V0.4.1-修改大模型为deepseek，优化前段

src/gradio_server.py

@@ -1,41 +1,38 @@
-import gradio as gr  # 导入gradio库用于创建GUI
+import gradio as gr
 
-from config import Config  # 导入配置管理模块
-from github_client import GitHubClient  # 导入用于GitHub API操作的客户端
-from report_generator import ReportGenerator  # 导入报告生成器模块
-from llm import LLM  # 导入可能用于处理语言模型的LLM类
-from subscription_manager import SubscriptionManager  # 导入订阅管理器
-from logger import LOG  # 导入日志记录器
+from config import Config
+from github_client import GitHubClient
+from report_generator import ReportGenerator
+from llm import LLM
+from subscription_manager import SubscriptionManager
+from logger import LOG
 
-# 创建各个组件的实例
 config = Config()
 github_client = GitHubClient(config.github_token)
 llm = LLM()
 report_generator = ReportGenerator(llm)
 subscription_manager = SubscriptionManager(config.subscriptions_file)
 
+
 def export_progress_by_date_range(repo, days):
-    # 定义一个函数，用于导出和生成指定时间范围内项目的进展报告
-    raw_file_path = github_client.export_progress_by_date_range(repo, days)  # 导出原始数据文件路径
-    report, report_file_path = report_generator.generate_report_by_date_range(raw_file_path, days)  # 生成并获取报告内容及文件路径
+    raw_file_path = github_client.export_progress_by_date_range(repo, days)
+    report, report_file_path = report_generator.generate_report_by_date_range(raw_file_path, days)
 
-    return report, report_file_path  # 返回报告内容和报告文件路径
+    return report, report_file_path
 
-# 创建Gradio界面
 demo = gr.Interface(
-    fn=export_progress_by_date_range,  # 指定界面调用的函数
-    title="GitHubSentinel",  # 设置界面标题
+    fn=export_progress_by_date_range,
+    title="GitHubSentinel",
     inputs=[
         gr.Dropdown(
             subscription_manager.list_subscriptions(), label="订阅列表", info="已订阅GitHub项目"
-        ),  # 下拉菜单选择订阅的GitHub项目
+        ),
         gr.Slider(value=2, minimum=1, maximum=7, step=1, label="报告周期", info="生成项目过去一段时间进展，单位：天"),
-        # 滑动条选择报告的时间范围
+
     ],
-    outputs=[gr.Markdown(), gr.File(label="下载报告")],  # 输出格式：Markdown文本和文件下载
+    outputs=[gr.Markdown(), gr.File(label="下载报告")],
 )
 
 if __name__ == "__main__":
-    demo.launch(share=True, server_name="0.0.0.0")  # 启动界面并设置为公共可访问
-    # 可选带有用户认证的启动方式
+    demo.launch(share=True, server_name="0.0.0.0")
     # demo.launch(share=True, server_name="0.0.0.0", auth=("django", "1234"))

src/llm.py

@@ -1,14 +1,16 @@
 import os
 import json
-from openai import OpenAI  # 导入OpenAI库用于访问GPT模型
+import requests  # 用于调用DeepSeek API
 from logger import LOG  # 导入日志模块
 
+
 class LLM:
     def __init__(self):
-        # 创建一个OpenAI客户端实例
-        self.client = OpenAI()
+        # 初始化DeepSeek API配置
+        self.api_key = os.getenv("DEEPSEEK_API_KEY", "sk-da4403c03da1440db45dc626a781747b")  # 优先从环境变量获取API密钥
+        self.api_url = "https://api.deepseek.com/v1/chat/completions"
         # 从TXT文件加载提示信息
-        with open("prompts/report_prompt.txt", "r", encoding='utf-8') as file:
+        with open("./../prompts/report_prompt.txt", "r", encoding='utf-8') as file:
             self.system_prompt = file.read()
         # 配置日志文件，当文件大小达到1MB时自动轮转，日志级别为DEBUG
         LOG.add("logs/llm_logs.log", rotation="1 MB", level="DEBUG")
@@ -31,16 +33,32 @@ def generate_daily_report(self, markdown_content, dry_run=False):
 
         # 日志记录开始生成报告
         LOG.info("Starting report generation using GPT model.")
-        
+
         try:
-            # 调用OpenAI GPT模型生成报告
-            response = self.client.chat.completions.create(
-                model="gpt-4o-mini",  # 指定使用的模型版本
-                messages=messages
-            )
-            LOG.debug("GPT response: {}", response)
+            # 调用DeepSeek API生成报告
+            headers = {
+                "Authorization": f"Bearer {self.api_key}",
+                "Content-Type": "application/json"
+            }
+            payload = {
+                "model": "deepseek-chat",
+                "messages": messages
+            }
+            response = requests.post(self.api_url, headers=headers, json=payload)
+            response_data = response.json()
+            LOG.debug("GPT response: {}", response_data)
+
+            # 检查API响应是否包含错误
+            if response.status_code != 200 or 'error' in response_data:
+                error_msg = response_data.get('error', {}).get('message', 'Unknown API error')
+                LOG.error("API Error: {}", error_msg)
+                if 'Insufficient Balance' in error_msg:
+                    raise Exception("DeepSeek API余额不足，请充值后再试。")
+                else:
+                    raise Exception(f"API Error: {error_msg}")
+
             # 返回模型生成的内容
-            return response.choices[0].message.content
+            return response_data['choices'][0]['message']['content']
         except Exception as e:
             # 如果在请求过程中出现异常，记录错误并抛出
             LOG.error("An error occurred while generating the report: {}", e)