# 导入所需的库
import pandas as pd  # 用于处理Excel文件
import random  # 用于生成随机数
from datetime import datetime, timedelta  # 用于处理日期
from sparkai.llm.llm import ChatSparkLLM, ChunkPrintHandler  # 导入讯飞星火大模型相关组件
from sparkai.core.messages import ChatMessage  # 用于构建对话消息
from openpyxl.styles import Alignment, Font  # 用于Excel样式设置
from openpyxl import load_workbook  # 用于读写Excel文件
from tqdm import tqdm  # 用于显示进度条

# 星火认知大模型的配置参数
SPARKAI_URL = 'wss://spark-api.xf-yun.com/v4.0/chat'  # API接口地址
SPARKAI_APP_ID = ''  # 应用ID
SPARKAI_API_SECRET = ''  # API密钥
SPARKAI_API_KEY = ''  # API密钥
SPARKAI_DOMAIN = '4.0Ultra'  # 使用的模型版本

# 初始化星火大模型实例
spark = ChatSparkLLM(
    spark_api_url=SPARKAI_URL,  # API地址
    spark_app_id=SPARKAI_APP_ID,  # 应用ID
    spark_api_key=SPARKAI_API_KEY,  # API密钥
    spark_api_secret=SPARKAI_API_SECRET,  # API密钥
    spark_llm_domain=SPARKAI_DOMAIN,  # 模型版本
    streaming=False,  # 是否使用流式输出
    temperature=0.9,  # 温度参数，控制输出的随机性
    top_k=4,  # 从前k个候选中随机选择
    model_kwargs={'max_tokens': 4096}  # 最大输出token数
)

def generate_random_date(start_date, end_date):
    """生成一个随机工作日期（避开周末）"""
    # 在起止日期间随机生成一个日期
    random_date = start_date + timedelta(days=random.randint(0, (end_date - start_date).days))
    # 如果是周末（周六或周日），则重新生成
    while random_date.weekday() >= 5:  # 5和6分别代表周六和周日
        random_date = start_date + timedelta(days=random.randint(0, (end_date - start_date).days))
    return random_date

def generate_conversation_details(name):
    """生成谈话的详细内容"""
    # 构建提示词
    prompt = (
        f"你是公司主管，需要与员工{name}进行一次谈话。\n"
        f"请按照以下要求生成内容：\n"
        f"1. 首先生成一个合理的谈话原因（可以是工作表现、项目进展、职业发展、工作态度等方面）\n"
        f"2. 根据谈话原因，生成一段详细的谈话记录，包括主管和{name}的对话内容\n"
        f"3. 选择一个合适的谈话地点\n"
        f"要求整体内容真实自然，符合企业实际情况。\n"
        f"请严格按照以下格式返回：\n"
        f"谈话原因：xxx\n"
        f"谈话记录：xxx\n"
        f"谈话地点：xxx"
    )
    
    # 创建对话消息
    messages = [ChatMessage(role="user", content=prompt)]
    
    try:
        # 调用AI生成回复
        response = spark.generate([messages])
        result = response.generations[0][0].text.strip()
        
        # 解析AI返回的结果
        reason = result.split("谈话原因：")[1].split("\n谈话记录：")[0].strip()
        record = result.split("谈话记录：")[1].split("\n谈话地点：")[0].strip()
        location = result.split("谈话地点：")[1].strip()
        
        return reason, record, location
    except Exception as e:
        # 如果发生错误，返回默认值
        print(f"生成{name}的谈话内容时发生错误:", str(e))
        return "工作表现反馈", "默认谈话记录", "会议室"

def beautify_excel(file_path):
    """美化Excel表格的格式"""
    # 加载Excel文件
    wb = load_workbook(file_path)
    ws = wb.active

    # 设置表头样式
    header_font = Font(name='宋体', size=14, bold=True)
    for cell in ws[1]:  # 处理第一行（表头）
        cell.font = header_font
        cell.alignment = Alignment(horizontal='center', vertical='center', wrap_text=True)
    
    # 设置内容样式
    content_font = Font(name='宋体', size=12)
    for row in ws.iter_rows(min_row=2):  # 处理数据行
        for cell in row:
            cell.font = content_font
            cell.alignment = Alignment(horizontal='center', vertical='center', wrap_text=True)
    
    # 自动调整列宽
    for column in ws.columns:
        max_length = 0
        column_letter = column[0].column_letter
        
        # 计算列中最长的内容
        for cell in column:
            try:
                if len(str(cell.value)) > max_length:
                    max_length = len(str(cell.value))
            except:
                pass
        
        # 设置列宽（考虑中文字符宽度）
        adjusted_width = max_length * 2
        # 设置列宽的最大和最小限制
        if adjusted_width > 100:
            adjusted_width = 100
        elif adjusted_width < 15:
            adjusted_width = 15
            
        ws.column_dimensions[column_letter].width = adjusted_width
    
    # 设置表头行高
    ws.row_dimensions[1].height = 30
    
    # 自动调整内容行高
    for row_idx in range(2, ws.max_row + 1):
        max_height = 0
        for cell in ws[row_idx]:
            if cell.value:
                # 计算文本的行数
                text_lines = str(cell.value).count('\n') + 1
                # 估算所需的行高
                required_height = text_lines * 20
                max_height = max(max_height, required_height)
        
        # 设置行高的最大和最小限制
        if max_height < 30:
            max_height = 30
        elif max_height > 100:
            max_height = 100
            
        ws.row_dimensions[row_idx].height = max_height

    # 保存修改后的文件
    wb.save(file_path)

def main():
    # 读取名单Excel文件，并指定每列的数据类型为字符串
    df = pd.read_excel('谈话名单.xlsx', dtype={
        '姓名': str,
        '谈话时间': str,
        '谈话原因': str,
        '谈话记录': str,
        '谈话地点': str
    })

    # 设定日期范围
    start_date = datetime(2024, 6, 1)
    end_date = datetime(2024, 12, 30)

    # 遍历每一行生成谈话记录
    for index, row in tqdm(df.iterrows(), total=len(df), desc="生成谈话记录"):
        name = row['姓名']
        # 生成随机谈话日期
        random_date = generate_random_date(start_date, end_date)
        
        # 生成谈话内容
        reason, record, location = generate_conversation_details(name)

        # 更新数据框中的相应字段
        df.loc[index, '谈话时间'] = random_date.strftime('%Y-%m-%d')
        df.loc[index, '谈话原因'] = reason
        df.loc[index, '谈话记录'] = record
        df.loc[index, '谈话地点'] = location

    # 保存为新的Excel文件
    output_file = '谈话记录.xlsx'
    df.to_excel(output_file, index=False)

    # 美化Excel格式
    beautify_excel(output_file)

# 程序入口
if __name__ == "__main__":
    main()