	1.12%	9	2.10%
物流/交通	10177672	2.93%	23	5.37%
制造/汽车	15018443	4.32%	27	6.31%
运营商	19638038	5.65%	26	6.07%
零售	14976953	4.31%	36	8.41%
互联网+	16770817	4.83%	68	15.89%
其他	3853000	1.11%	8	1.87%
互金	8386816	2.41%	16	3.74%
ISV	46400	0.01%	2	0.47%
国央企	0	0.00%	0	0.00%
媒体/文娱	1019133	0.29%	2	0.47%
石油	0	0.00%	0	0.00%
国企	0	0.00%	0	0.00%
资产管理	0	0.00%	0	0.00%
政府	0	0.00%	0	0.00%
服务	0	0.00%	0	0.00%
医疗	0	0.00%	0	0.00%
云服务	0	0.00%	0	0.00%
央企招商局	0	0.00%	0	0.00%
农业	0	0.00%	0	0.00%
金融租赁	0	0.00%	0	0.00%
教育	0	0.00%	0	0.00%
融资担保	0	0.00%	0	0.00%
高科技	0	0.00%	0	0.00%
公共卫生	0	0.00%	0	0.00%
农林牧渔	0	0.00%	0	0.00%
教育/科研	792000	0.23%	1	0.23%
物流/交通/出行	0	0.00%	0	0.00%
电信/网络/云服务商	0	0.00%	0	0.00%
媒体/视频/文娱	0	0.00%	0	0.00%
社交/门户/在线服务	0	0.00%	0	0.00%
消费金融公司	0	0.00%	0	0.00%
游戏	0	0.00%	0	0.00%
零售/电商/消费品	0	0.00%	0	0.00%
Total	347441398	1	428	1
"""

text_pipeline = """
	Pipeline			
客户行业	预估ACVSUM	占比	预估ACVCNT	占比
银行	435192472	42.09%	403	25.39%
证券基金	96413873	9.33%	209	13.17%
公共事业	76163399	7.37%	154	9.70%
保险	73039728	7.06%	77	4.85%
能源电力	65098557	6.30%	91	5.73%
物流/交通	54499388	5.27%	95	5.99%
制造/汽车	45458488	4.40%	104	6.55%
运营商	41493666	4.01%	81	5.10%
零售	35260799	3.41%	93	5.86%
互联网+	33295017	3.22%	112	7.06%
其他	25413146	2.46%	64	4.03%
互金	24768317	2.40%	46	2.90%
ISV	8490800	0.82%	10	0.63%
国央企	4866700	0.47%	7	0.44%
媒体/文娱	3066800	0.30%	11	0.69%
石油	2540000	0.25%	4	0.25%
国企	2402000	0.23%	4	0.25%
资产管理	1000000	0.10%	1	0.06%
政府	990000	0.10%	2	0.13%
服务	980000	0.09%	2	0.13%
医疗	700000	0.07%	2	0.13%
云服务	610000	0.06%	5	0.32%
央企招商局	500000	0.05%	1	0.06%
农业	450000	0.04%	2	0.13%
金融租赁	300000	0.03%	1	0.06%
教育	300000	0.03%	1	0.06%
融资担保	200000	0.02%	1	0.06%
高科技	153891	0.01%	1	0.06%
公共卫生	150000	0.01%	1	0.06%
农林牧渔	100000	0.01%	1	0.06%
教育/科研	0	0.00%	0	0.00%
物流/交通/出行	0	0.00%	0	0.00%
电信/网络/云服务商	0	0.00%	0	0.00%
媒体/视频/文娱	0	0.00%	0	0.00%
社交/门户/在线服务	0	0.00%	0	0.00%
消费金融公司	0	0.00%	1	0.06%
游戏	0	0.00%	0	0.00%
零售/电商/消费品	0	0.00%	0	0.00%
Total	1033897041	1	1587	1
"""

# You can also store this string in a variable if needed
# df_text = df_str
prompt_won = f"""
    任务：
    请根据以下输入的数据，按照以下要点以及背景知识，进行数据分析和解读，并给出分析结果。
    背景知识：
        行业贡献：可以理解为ACV和预估ACV的金额大小，金额越大，则通常该行业的市场潜力和对公司的销售贡献越大。
        行业effort：可以理解为订单的数量，订单数量越多，则通常该行业的销售努力程度越大。此处一个潜在假定是，每个订单的所要付出的effort是接近的，无论其金额大小。
        
    要点：
    1. 根据单子的金额数据，分析行业贡献。
    2. 根据单子的数量数据，分析行业effort。
    3. 分析行业贡献和行业effort的关系，是否存在正相关关系，是否存在付出了较大effort的行业，贡献却很小，以及付出了较小effort的行业，贡献却很大。
    4. 分析行业平均单子金额，分析平均单子金额较大的行业
    5. 依据你作为一个销售领域专家的身份，给出上述要点没有覆盖到的洞见
    输入：
    已成单数据：
    {text_won}

    输出：
        按照上述要点，给出分析结果。
"""


print(agent.send_message(prompt_won))

prompt_pipeline = f"""
    任务：
    请根据以下输入的数据，按照以下要点以及背景知识，进行数据分析和解读，并给出分析结果。
    背景知识：
        行业贡献：可以理解为ACV和预估ACV的金额大小，金额越大，则通常该行业的市场潜力和对公司的销售贡献越大。
        行业effort：可以理解为订单的数量，订单数量越多，则通常该行业的销售努力程度越大。此处一个潜在假定是，每个订单的所要付出的effort是接近的，无论其金额大小。
    要点：
    1. 根据单子的金额数据，分析行业贡献。
    2. 根据单子的数量数据，分析行业effort。
    3. 分析行业贡献和行业effort的关系，是否存在正相关关系，是否存在付出了较大effort的行业，贡献却很小，以及付出了较小effort的行业，贡献却很大。
    4. 分析行业平均单子金额，分析平均单子金额较大的行业
    5. 依据你作为一个销售领域专家的身份，给出上述要点没有覆盖到的洞见
    输入：
    未成单商机数据
    {text_pipeline}
    输出：
        按照上述要点，给出分析结果。
"""

print(agent.send_message(prompt_pipeline))

prompt_won_pipeline_comparison = f"""
    任务：
    请根据以下输入的数据，按照以下要点以及背景知识，进行数据分析和解读，并给出分析结果。
    背景知识：
        行业贡献：可以理解为ACV和预估ACV的金额大小，金额越大，则通常该行业的市场潜力和对公司的销售贡献越大。
        行业effort：可以理解为订单的数量，订单数量越多，则通常该行业的销售努力程度越大。此处一个潜在假定是，每个订单的所要付出的effort是接近的，无论其金额大小。
    要点：
    1. 分析已成单数据和未成单商机数据对比的不同之处
    2. 分析已成单数据和未成单商机数据的趋势变化（ACV产出的预计变化）
    3. 分析已成单数据和未成单商机数据的effort变化（跟进单子数量的趋势变化）
    4. 分析已成单数据和未成单商机数据的平均单子大小的变化（行业比行业，看行业跟进单子大小趋势变化）
    输入：
    已成单数据：
    {text_won}
    未成单商机数据：
    {text_pipeline}
    输出：
        按照上述要点，给出分析结果。
"""

print(agent.send_message(prompt_won_pipeline_comparison))