import os
from datetime import datetime, timedelta
from openai import OpenAI # 用于 OpenAI 和 DeepSeek (兼容 OpenAI 接口)
from anthropic import Anthropic # 用于 Claude
import google.generativeai as genai # 用于 Gemini
import re
from dotenv import load_dotenv
# --- 加载环境变量 ---
load_dotenv()
# --- 配置部分 ---
DIARY_FOLDER = "./1" # 日记所在路径
WEEKLY_FOLDER = "./2" # 输出路径
TEMPERATURE = 0.7 # 统一的温度参数
# !!! 在这里指定你想要使用的模型 !!!
# 有效值包括: "deepseek", "openai", "claude", "gemini"
# 例如，如果想用 Gemini，就设置为 SELECTED_MODEL = "gemini"
SELECTED_MODEL = "deepseek" # <--- 在这里修改以选择不同的模型
# --- 初始化不同模型的客户端 ---
# DeepSeek 客户端 (兼容 OpenAI 接口)
deepseek_client = OpenAI(
api_key=os.getenv("DEEPSEEK_API_KEY"), # 从 .env 文件获取 API Key
base_url=os.getenv("DEEPSEEK_BASE_URL") # 提供默认值以防万一 .env 中没有
)
# OpenAI 客户端
openai_client = OpenAI(
api_key=os.getenv("OPENAI_API_KEY"),
base_url=os.getenv("OPENAI_BASE_URL") # 提供默认值以防万一 .env 中没有
)
# Anthropic (Claude) 客户端
anthropic_client = Anthropic(
api_key=os.getenv("ANTHROPIC_API_KEY"),
base_url=os.getenv("ANTHROPIC_BASE_URL") # 提供默认值以防万一 .env 中没有
)
# Google (Gemini) 客户端
gemini_api_key = os.getenv("GEMINI_API_KEY")
if gemini_api_key:
genai.configure(api_key=gemini_api_key)
# 使用 .env 中的模型名称，如果没有则回退到 'gemini-pro'
gemini_model_name = os.getenv("GEMINI_MODEL_NAME", 'gemini-2.25-flash')
gemini_model = genai.GenerativeModel(gemini_model_name)
else:
gemini_model = None # 如果没有配置API Key，则设置为 None
# 将所有可用的模型及其对应的客户端/模型对象存储在一个字典中
MODELS = {
"deepseek": {
"client": deepseek_client,
"model_name": os.getenv("DEEPSEEK_MODEL_NAME", "deepseek-chat"),
"type": "openai_compatible"
},
"openai": {
"client": openai_client,
"model_name": os.getenv("OPENAI_MODEL_NAME", "gpt-4.1-mini"),
"type": "openai_compatible"
},
"claude": {
"client": anthropic_client,
"model_name": os.getenv("ANTHROPIC_MODEL_NAME", "claude-sonnet-4-20250514"), # 你提供的Claude模型名称
"type": "anthropic"
},
"gemini": {
"model": gemini_model, # Gemini 的接口与其他略有不同，直接存 model 对象
"model_name": gemini_model_name, # 使用上面解析出的模型名称
"type": "gemini"
}
}
# --- 辅助函数：获取指定日期所在周的起止日期（周一到周日） ---
def get_week_range(date):
start = date - timedelta(days=date.weekday()) # 周一
end = start + timedelta(days=6) # 周日
return start.replace(hour=0, minute=0, second=0, microsecond=0), \
end.replace(hour=23, minute=59, second=59, microsecond=999999)
# --- 辅助函数：读取指定日期所在周的日记 ---
def read_weekly_diary(folder, start_date_range, end_date_range):
work_entries = []
life_entries = []
for file in sorted(os.listdir(folder)):
if not file.endswith(".md"):
continue
date_match = re.search(r"\d{4}-\d{2}-\d{2}", file)
if not date_match:
continue
file_date = datetime.strptime(date_match.group(), "%Y-%m-%d")
if start_date_range <= file_date <= end_date_range:
with open(os.path.join(folder, file), "r", encoding="utf-8") as f:
content = f.read()
# 确保正确匹配“## 工作”和“## 生活”之间的内容
work_part = re.search(r"## 工作([\s\S]*?)(?=## 生活|$)", content)
life_part = re.search(r"## 生活([\s\S]*)", content)
if work_part:
work_entries.append(work_part.group(1).strip())
if life_part:
life_entries.append(life_part.group(1).strip())
return "\n\n".join(work_entries), "\n\n".join(life_entries)
# --- 辅助函数：构建 Prompt ---
def build_prompt(work_text, life_text, start, end):
# 使用你提供的最新 Prompt 模板
return f"""
你是一名专业的私人秘书，擅长从详细的每日记录中提炼主题、总结成果，并生成结构化、深思熟虑的周期性报告。你的核心任务是根据我提供的一周内的所有每日日记内容，为我撰写一份全面且富有洞察力的周记。
**要求**：1. 严格按照以下模板结构组织内容；2. 保持内容的连贯性和个人化特色；3. 鼓励深度反思和未来规划；4. 语言自然流畅，具有个人日记的真实感
周记格式如下：
---
时间：{start.strftime('%Y-%m-%d')} ~ {end.strftime('%Y-%m-%d')}
## 工作
### 内容
- 详细描述本周主要的工作任务、项目进展、会议活动等，重点是用一两段话进行一个总结和评估。
### 进展
- 总结本周工作上的成果、完成的目标、解决的问题等，侧重于工作进展。
### 改进
- 反思本周工作中的不足之处、可以优化的流程或方法，提出具体的改进建议。
### 计划
- 基于本周的工作进展情况、日记中可能提及的未完成事项，以及你提炼出的改进点，列出下周明确可执行的工作计划。
## 生活
### 回顾
- 简要回顾这周发生的重要事件和个人经历，无论是快乐的、挑战的还是启发性的，最好是能串联起来，让我的周记更有个人化和个性化的感觉。
### 健康
- 记录这周在身体健康和心理健康方面的实践和感受，包括运动、饮食、休息和任何自我照顾的活动。
### 社交
- 反思这周与家人、朋友和其他重要人际关系的互动，包括任何特别的社交活动、重要对话或感情变化。
### 成长
- 总结这周在个人成长和学习方面的进展，包括阅读、在线课程、工作坊、思维模式的改变等。
### 娱乐
- 列出这周进行的休闲活动、新的尝试或兴趣爱好，包括电影、音乐、游戏、旅行等，描述它们给我带来的乐趣和启发。
### 思考
- 基于整周的记录，进行一次更高维度的反思，重点可以是对生活、工作、社会现象的独特见解，或者是对未来的规划和愿景。如果没有就请你随机生成一些有趣的思考内容。
---
你的回复必须结构清晰、内容深思熟虑。在撰写过程中，如果发现每日日记中缺少某些关键细节（例如，某些部分信息不足以进行有效总结），请通过澄清性问题向我提出，以确保周记的完整性和准确性。保持温暖、专业和反思的语气。
【本周工作日记】：
{work_text}
【本周生活日记】：
{life_text}
"""
# --- 核心修改：统一的 AI 调用函数 ---
def generate_weekly_report(prompt, selected_model_config):
model_type = selected_model_config["type"]
model_name = selected_model_config["model_name"]
weekly_report = None
print(f"尝试使用模型: {model_name} (类型: {model_type})")
try:
# 兼容性检查：如果是 Gemini 模型，确保 gemini_model 对象存在
if model_type == "gemini" and selected_model_config["model"] is None:
raise ValueError(f"Gemini 模型未正确初始化，可能是API Key缺失。")
# 确保所有模型都至少有一个名称
if model_name is None:
raise ValueError(f"模型名称未定义。")
if model_type == "openai_compatible":
client = selected_model_config["client"]
response = client.chat.completions.create(
model=model_name,
messages=[
{"role": "system", "content": "你是一个优秀的写作助手。"},
{"role": "user", "content": prompt}
],
temperature=TEMPERATURE
)
weekly_report = response.choices[0].message.content
elif model_type == "anthropic":
client = selected_model_config["client"]
response = client.messages.create(
model=model_name,
max_tokens=4000, # Claude API required max_tokens
messages=[
{"role": "user", "content": prompt}
],
temperature=TEMPERATURE
)
weekly_report = response.content[0].text # Claude 响应结构不同
elif model_type == "gemini":
model = selected_model_config["model"]
# Gemini API 对 system prompt 的处理方式可能不同，这里直接在 prompt 中包含所有指令
response = model.generate_content(
prompt, # 对于 generate_content，这里直接传递带指令的 Prompt 字符串
generation_config=genai.types.GenerationConfig(temperature=TEMPERATURE)
)
weekly_report = response.text
else:
print(f"不支持的模型类型: {model_type}")
return None
except ValueError as ve:
print(f"模型配置错误: {ve}")
return "AI 生成周记失败，请检查模型配置和API Key。"
except Exception as e:
print(f"调用 {model_name} 模型发生错误: {e}")
# 打印完整的错误信息，以便调试
import traceback
traceback.print_exc()
return "AI 生成周记失败，请检查API连接，Prompt内容或模型调用限制。"
return weekly_report
# --- 辅助函数：保存周记到文件 ---
def save_weekly(content, start_date, model_suffix=""):
# 根据周的起始日期和使用的模型生成文件名 (例如: 2025-W30-deepseek.md)
year, week_num, _ = start_date.isocalendar()
if model_suffix:
filename = os.path.join(WEEKLY_FOLDER, f"{year}-W{week_num:02}-{model_suffix}.md")
else:
filename = os.path.join(WEEKLY_FOLDER, f"{year}-W{week_num:02}.md")
# 确保输出目录存在
os.makedirs(WEEKLY_FOLDER, exist_ok=True)
with open(filename, "w", encoding="utf-8") as f:
f.write(content)
print(f"周记已保存到 {filename}")
# --- 主执行逻辑 ---
if __name__ == "__main__":
# 检查 SELECTED_MODEL 是否有效
if SELECTED_MODEL not in MODELS:
print(f"配置错误: SELECTED_MODEL '{SELECTED_MODEL}' 不是一个有效的模型名称。")
print(f"请从以下选项中选择: {', '.join(MODELS.keys())}")
exit()
selected_model_config = MODELS[SELECTED_MODEL]
# 进一步检查选定模型是否已经成功初始化（特别是Gemini和Anthropic，它们可能在API Key缺失时初始化失败）
if SELECTED_MODEL == "gemini" and selected_model_config["model"] is None:
print("您选择了 Gemini 模型，但其 API Key 未设置或模型未正确初始化。请检查 .env 文件中的 GEMINI_API_KEY。")
exit()
# 对于 OpenAI 和 DeepSeek (openai_compatible 类型)，它们的客户端在没有 API Key 时可能不会立即报错，
# 但会在首次调用时报错。而 Anthropic 和 Gemini 会在初始化时或更早阶段需要 Key。
# 这里增加一个通用检查，确保 client 或 model 对象存在
if (selected_model_config["type"] == "openai_compatible" and selected_model_config["client"] is None) or \
(selected_model_config["type"] == "anthropic" and selected_model_config["client"] is None):
print(f"您选择了 {SELECTED_MODEL} 模型，但其客户端未正确初始化。请检查 .env 文件中的 {SELECTED_MODEL.upper()}_API_KEY。")
exit()
print(f"将使用预设模型：{SELECTED_MODEL}, 具体模型是: {selected_model_config.get('model_name', 'N/A')}")
# --- 核心修改：支持日期范围输入 ---
while True:
start_date_str = input("请输入您想开始生成周记的日期 (YYYY-MM-DD，留空则从上周周一开始): ").strip()
if not start_date_str:
# 默认从上周周一开始
today = datetime.now()
start_of_this_week = today - timedelta(days=today.weekday())
start_date = start_of_this_week - timedelta(weeks=1)
print(f"未指定起始日期，将从 {start_date.strftime('%Y-%m-%d')} 开始。")
break
else:
try:
start_date = datetime.strptime(start_date_str, "%Y-%m-%d")
break
except ValueError:
print(f"起始日期格式错误: '{start_date_str}'，请使用 YYYY-MM-DD 格式。")
while True:
end_date_str = input("请输入您想结束生成周记的日期 (YYYY-MM-DD，留空则批量生成到本周周末): ").strip()
if not end_date_str:
# 默认生成到本周周末 (包括本周)
today = datetime.now()
start_date_current_week, end_date_current_week = get_week_range(today)
end_date = end_date_current_week
print(f"未指定结束日期，将生成到 {end_date.strftime('%Y-%m-%d')}。")
break
else:
try:
end_date = datetime.strptime(end_date_str, "%Y-%m-%d")
if end_date < start_date:
print("结束日期不能早于起始日期，请重新输入。")
continue
break
except ValueError:
print(f"结束日期���式错误: '{end_date_str}'，请使用 YYYY-MM-DD 格式。")
# --- 自动化循环处理每一周 ---
# current_processing_date 从起始日期所在的周一计算
current_processing_date_week_start, _ = get_week_range(start_date)
while current_processing_date_week_start <= end_date: # 循环条件是当前周的周一不晚于结束日期
# 获取当前处理日期的周范围
week_start, week_end = get_week_range(current_processing_date_week_start)
print(f"\n--- 正在处理 {week_start.strftime('%Y-%m-%d')} ~ {week_end.strftime('%Y-%m-%d')} 的周记 ---")
# 读取该周的日记内容
work_text, life_text = read_weekly_diary(DIARY_FOLDER, week_start, week_end)
if not work_text.strip() and not life_text.strip(): # 使用 .strip() 检查是否只含空字符
print(f"在 '{DIARY_FOLDER}' 文件夹中未找到 {week_start.strftime('%Y-%m-%d')} 至 {week_end.strftime('%Y-%m-%d')} 期间的任何有效日记内容。跳过本周。")
else:
# 构建 Prompt
prompt = build_prompt(work_text, life_text, week_start, week_end)
print("Prompt 构建完成，开始生成周记...")
# 调用 AI 生成周记，传入预设的模型配置
weekly_report = generate_weekly_report(prompt, selected_model_config)
if weekly_report and "AI 生成周记失败" not in weekly_report:
print("AI 生成的周记内容已生成。") # 不再直接打印内容，避免屏幕刷屏
# 保存周记，文件名加上模型后缀
save_weekly(weekly_report, week_start, SELECTED_MODEL)
else:
print(f"未能成功生成 {week_start.strftime('%Y-%m-%d')} ~ {week_end.strftime('%Y-%m-%d')} 的周记。")
# 移动到下一周的开始日期
current_processing_date_week_start += timedelta(weeks=1)
print("\n所有指定周期的周记生成任务已完成。")