'commit'

Controller/YltAnalyticsController.py

@@ -214,29 +214,97 @@ async def export_ai_report_docx(req: AiReportRequest):
 @router.get("/api/ai/pricing/strategy-summary")
 async def ai_pricing_strategy_summary():
     async def generate_stream():
-        resp = await get_operators_hourly_prices()
-        data = resp.get("operators", [])
-        text_data = []
-        for item in data:
-            text_data.append({"operator": item.get("operator"), "series": item.get("series")})
-        
-        prompt = (
-            "下面是四家供应商（新电途、特来电、驿来特、艾特吉易充）基于最新爬取数据计算出的平均24小时分时电价：\n"
-            f"{text_data}\n"
-            "请根据这些数据，综合分析各司的定价策略差异，重点对比我司（驿来特）与其他供应商的分时电价水平，"
-            "指出我司在不同时段可能存在的潜在问题和风险（例如明显偏贵、价格结构不合理等），并给出2-3条可执行的优化建议。"
-            "请使用Markdown格式输出，重点可以使用加粗，如有公式可使用LaTeX格式。"
-            "回答控制在800字以内。"
-        )
-        
-        async for chunk in get_llm_response(
-            prompt,
-            stream=True,
-            system_prompt="你是熟悉中国充电桩行业的电价策略分析顾问。",
-        ):
-            yield chunk
+        try:
+            # 发送初始信息并增加一些空白填充，防止某些代理缓存
+            yield "正在收集各供应商价格数据，请稍候...\n\n" + (" " * 512) + "\n"
+            print("AI分析开始: 获取运营商价格数据...")
+            
+            # 使用 asyncio.wait_for 防止数据库查询无限挂起
+            try:
+                # 1. 获取当前最新 24 小时平均价格
+                resp = await asyncio.wait_for(get_operators_hourly_prices(), timeout=30.0)
+                
+                # 2. 获取最近 3 天的价格变动趋势
+                trend_resp = await asyncio.wait_for(get_operators_price_trends(days=3), timeout=30.0)
+            except asyncio.TimeoutError:
+                print("获取价格数据超时")
+                yield "\n\n**错误**: 获取价格数据超时，数据库响应过慢，请稍后重试。"
+                return
 
-    return StreamingResponse(generate_stream(), media_type="text/event-stream")
+            # 处理当前价格数据
+            data = resp.get("operators", [])
+            text_data = []
+            for item in data:
+                text_data.append({"operator": item.get("operator"), "series": item.get("series")})
+            
+            # 处理 3 天趋势数据
+            trend_dates = trend_resp.get("dates", [])
+            trend_series = trend_resp.get("series", [])
+            trend_text = []
+            for s in trend_series:
+                trend_text.append({"operator": s.get("name"), "daily_avg_prices": s.get("data")})
+
+            print(f"数据获取完成，准备请求LLM. 数据条数: {len(text_data)}, 趋势天数: {len(trend_dates)}")
+            yield "数据收集完成，正在分析最近 3 天的价格波动趋势并生成深度建议...\n\n"
+            
+            # 增加一个心跳，确保连接不断开
+            yield " " * 128 + "\n"
+            
+            prompt = (
+                "你是一位专业的充电桩调价策略分析顾问。下面是四家供应商（新电途、特来电、驿来特、艾特吉易充）的电价分析数据：\n\n"
+                "### 1. 当前最新 24 小时平均分时电价 (元/kWh)\n"
+                f"{json.dumps(text_data, ensure_ascii=False)}\n\n"
+                "### 2. 最近 3 天的价格变动趋势 (每日平均电价)\n"
+                f"日期序列: {trend_dates}\n"
+                f"各司趋势: {json.dumps(trend_text, ensure_ascii=False)}\n\n"
+                "请根据以上数据进行深度分析：\n"
+                "1. **现状对比**：对比我司（驿来特）与竞对在不同时段的电价水平，找出我司偏高或偏低的关键时段。\n"
+                "2. **趋势洞察**：分析最近 3 天各供应商的价格调整动态，判断市场整体是在涨价、降价还是保持稳定，我司的反应是否及时。\n"
+                "3. **问题诊断**：指出我司目前定价中存在的潜在风险（如价格倒挂、错失高峰收益、低谷缺乏竞争力等）。\n"
+                "4. **优化方案**：给出 2-3 条具体的、可落地的调价建议，并说明理由。\n\n"
+                "要求：\n"
+                "- 使用专业、客观的语气。\n"
+                "- 采用 Markdown 格式，适当使用加粗和表格。\n"
+                "- 回答控制在 800-1000 字以内。"
+            )
+            
+            # 清空之前的提示信息，开始正式输出 AI 内容
+            yield "---CLEAR_PREVIOUS_HINTS---\n"
+            
+            chunk_count = 0
+            # 使用 asyncio.wait_for 防止 LLM 请求完全死掉
+            try:
+                # 某些时候 LLM 可能会卡住，设置一个合理的整体超时
+                async for chunk in get_llm_response(
+                    prompt,
+                    stream=True,
+                    system_prompt="你是熟悉中国充电桩行业的电价策略分析顾问。",
+                ):
+                    chunk_count += 1
+                    if chunk_count == 1:
+                        print("收到LLM首个chunk")
+                    yield chunk
+            except Exception as llm_e:
+                print(f"LLM请求异常: {str(llm_e)}")
+                yield f"\n\n**AI 分析服务异常**: {str(llm_e)}。这可能是由于大模型服务商（如 DeepSeek）响应过慢或连接中断导致的。"
+                return
+
+            print(f"AI分析完成，共发送 {chunk_count} 个chunks")
+        except Exception as e:
+            error_msg = f"\n\n**分析过程出现严重错误**: {str(e)}"
+            print(error_msg)
+            yield error_msg
+
+    return StreamingResponse(
+        generate_stream(), 
+        media_type="text/event-stream",
+        headers={
+            "Cache-Control": "no-cache",
+            "Connection": "keep-alive",
+            "X-Accel-Buffering": "no",
+            "Content-Type": "text/event-stream; charset=utf-8"
+        }
+    )
 
 
 @router.get("/api/ylt/stations", response_model=List[StationBase])