agent.wang first commit.

README.md

@@ -1,14 +1,113 @@
----
-title: Score
-emoji: 🔥
-colorFrom: blue
-colorTo: blue
-sdk: gradio
-sdk_version: 5.44.1
-app_file: app.py
-pinned: false
-license: apache-2.0
-short_description: Wang Agent Intelligent Body Scoring System
----
-
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+# 王艾卷智能体评分系统 agent.wang
+
+## 项目介绍
+
+`agent.wang 王艾卷智能体评分系统` 是一款基于百度千帆 ERNIE-4.5-Turbo-VL 多模态大模型开发的智能体评估工具。该系统能够对智能体网页截图进行自动化分析，从多个维度进行评分并拆解智能体能力，为开发者和产品经理提供客观、全面的智能体评估报告。
+
+## 功能特点
+
+- **多维度评分**：从整体评价、设计美感、易用性、功能完整性和响应式设计五个维度进行1-10分制评分
+- **能力拆解**：自动识别智能体的核心功能、优势、劣势、潜在用途和改进方向
+- **结构化输出**：提供JSON格式原始数据和可视化解析结果，方便查看和进一步处理
+- **结果保存**：自动将分析结果保存为JSON文件，便于归档和对比分析
+- **错误处理**：完善的错误提示和处理机制，帮助用户快速定位和解决问题
+
+## 环境要求
+
+- Python 3.8+
+- openai 库
+
+## 安装步骤
+
+1. 克隆或下载项目代码到本地
+2. 安装依赖库：
+   ```bash
+   pip install openai
+   ```
+
+## 百度API密钥获取
+
+1. 访问百度智能云API密钥管理页面：https://console.bce.baidu.com/iam/#/iam/apikey/list
+2. 登录百度账号（未注册用户需先完成注册和实名认证）
+3. 点击"创建Access Key"生成API密钥
+4. 确保已开通千帆大模型服务（新用户可领取免费调用额度）
+
+## 使用指南
+
+1. 准备一张智能体网页的截图，保存为PNG或JPG格式
+2. 打开`ernie_analysis_with_parsing.py`文件，修改配置参数：
+   ```python
+   API_KEY = "您的百度智能云Access Key"  # 替换为实际API密钥
+   IMAGE_PATH = "demo.png"                # 替换为您的截图路径
+   OUTPUT_FILE = "analysis_result.json"   # 结果保存文件名
+   ```
+3. 运行脚本：
+   ```bash
+   python ernie_analysis_with_parsing.py
+   ```
+4. 查看结果：
+   - 控制台将显示原始JSON数据和解析后的结构化结果
+   - 分析结果同时会保存到指定的JSON文件中
+
+## 输出结果说明
+
+### 控制台输出
+
+1. **原始JSON结果**：完整展示模型返回的结构化数据，包含页面评分和智能体能力拆解的全部信息
+2. **解析后的结果**：格式化展示分析结果，包括：
+   - 页面评分：各维度得分及评论
+   - 智能体能力拆解：核心功能、优势、劣势、潜在用途、改进方向和详细分析
+
+### JSON文件输出
+
+分析结果会保存到指定的JSON文件中，可用于：
+- 结果归档和版本对比
+- 导入其他工具进行进一步分析
+- 集成到报告生成系统
+
+## 常见问题
+
+### API密钥相关问题
+
+- **Q: 提示"API密钥验证失败"怎么办？**
+  A: 检查API_KEY是否正确填写，确保没有多余空格；确认百度智能云账号已完成实名认证并开通千帆大模型服务；检查账号是否有可用的调用额度。
+
+### 图像相关问题
+
+- **Q: 提示"未找到图像文件"如何解决？**
+  A: 检查IMAGE_PATH是否正确，确保路径中包含正确的文件名和扩展名；如果使用相对路径，确认图像文件与脚本在同一目录下。
+
+### 结果解析问题
+
+- **Q: 模型返回结果格式异常怎么办？**
+  A: 系统已内置格式清理功能，会自动处理常见的格式问题。如果仍解析失败，可尝试重新运行脚本。
+
+## 自定义扩展
+
+### 调整评分维度
+
+如需增加或修改评分维度，可修改脚本中messages里的文本内容，例如：
+"text": "请分析这张智能体网页的截图，并完成以下任务：\n\
+1. 页面评分（每项1-10分，并给出简短评论）：\n\
+   - 整体评价（overall）\n\
+   - 设计美感（design）\n\
+   - 易用性（usability）\n\
+   - 功能完整性（functionality）\n\
+   - 响应式设计（responsiveness）\n\
+   - 安全性（security）\n  # 新增维度\
+..."
+### 修改输出文件路径
+
+如需将结果保存到指定路径，可修改OUTPUT_FILE参数：
+OUTPUT_FILE = "D:/reports/agent_analysis_202409.json"  # 绝对路径
+## 注意事项
+
+- 使用前请确保已阅读并遵守百度智能云的服务协议
+- 合理使用API调用额度，避免不必要的频繁调用
+- 对于敏感页面截图，请确保已获得必要的授权
+
+## 联系方式
+
+### 如有任何问题或建议，请联系项目维护团队。
+### url: https://agent.wang
+### exmail: zhl@agent.wang

analysis_result.json

@@ -0,0 +1,55 @@
+{
+  "页面评分": {
+    "overall": {
+      "score": 8,
+      "comment": "整体页面简洁明了，信息传达清晰，用户体验较好。"
+    },
+    "design": {
+      "score": 8,
+      "comment": "设计风格简约，色彩搭配和谐，图标和文字布局合理。"
+    },
+    "usability": {
+      "score": 9,
+      "comment": "页面操作简单，用户可以轻松找到所需功能，易用性高。"
+    },
+    "functionality": {
+      "score": 8,
+      "comment": "功能明确，能够满足用户识别物体等基本需求。"
+    },
+    "responsiveness": {
+      "score": 8,
+      "comment": "在不同设备上应该都能有较好的显示效果，响应式设计良好。"
+    }
+  },
+  "智能体能力拆解": {
+    "core_functions": [
+      "识别周围物体并提供名称",
+      "提供物体的属性信息",
+      "提供物体的用途信息",
+      "回答用户关于物体的相关问题"
+    ],
+    "strengths": [
+      "功能明确，专注于物体识别和信息提供",
+      "操作简单，用户易上手",
+      "信息提供较为全面",
+      "页面设计简洁，用户体验好"
+    ],
+    "weaknesses": [
+      "功能相对单一，缺乏更多扩展功能",
+      "对于复杂物体的识别和信息提供可能存在不足",
+      "缺乏用户个性化设置",
+      "没有明显的反馈机制，用户无法对识别结果进行评价"
+    ],
+    "potential_uses": [
+      "日常生活中的物体识别，如识别植物、电子设备等",
+      "学习场景中，帮助学生识别和了解各种物体",
+      "旅游时，识别陌生物体获取相关信息"
+    ],
+    "improvement_areas": [
+      "增加更多功能，如物体分类、相似物体推荐等",
+      "提供用户反馈机制，以便改进识别准确率",
+      "增加个性化设置，满足不同用户需求"
+    ],
+    "detailed_analysis": "该智能体网页整体设计简洁，以用户需求为核心，专注于物体识别和信息提供。页面布局合理，操作简单，用户可以轻松输入问题并获取相关信息。然而，功能相对单一，缺乏更多扩展功能，对于复杂物体的识别和信息提供可能存在不足。此外，缺乏用户个性化设置和反馈机制，无法满足不同用户的需求和改进识别准确率。未来可以增加更多功能，提供用户反馈机制和个性化设置，以提升用户体验和智能体的实用性。"
+  }
+}

analysis_result.py

@@ -0,0 +1,198 @@
+import base64
+import json
+from openai import OpenAI
+from openai import APIError, AuthenticationError, NotFoundError
+
+def image_to_base64(image_path):
+    """将图像文件转换为base64编码字符串"""
+    try:
+        with open(image_path, 'rb') as image_file:
+            image_data = image_file.read()
+        return base64.b64encode(image_data).decode('utf-8')
+    except FileNotFoundError:
+        print(f"错误：未找到图像文件 '{image_path}'")
+        return None
+    except Exception as e:
+        print(f"转换图像时出错：{str(e)}")
+        return None
+
+def clean_json_response(raw_response):
+    """清理模型返回的响应，移除 ```json 和 ``` 代码块标记"""
+    # 移除开头的 ```json（不区分大小写）
+    if raw_response.startswith('```json') or raw_response.startswith('```JSON'):
+        raw_response = raw_response[7:]
+    # 移除结尾的 ```
+    if raw_response.endswith('```'):
+        raw_response = raw_response[:-3]
+    # 去除首尾多余空格/换行
+    return raw_response.strip()
+
+def parse_analysis_result(result):
+    """解析分析结果并以结构化方式展示"""
+    if not result:
+        return
+    
+    print("\n" + "="*50)
+    print("📊 图像分析结果解析")
+    print("="*50)
+    
+    # 解析页面评分
+    print("\n【页面评分】")
+    scoring = result.get("页面评分", {})
+    for key, value in scoring.items():
+        if key.endswith("_comment"):
+            # 处理评论（对应前面的评分项）
+            score_key = key.replace("_comment", "")
+            print(f"  - {score_key}: {scoring.get(score_key, 'N/A')}分 - {value}")
+    
+    # 解析智能体能力
+    print("\n【智能体能力拆解】")
+    capabilities = result.get("智能体能力拆解", {})
+    
+    # 核心功能
+    print("\n核心功能:")
+    for i, func in enumerate(capabilities.get("core_functions", []), 1):
+        print(f"  {i}. {func}")
+    
+    # 优势
+    print("\n优势:")
+    for i, strength in enumerate(capabilities.get("strengths", []), 1):
+        print(f"  {i}. {strength}")
+    
+    # 劣势
+    print("\n劣势:")
+    for i, weakness in enumerate(capabilities.get("weaknesses", []), 1):
+        print(f"  {i}. {weakness}")
+    
+    # 潜在用途
+    print("\n潜在用途:")
+    for i, use in enumerate(capabilities.get("potential_uses", []), 1):
+        print(f"  {i}. {use}")
+    
+    # 改进方向
+    print("\n改进方向:")
+    for i, area in enumerate(capabilities.get("improvement_areas", []), 1):
+        print(f"  {i}. {area}")
+    
+    # 详细分析
+    print("\n【详细分析】")
+    print(capabilities.get("detailed_analysis", "无详细分析信息"))
+    
+    print("\n" + "="*50)
+
+def analyze_image_with_ernie(api_key, image_path):
+    """使用百度ERNIE-VL模型分析图像并返回结果"""
+    # 转换图像为base64
+    base64_string = image_to_base64(image_path)
+    if not base64_string:
+        return None
+
+    try:
+        # 初始化客户端
+        client = OpenAI(
+            base_url='https://qianfan.baidubce.com/v2',
+            api_key=api_key
+        )
+
+        # 构建消息
+        messages = [
+            {
+                "role": "user",
+                "content": [
+                    {
+                        "type": "text",
+                        "text": "请分析这张智能体网页的截图，并完成以下任务：\n\
+                        1. 页面评分（每项1-10分，并给出简短评论）：\n\
+                           - 整体评价（overall）\n\
+                           - 设计美感（design）\n\
+                           - 易用性（usability）\n\
+                           - 功能完整性（functionality）\n\
+                           - 响应式设计（responsiveness）\n\
+                        2. 智能体能力拆解：\n\
+                           - 核心功能（core_functions）：列出3-5个主要功能\n\
+                           - 优势（strengths）：列出3-4个主要优势\n\
+                           - 劣势（weaknesses）：列出3-4个潜在劣势\n\
+                           - 潜在用途（potential_uses）：列出3-4个可能的应用场景\n\
+                           - 改进方向（improvement_areas）：列出2-3个可以改进的地方\n\
+                           - 详细分析（detailed_analysis）：一段详细的综合分析\n\
+                        【输出要求】：仅返回纯JSON字符串，不要包含任何代码块标记（如```json、```），确保JSON结构可直接被Python的json.loads()解析。"
+                    },
+                    {
+                        "type": "image_url",
+                        "image_url": {"url": f"data:image/jpeg;base64,{base64_string}"}
+                    }
+                ]
+            }
+        ]
+
+        # 发送请求
+        print("正在分析图像，请稍候...")
+        response = client.chat.completions.create(
+            model="ernie-4.5-turbo-vl", 
+            messages=messages, 
+            temperature=0.8, 
+            top_p=0.2,
+            extra_body={"penalty_score": 1}
+        )
+
+        # 处理响应
+        raw_content = response.choices[0].message.content
+        cleaned_content = clean_json_response(raw_content)
+
+        try:
+            result = json.loads(cleaned_content)
+            return result
+        except json.JSONDecodeError as e:
+            print(f"错误：清理后的内容仍不是有效JSON格式，错误详情：{str(e)}")
+            print(f"清理后内容：{cleaned_content}")
+            return None
+
+    except AuthenticationError:
+        print("错误：API密钥验证失败，请检查您的百度智能云API密钥是否正确")
+        return None
+    except NotFoundError:
+        print("错误：未找到指定的模型，请确认模型名称是否正确")
+        return None
+    except APIError as e:
+        print(f"API请求失败：{str(e)}")
+        return None
+    except Exception as e:
+        print(f"发生未知错误：{str(e)}")
+        return None
+
+def save_analysis_result(result, output_file="analysis_result.json"):
+    """保存分析结果到JSON文件"""
+    if result:
+        try:
+            with open(output_file, 'w', encoding='utf-8') as f:
+                json.dump(result, f, ensure_ascii=False, indent=2)
+            print(f"\n分析结果已保存到 {output_file}")
+        except Exception as e:
+            print(f"保存结果时出错：{str(e)}")
+
+if __name__ == "__main__":
+    # 配置
+    API_KEY = os.getenv('baidu_api_key')  # 替换为实际API密钥
+    IMAGE_PATH = "demo.png"  # 替换为实际图像路径
+    OUTPUT_FILE = "analysis_result.json"  # 结果保存文件名
+
+    # 检查API密钥
+    if API_KEY in ["您的百度智能云API密钥", "请替换为您的百度API密钥"]:
+        print("⚠️ 请先替换代码中的API_KEY为您自己的百度智能云API密钥！")
+        print("获取地址：https://console.bce.baidu.com/iam/#/iam/apikey/list")
+    else:
+        # 执行分析
+        analysis_result = analyze_image_with_ernie(API_KEY, IMAGE_PATH)
+        
+        # 解析并展示结果
+        if analysis_result:
+            # 打印原始JSON（便于调试）
+            print("\n📄 原始分析结果(JSON):")
+            print(json.dumps(analysis_result, ensure_ascii=False, indent=2))
+            
+            # 解析并格式化展示
+            parse_analysis_result(analysis_result)
+            
+            # 保存结果到文件
+            save_analysis_result(analysis_result, OUTPUT_FILE)
+    

app.py

@@ -0,0 +1,558 @@
+import gradio as gr
+import base64
+import json
+import time
+from openai import OpenAI, APITimeoutError, APIError
+import io
+import logging
+import os
+
+# 尝试导入PIL（pillow的实际包名），并处理导入错误
+try:
+    from PIL import Image
+    PIL_AVAILABLE = True
+except ImportError:
+    PIL_AVAILABLE = False
+    logging.warning("未找到pillow库，图片处理功能将不可用")
+
+# 配置日志
+logging.basicConfig(level=logging.INFO)
+logger = logging.getLogger(__name__)
+API_KEY = os.getenv('baidu_api_key')
+# 初始化OpenAI客户端（替换为你的百度千帆API密钥）
+client = OpenAI(
+    base_url='https://qianfan.baidubce.com/v2',
+    api_key=API_KEY  # 请替换为实际密钥
+)
+
+# ---------------------- Base64图片读取函数 ----------------------
+def read_base64_from_file(file_path):
+    """从指定文本文件读取Base64编码（处理空文件、路径错误等异常）"""
+    try:
+        # 检查文件是否存在
+        if not os.path.exists(file_path):
+            logging.warning(f"Base64文件不存在：{file_path}")
+            return None
+        
+        # 读取文件内容（去除空行和空格）
+        with open(file_path, 'r', encoding='utf-8') as f:
+            base64_str = f.read().strip()
+        
+        # 验证Base64有效性（简单检查长度是否为4的倍数）
+        if len(base64_str) % 4 != 0:
+            logging.error(f"{file_path} 中Base64编码无效（长度非4的倍数）")
+            return None
+        
+        return base64_str
+    except Exception as e:
+        logging.error(f"读取{file_path}失败：{str(e)}")
+        return None
+
+def base64_to_pil_image(base64_str):
+    """将Base64字符串转换为PIL Image对象（用于Gradio渲染）"""
+    try:
+        if not base64_str:
+            return None
+        
+        # 解码Base64为字节流
+        image_bytes = base64.b64decode(base64_str)
+        # 转换为PIL Image
+        image = Image.open(io.BytesIO(image_bytes))
+        return image
+    except Exception as e:
+        logging.error(f"Base64转图片失败：{str(e)}")
+        return None
+
+# ---------------------- 核心工具函数 ----------------------
+def compress_image(image_path, max_size=(1024, 1024)):
+    """图片压缩处理，增加pillow可用性检查"""
+    if not PIL_AVAILABLE:
+        raise Exception("未安装pillow库，请执行 `pip install pillow` 安装后重试")
+        
+    try:
+        with Image.open(image_path) as img:
+            # 处理透明背景（转为白色背景）
+            if img.mode in ('RGBA', 'LA'):
+                background = Image.new(img.mode[:-1], img.size, (255, 255, 255))
+                background.paste(img, img.split()[-1])
+                img = background
+            # 按比例缩小图片（不拉伸）
+            img.thumbnail(max_size, Image.Resampling.LANCZOS)
+            # 保存到内存并转Base64
+            img_byte_arr = io.BytesIO()
+            img.save(img_byte_arr, format='JPEG', quality=80)
+            return base64.b64encode(img_byte_arr.getvalue()).decode('utf-8')
+    except Exception as e:
+        logger.error(f"图片处理失败: {str(e)}")
+        raise Exception(f"图片处理失败: {str(e)}")
+
+def clean_json_response(raw_content):
+    """清理模型返回的响应，移除代码块标记，确保JSON可解析"""
+    # 移除开头的 ```json/```JSON 标记
+    if raw_content.startswith('```json') or raw_content.startswith('```JSON'):
+        raw_content = raw_content[7:]
+    # 移除结尾的 ``` 标记
+    if raw_content.endswith('```'):
+        raw_content = raw_content[:-3]
+    # 去除首尾多余空格/换行
+    return raw_content.strip()
+
+def format_analysis_result(result_json):
+    """将JSON结果格式化为结构化的Markdown文本，用于页面展示"""
+    if not isinstance(result_json, dict):
+        return "⚠️ 分析结果格式异常，无法结构化展示"
+    
+    # 初始化Markdown内容
+    md_content = "# 智能体截图分析报告\n\n"
+    
+    # 1. 页面评分模块
+    scoring = result_json.get("页面评分", {})
+    if scoring:
+        md_content += "## 一、页面评分（1-10分）\n"
+        md_content += "| 评价维度       | 得分 | 评价说明                  |\n"
+        md_content += "|----------------|------|---------------------------|\n"
+        
+        # 处理每个评分项（匹配 "维度" 和 "维度_comment"）
+        score_items = ["overall", "design", "usability", "functionality", "responsiveness"]
+        item_names = {
+            "overall": "整体评价",
+            "design": "设计美感",
+            "usability": "易用性",
+            "functionality": "功能完整性",
+            "responsiveness": "响应式设计"
+        }
+        
+        for item in score_items:
+            score = scoring.get(item, "N/A")
+            comment = scoring.get(f"{item}_comment", "无")
+            md_content += f"| {item_names[item]} | {score} | {comment} |\n"
+        md_content += "\n"
+    
+    # 2. 智能体能力拆解模块
+    capabilities = result_json.get("智能体能力拆解", {})
+    if capabilities:
+        md_content += "## 二、智能体能力拆解\n"
+        
+        # 核心功能
+        core_funcs = capabilities.get("core_functions", [])
+        if core_funcs:
+            md_content += "### 1. 核心功能\n"
+            for i, func in enumerate(core_funcs, 1):
+                md_content += f"- **{i}.** {func}\n"
+            md_content += "\n"
+        
+        # 优势
+        strengths = capabilities.get("strengths", [])
+        if strengths:
+            md_content += "### 2. 优势\n"
+            for i, strength in enumerate(strengths, 1):
+                md_content += f"- **{i}.** {strength}\n"
+            md_content += "\n"
+        
+        # 劣势
+        weaknesses = capabilities.get("weaknesses", [])
+        if weaknesses:
+            md_content += "### 3. 劣势\n"
+            for i, weakness in enumerate(weaknesses, 1):
+                md_content += f"- **{i}.** {weakness}\n"
+            md_content += "\n"
+        
+        # 潜在用途
+        potential_uses = capabilities.get("potential_uses", [])
+        if potential_uses:
+            md_content += "### 4. 潜在用途\n"
+            for i, use in enumerate(potential_uses, 1):
+                md_content += f"- **{i}.** {use}\n"
+            md_content += "\n"
+        
+        # 改进方向
+        improvement_areas = capabilities.get("improvement_areas", [])
+        if improvement_areas:
+            md_content += "### 5. 改进方向\n"
+            for i, area in enumerate(improvement_areas, 1):
+                md_content += f"- **{i}.** {area}\n"
+            md_content += "\n"
+        
+        # 详细分析
+        detailed_analysis = capabilities.get("detailed_analysis", "无")
+        if detailed_analysis != "无":
+            md_content += "### 6. 详细分析\n"
+            md_content += f">{detailed_analysis}\n\n"
+    
+    # 若结果不完整，补充提示
+    if not scoring and not capabilities:
+        md_content += "⚠️ 未获取到有效分析结果，请检查图片内容或重试"
+    
+    return md_content
+
+def analyze_image(input_image):
+    """AI分析核心函数：返回【结构化Markdown结果】+【原始JSON】+【状态】"""
+    # 初始化返回值（结构化结果、原始JSON、状态）
+    structured_result = ""
+    raw_json = ""
+    status = "就绪"
+    
+    # 依赖检查
+    if not PIL_AVAILABLE:
+        status = "❌ 缺少依赖"
+        structured_result = "未安装pillow库，请关闭应用并执行 `pip install pillow` 安装后重试"
+        yield structured_result, raw_json, status
+        return
+    
+    # 图片检查
+    if not input_image:
+        status = "请先上传图片"
+        structured_result = "请点击左侧「上传截图」区域，选择JPG/PNG格式的智能体网页截图"
+        yield structured_result, raw_json, status
+        return
+    
+    try:
+        # 1. 图片准备阶段
+        status = "正在准备图片..."
+        structured_result = "🔄 正在读取并准备图片文件..."
+        yield structured_result, raw_json, status
+        time.sleep(0.1)
+        
+        # 2. 图片压缩阶段
+        status = "正在压缩图片..."
+        structured_result = "🔄 正在压缩图片（确保分析效率，不影响质量）..."
+        yield structured_result, raw_json, status
+        image_base64 = compress_image(input_image)
+        time.sleep(0.1)
+        
+        # 3. 请求发送阶段
+        status = "正在发送分析请求..."
+        structured_result = "🔄 正在向AI模型发送分析请求（约3-10秒）..."
+        yield structured_result, raw_json, status
+        
+        # 构建AI请求（明确输出格式要求，减少清理工作）
+        messages = [
+            {
+                "role": "user",
+                "content": [
+                    {
+                        "type": "text",
+                        "text": "请分析这张智能体网页的截图，并严格按照以下格式返回JSON：\n\
+                        {\n\
+                          \"页面评分\": {\n\
+                            \"overall\": 分数（1-10）,\n\
+                            \"overall_comment\": \"简短评价\",\n\
+                            \"design\": 分数（1-10）,\n\
+                            \"design_comment\": \"简短评价\",\n\
+                            \"usability\": 分数（1-10）,\n\
+                            \"usability_comment\": \"简短评价\",\n\
+                            \"functionality\": 分数（1-10）,\n\
+                            \"functionality_comment\": \"简短评价\",\n\
+                            \"responsiveness\": 分数（1-10）,\n\
+                            \"responsiveness_comment\": \"简短评价\"\n\
+                          },\n\
+                          \"智能体能力拆解\": {\n\
+                            \"core_functions\": [\"功能1\", \"功能2\", ...],\n\
+                            \"strengths\": [\"优势1\", \"优势2\", ...],\n\
+                            \"weaknesses\": [\"劣势1\", \"劣势2\", ...],\n\
+                            \"potential_uses\": [\"用途1\", \"用途2\", ...],\n\
+                            \"improvement_areas\": [\"改进1\", \"改进2\", ...],\n\
+                            \"detailed_analysis\": \"详细综合分析文本\"\n\
+                          }\n\
+                        }\n\
+                        【注意】：仅返回纯JSON，不要包含代码块标记（如```json）、解释文本等额外内容！"
+                    },
+                    {
+                        "type": "image_url",
+                        "image_url": {"url": f"data:image/jpeg;base64,{image_base64}"}
+                    }
+                ]
+            }
+        ]
+        
+        # 4. AI分析阶段
+        status = "AI正在分析（约3-10秒）..."
+        structured_result = f"🔄 AI正在深度分析图片内容...\n\n当前进度：\n- 图片已上传：✅\n- 模型已接收：✅\n- 分析中：⌛"
+        yield structured_result, raw_json, status
+        
+        # 调用ERNIE-VL模型
+        response = client.chat.completions.create(
+            model="ernie-4.5-turbo-vl",  # 简化模型名，避免版本兼容性问题
+            messages=messages,
+            temperature=0.2,
+            top_p=0.8,
+            extra_body={"penalty_score": 1},
+            timeout=30
+        )
+        
+        # 5. 结果整理阶段
+        status = "正在整理分析结果..."
+        structured_result = "🔄 AI分析完成，正在整理结构化报告..."
+        yield structured_result, raw_json, status
+        time.sleep(0.1)
+        
+        # 处理AI响应
+        raw_content = response.choices[0].message.content
+        cleaned_content = clean_json_response(raw_content)
+        raw_json = json.dumps(json.loads(cleaned_content), ensure_ascii=False, indent=2)  # 格式化原始JSON
+        
+        # 生成结构化展示结果
+        result_json = json.loads(cleaned_content)
+        structured_result = format_analysis_result(result_json)
+        status = "✅ 分析完成！"
+        yield structured_result, raw_json, status
+        
+    # 异常处理（各阶段错误提示）
+    except APITimeoutError:
+        status = "❌ 分析超时"
+        structured_result = "⚠️ API调用超时（超过30秒）\n\n可能原因：\n1. 网络不稳定\n2. 模型负载较高\n建议：检查网络后重试"
+        yield structured_result, raw_json, status
+    except APIError as e:
+        status = "❌ API错误"
+        structured_result = f"⚠️ 百度千帆API错误\n\n错误详情：\n{str(e)}\n\n建议：检查API密钥是否正确，或前往百度智能云控制台确认服务状态"
+        yield structured_result, raw_json, status
+    except json.JSONDecodeError as e:
+        status = "❌ 格式错误"
+        structured_result = f"⚠️ AI返回结果非标准JSON\n\n原始内容：\n{cleaned_content[:500]}...\n\n错误详情：{str(e)}"
+        yield structured_result, cleaned_content, status  # 返回原始错误内容
+    except Exception as e:
+        status = "❌ 分析失败"
+        structured_result = f"⚠️ 分析过程出错\n\n错误详情：\n{str(e)}\n\n建议：检查图片格式（仅支持JPG/PNG）或重试"
+        yield structured_result, raw_json, status
+
+# ---------------------- 界面设计 ----------------------
+with gr.Blocks(title="智能体截图分析工具", theme=gr.themes.Soft()) as demo:
+    # 存储原始JSON结果（用于下载）
+    raw_json_store = gr.State("")
+    
+    # 预加载Base64图片（启动时读取一次）
+    logo_base64 = read_base64_from_file("logo.txt")  # 从logo.txt读取Logo的Base64
+    demo_base64 = read_base64_from_file("demo.txt")  # 从demo.txt读取示例图的Base64
+    logo_image = base64_to_pil_image(logo_base64)    # 转换为PIL Image
+    demo_image = base64_to_pil_image(demo_base64)    # 转换为PIL Image
+    
+    # 顶部Logo/标题区（改用Base64图片）
+    with gr.Row(elem_id="logo_row", visible=logo_image is not None):
+        gr.Image(
+            value=logo_image,  # 直接使用Base64转换后的PIL Image
+            height=50, width=165,
+            interactive=False,
+            show_label=False,
+            show_download_button=False
+        )
+    if logo_image is None:
+        gr.Markdown("# 智能体截图分析工具", elem_id="fallback_title")
+    
+    # 功能说明（简洁明了）
+    gr.Markdown("### 功能说明", visible=logo_image is not None)
+    gr.Markdown("""
+    上传智能体网页截图（JPG/PNG），系统将自动完成：
+    1. 页面质量评分（整体评价、设计美感等5个维度）
+    2. 智能体能力拆解（核心功能、优势、潜在用途等）
+    3. 生成结构化报告，支持下载原始JSON结果
+    """, elem_id="description")
+    
+    # 核心交互区域（左侧上传 + 右侧结果）
+    with gr.Row(elem_id="main_content", variant="panel"):
+        # 左侧：图片上传区（简洁布局）
+        with gr.Column(scale=1, elem_id="upload_col"):
+            input_image = gr.Image(
+                type="filepath",
+                label="上传截图",
+                height=300,
+                show_label=True,
+                elem_id="image_upload"
+            )
+            
+            # 示例图片区域（改用Base64加载的示例图）
+            example_images = [demo_image] if demo_image is not None else []
+            if example_images:
+                gr.Examples(
+                    examples=example_images,
+                    inputs=input_image,
+                    label="示例截图（点击可直接使用）",
+                    elem_id="examples_box"
+                )
+            
+            analyze_btn = gr.Button(
+                "开始分析",
+                variant="primary",
+                size="lg",
+                elem_id="analyze_btn",
+                interactive=PIL_AVAILABLE  # 无pillow时禁用按钮
+            )
+            # 依赖提示（无pillow时显示）
+            if not PIL_AVAILABLE:
+                gr.Markdown("⚠️ 未安装pillow库，无法处理图片\n请执行 `pip install pillow` 后重启应用", elem_id="dependency_warning")
+        
+        # 右侧：结果展示区
+        with gr.Column(scale=2, elem_id="result_col", variant="panel"):
+            # 状态显示（顶部固定）
+            status_display = gr.Textbox(
+                label="当前状态",
+                interactive=False,
+                value="就绪：请上传截图并点击「开始分析」",
+                elem_id="status_box",
+                max_lines=2
+            )
+            
+            # 结果标签页（结构化报告 + 原始JSON）
+            with gr.Tabs(elem_id="result_tabs"):
+                # 标签1：结构化报告（默认显示）
+                with gr.Tab("结构化分析报告", elem_id="structured_tab"):
+                    structured_result = gr.Markdown(
+                        value="""
+                        # 等待分析...
+                        
+                        ## 操作指引
+                        1. 点击左侧「上传截图」区域，选择智能体网页的JPG/PNG图片
+                        2. 点击「开始分析」按钮，等待3-10秒
+                        3. 分析完成后，此处将显示结构化报告
+                        
+                        ## 示例图说明
+                        若左侧有示例图片，可直接点击示例快速测试
+                        """,
+                        elem_id="structured_result"
+                    )
+                
+                # 标签2：原始JSON（供开发/调试使用）
+                with gr.Tab("原始JSON结果", elem_id="raw_json_tab"):
+                    raw_json_result = gr.Textbox(
+                        label=None,
+                        lines=20,
+                        placeholder="分析完成后，此处将显示格式化的原始JSON结果...",
+                        elem_id="raw_json_box",
+                        container=True
+                    )
+            
+            # 操作按钮区（下载 + 清除）
+            with gr.Row(elem_id="action_buttons"):
+                download_btn = gr.DownloadButton(
+                    "下载JSON结果",
+                    label=None,
+                    elem_id="download_btn",
+                    visible=False  # 初始隐藏，分析成功后显示
+                )
+                clear_btn = gr.Button(
+                    "清除结果",
+                    variant="secondary",
+                    size="sm",
+                    elem_id="clear_btn"
+                )
+    
+    # ---------------------- 交互逻辑 ----------------------
+    # 1. 分析按钮：触发分析流程
+    analyze_btn.click(
+        fn=analyze_image,
+        inputs=input_image,
+        outputs=[structured_result, raw_json_result, status_display]
+    ).then(
+        # 分析完成后：更新原始JSON存储 + 控制下载按钮显示
+        fn=lambda raw_json, status: (
+            raw_json,  # 更新原始JSON存储
+            gr.update(visible=status.startswith("✅"))  # 成功时显示下载按钮
+        ),
+        inputs=[raw_json_result, status_display],
+        outputs=[raw_json_store, download_btn]
+    )
+    
+    # 2. 下载按钮：下载原始JSON结果
+    download_btn.click(
+        fn=lambda result: (result, "analysis_result.json"),
+        inputs=raw_json_store,
+        outputs=download_btn,
+        show_progress=False
+    )
+    
+    # 3. 清除按钮：重置所有结果和状态
+    clear_btn.click(
+        fn=lambda: (
+            """
+            # 等待分析...
+            
+            ## 操作指引
+            1. 点击左侧「上传截图」区域，选择智能体网页的JPG/PNG��片
+            2. 点击「开始分析」按钮，等待3-10秒
+            3. 分析完成后，此处将显示结构化报告
+            
+            ## 示例图说明
+            若左侧有示例图片，可直接点击示例快速测试
+            """,  # 重置结构化报告
+            "",  # 清空原始JSON
+            "就绪：请上传截图并点击「开始分析」",  # 重置状态
+            gr.update(visible=False),  # 隐藏下载按钮
+            ""  # 清空原始JSON存储
+        ),
+        outputs=[structured_result, raw_json_result, status_display, download_btn, raw_json_store]
+    )
+    
+    # ---------------------- 样式优化 ----------------------
+    demo.load(
+        None,
+        None,
+        None,
+        js="""() => {
+            // 结果区整体样式
+            const resultCol = document.getElementById('result_col');
+            if (resultCol) {
+                resultCol.style.padding = '20px';
+                resultCol.style.borderRadius = '8px';
+            }
+            
+            // 状态框样式和动态颜色
+            const statusBox = document.getElementById('status_box');
+            if (statusBox) {
+                statusBox.style.marginBottom = '15px';
+                statusBox.style.padding = '8px';
+                
+                // 定时检查状态文本并更新颜色
+                setInterval(() => {
+                    const statusText = statusBox.value || '';
+                    if (typeof statusText === 'string') {
+                        if (statusText.startsWith('✅')) statusBox.style.color = '#27ae60';
+                        else if (statusText.startsWith('❌')) statusBox.style.color = '#e74c3c';
+                        else if (statusText.includes('分析中') || statusText.includes('🔄')) statusBox.style.color = '#3498db';
+                        else statusBox.style.color = '#34495e';
+                    }
+                }, 100);
+            }
+            
+            // 按钮区样式
+            const actionButtons = document.getElementById('action_buttons');
+            if (actionButtons) {
+                actionButtons.style.marginTop = '15px';
+                actionButtons.style.gap = '10px';
+            }
+            
+            // 结构化报告样式优化
+            const structuredResult = document.getElementById('structured_result');
+            if (structuredResult) {
+                structuredResult.style.padding = '10px 0';
+            }
+        }"""
+    )
+
+# ---------------------- 应用启动 ----------------------
+if __name__ == "__main__":
+    try:
+        # 依赖检测
+        required_imports = {
+            "gradio": "gradio",
+            "openai": "openai",
+            "PIL": "pillow",  # pillow实际导入的是PIL
+            "requests": "requests"
+        }
+        
+        for import_name, package_name in required_imports.items():
+            try:
+                __import__(import_name)
+            except ImportError:
+                raise ImportError(package_name)
+        
+        # 启动应用（适配旧版本Gradio）
+        demo.launch(
+            server_name="0.0.0.0",
+            server_port=1919,
+            share=False,
+            max_threads=4,
+            quiet=True
+        )
+    except ImportError as e:
+        logger.critical(f"缺少依赖包：请执行 `pip install {e.args[0]}` 安装")
+    except Exception as e:
+        logger.critical(f"应用启动失败：{str(e)}")

logo.txt

@@ -0,0 +1 @@
+iVBORw0KGgoAAAANSUhEUgAAAKUAAABBCAYAAACw/mROAAAQAElEQVR4Aexaa5BV1ZVe+zYQcQZp0CQoKo2JGaI82oiOSSWh2xlfmYo0JggahSaP8h0aM1XzY6oEkl/mxzSkklTUxG6mJuMDsRsVJUa4TYJOrJoa2sRRzCShiTpBEGm00abvWWvN9+1zz/V289Cqcaa70udy1tl7r/de+zv7PJqC5L+8AiOsAjkoR9iC5OmI5KDMUTDiKpCDcsQtSZ5QDsocAyOuAjkoR9yS5AkNPyjzNcgrMKQCOSiHFCQfDn8FclAO/xrkGQypQA7KIQXJh8NfgRyUw78GeQZDKpCDckhB8uHwVyAHpcjwr0KewaAK5KAcVI58MBIqkINyJKxCnsOgChwBygtWPDPvgtufaT3/9u275q542i64fbun9LS/O34aPFIqm7ui3N7+tM2FTUrboy37tGc7N/qCzre274D/tvqWYt2gbPJBXgFUoAJKAKT2Uy2/aDXRLnNtEXMAxoK7oOsgE8c/A8MdfbTsk9B1/MSd+jAQD9ANZuwbWkEHPCgadczrodxcE8bsmtuyvZWxkUt+5BWIFYigJChqZEwR0GlxAsdwZksyABAHuuIAmaMfWVFHBJogAg8wdI5j36nnMCIw3cFDP9pnLfw4+nCzPEihyBwk/+UVQAUiKMVrVgI8cwgSAgcoww4JkBGEUHKAyolEthWiPCIL6kAj9aIO+ABbtAHKUwnAGmVQpc8ohx7NxUPwUF9ADjJaf/m8B1WgUH9jsc7NlzuAgl0LqAFYBIRx5IFpnqInjiFKcWUpcKFnEFgEHYQYu1iIOjQDP5XRtVXbgIExjCkHtdTfWmwYlF0+GJUVKPhYWSkOcIgHAaCAEQFIBTgTxz8BwNhEPjqRD71KC/SBzQPPnbQARR580i90MYS6AaiQYYyB0C9bh04qdzGRJsl/o74CBXevj4DjjhYBI8CkC/hiQAvYGGMY+yl/wvhC+OKFU+SGK+rkRtANV0wLN1x+ZuzfeHmdfPGvPyrRJ/yxlQi81JZjuHL6jjEi26O+uM8f9SuSF0AKAEe9uzjBwtYBIEGHwGHLsWOc7WynTR4XHvyHC+Q718+Qm74AUILY3vSF6ZXxd677pGxe/Wk5dfKH4MIBOGyk9AGKB2LQJ0li3wLXAmO88bOX02iuAHZKARas/KzHVgBQEQdYUqA6+g5gRXKC77STT3jPmlHnusYzhM7e9UW/Lh6RKRA5/Io7nj0NWzLjvafjXOHPvgIAJYHoQEYGGI6BkjJwPLbk4T0ax9yzJ73vosy/6FSZcOIYbJOpbyP6HL6ie7TwTTAiOuLjjPH7dp4rfpAVGFG+AMoUDBF8BAsJ4MA2BqAAONkYvMY5J4ep72OXzGY4YfwYaZh1irjCO+y9ylfqn7EjYAPH2CwB+8z6z7/Ft9n6ufhrWCT8tev8ll/kL3pY9ipQAjECEJIIIOxvaHAGD1ABrKTpotNgcuTx1tuJvLr/nSMF4Cz4zGm4RZuY0YMFAg9d+I1gTIFPtEZO+mwJs9Fy9CoKEklNgoTe0TLx482zQICgLtioXNgnEOPYBDwr80xOm3yC/G39R47qa/53npFbfrjjqLILPzFJuGNCCEA6oGfBI/Dhm29TCEi4ZgS993XMvPXnDbNu29I8+9biStKsW59qmoFvrscyrmvpqKX+zJuLK2fdsnU+dbFT1c6kn5u2zpt129Z5HFfbczz7m8Wls28rts65rdg2+9Ytq6hfrcP+jBufqKM9ZWzJy+LRZtatxSZ+DyafVNdSrJ2FmKjzPFVzUxXSQJLMoY9zbi7WU28o0SfljEF7xs102Cefcuad8c+9bSt8FlGrrfMoy/hsqUfe7JuLy5nn7Ju3rGKurA3lGWVxqTvzxp830I68Wd/cOn/2LVtaSJ+8Zcu0TH9oy7xiHVE/2lCXRH+cB9tqmwKQJ+4AiqEBQFAidDCOPG6RIgbwvPl2SbgjVhuz/+xLb8gr+96WF3a/KeyTV03cQQ8eGgiGFXD4j/EMPfYjiRv8Z1Rte7T+Od94sn7mLVuLwQpFUWlz85XuvkosdIwt2K5ZN29pY9GqbWfdsqX1LwdOOkD9ILYKsk7qJiXvCF5TlOBdrlI8XLKJkMVj1k1PNemA7/LE212txdSaUZI7AuLOvGlLB0EQFXEaUxjbIupdApmYtM+8+anlEwYm7mI82rhZhyK3c2/a0gJ1mTBgTdgWi55Yu5vG2lhanzUBPkKw5dQbSrUDtXXBarbGWMh5TGHc0kxnbGFcK/mcT9KfVEBdwLwQgLUqStVfzWYCiJwf/XnwNW6y0iXc4eYPszYzb96yMvM9YeCkpoC8BLFDoWZrMqBLJ3B+iXS4h39yl9Yalx74rNjQljWaibVCHcpzlZUOmzESusdK6KJPxEZb8zD1MyrAoeOHMYBo4kgKfUHHQeLlYgmAJU/u2BNl1aeHn34lDh2OnvqP12K/+vS9jb+DKPWFjpCAyQh09t0Rl2LYO6jadmifk5SaQoclNk+xiClp0EQl7TvwY80D/UllUc+9YUurmbeAKIt6SWKueM61RBsUuxRtTa0SbsY3npwHcYe61WZy6iSZrlhTkDFtmQF896p6rBX060x9jdHWDfEIOneFf2i0cofRkoq5BfocRGX/rp65HtR2/7Cx28y2ZTZYrsonNDWfp6wJ4qh4Ew3rm4u14GEO7krwa7KO/HNufLLZLFkDHuSoH+PSDvYGPdgI4qyagV2R+qrhgGbzo1ylNVGbqGWbsj5sEtg8UfmrXPCxRVPUmDbmqIVBBzVJbGKiWqewRxzyDzJORgUXggJnGDkKZe5ORYcGesEBFBL4kgEQoni8+vo7sgGgNDehzoZnXjliN/3Vzv2Q4aAfcXZg66nf8pi2kEAGBqTHPLSmAYXsVY8LLZYkjS/86JLw9vi+SebeZZg8c1f1uCgzmp+oU09aElVMHMU36y6pn+ehdJa5fpvFTMmdbSVu8Hb6MVXBzLpMkumMI25XuXmvpcVsmPH1dAGoq6iBmvu7fesylVXgAUgaDHJDjce+eUKTeehRM+ySskZTX1gs2Lq3q+ta09K2Si5DOpg/5unQN7FE51PMi8hMJ6W+kLPJleS/MyaZB35Q12AEnGgX+Wbe4Oq9Rp5ZD2vywl2XBBPUxexAmS+8+KN+OHwQcRkzpDIVd92tomvNbV3KQz7wp1Yo5/REs7nWZTLVZK3XFOqwEJ8C/5+RK1Jwp5y+hYHKVHBzweH4xVbEgwFAhhMasCl3od6/vfiGPwuQlW0lAo7GIBx+sG8g8jL5hu2v4NZ+CAC0MOP0CfAhcCmC3KNf+kQHTAtp30Jme7R25z2Xtr9092XngVDo0nlm4cDHmh9vGnfwhPnY/XrjROMiay3ttSbMB0/c0oIdLtiC/7rn0u6dP7qiZ+fdl61yFpT6qsFMQ39/v5zdvKkeNvEqRiulUmkdbod1H29+tKFU0gMltS7yAUwUVeLtM0kSxIAPVaFME1u1865LG3fefcnqwwOHGiOPcZCHi9Xt/PElXZAv84FkrZl5Jk9U17101+UtO++5op35H42SuFOqJBrtaqffsmlaokmTlv3HVq1u+tfIH2hELm6Qgd/FedMn5t784j2XTuofeHuSBVzApZKc/dVNzdpvDYnqblV3hY1IEtcjOexuZkEV8AbfXJ+D7Xkv3XXZCs4DMXqUfDMRtVj7xHy+gaepr56X7rm85cUf/M3uF1j/uy9rhr9tphoUOug788qo4C7ubsHZIbJA4AgIvJT/3a/NkWgFvbYnezJbWdP5EtRcPnTSeBkzrib22578Q0W+duNvIw+5+ne/Pjv1xwFjxbjxJAjpJOZQMT5Gpw7g+Niyx3FbkB2J6w48D3YkYni21CZMLij8o43WpgmAa1xAweS7ewDGKCifBhLroi4J8jhFq7E6+HCQkDDxNgs1Wz0UiibeZabzqQ8K6jaPrhDSE1WJPLUDv7v3itXkk3raF6QXC5Sg49AhO1I/zoqLgTzDbiYAN1jHPX734yt4UfTAJiC/UHjbG8y9ydyYL/kC8EhQaUbx5yBH5iWA00ap+p3VvGl5IYwrJgNJtwXZoS73Wgj3mvocQ07w7bjQo0WC3BBPwAuMU0p8GecVhThBvwcySRRS5AGWoIC1qU0SDBcyedWkammuhrqpRfBn8oJ7CjxzTEFwtRs4ETQuqKPPOGOif/mzp8uFeIumzuZ//29/E5+AuEu+jBccqMup50yV02aejoRdnnnxdeFLUZTvfVso/9LnpoZzzjxJLvyryRgjDmIayBHHQGwdztnPEjtaW3ddRxNAUlRVvrUKJh0wOXGzg6jHAUXCKEBcFNpjwXtVHWIT8CsvMZRFMptoAJOquSMf8nTAax1Fgj5sFL7cEY+xMDbGCogriliuHotpxsJjHeDLzI/4rGOcI/RNWV/MgIEi9YshP41kkkTee59MbaPBxtSQh/IlDM+xJridr1XzuNiQNaA/jzHT/Evx1k3vZy59pNXN1phZvaHuCkWMg1qy25CngtAGENVFcLGwD18CXQk1ciAVpGekUqmPqkcmeYr8nP4x/8isOhmeuVOf7olCqUpWQHwXGHFRsC6OH4Yu5iaOf1+9rC4W/sufxZ8M3QLk4Sc/+7089MuXox7GAOQZcsrHp2B3xQFf9/7sD2U5fMBJS9MnYshLPjUFNtEHWkcMj63Tr6T8qHiMk4XQiom6GRfXekSTRikkk3at++KkRHWtYnJxosiBLkpu3carXBWxbPrp13U0kE+qbeqohayFxcNcg0JH8Km1pNqdWNQXNTiy0sXBkoudsSxpTLArsZ9gXNLSMvqKMU2Duol5EutFfkaKF7EE/g21NwA44wu2SqUdZaAEi1+RHaeTWNKp8GOmgvUDsEwUAJAa7TQtbVRTPB8aQImc1F3Nd2Fn66bLqdd21GNiLdChjZvaWhlIzkINQ8+6K6e7+TYzhUyJxRRhMEyQn3F+cMY6gVU5nDIkArtgiUV+oslz1E8gUzxenHrtpmlRgNOUxR11qtqksEEewJQNqlnBAQZD7Z2EvosHR/FAYFm4aMbJcCNy6flTyn8ydPnJ5t8LdkyBgkw642QZP/FEmYy29vSTwXLI/iQPbvsjXchFMyaH0085MfpY+Lkz4jdLKAmEQDAOxiUxJtqoeIyT4lnJTAMng2e7NT3/sqALxe6tbWqrNVU+p1DmZnAGH2NrpBODXsUQtogpW7EobVOv2dD6FyfKDlNncQQFwjqlxRw7TrDT+AFNzGEbDqvVxziMBbKk1FQyweOCLLWSx90X6+CKAsOfMw5CDzqMMuZgKgn6mRCYlCjjYkNumj4LZ/Kp1z7s71JH5W3/FeTh7pwX4inyN0f8btSix5Kkkz45J6NPXpSmj2Q+gdGJ0JUEHTMNNTamtef+BT2UT732wfrEFHchT/OSJIKlH1u4IW/OTdEyb+pnlLhnOYi6RnaiNR2qmvoxqw0yUJx6TUcraz+mRnZk/tgi+WiTnQqOxFMSRzzHkci0FAAACdtJREFUTzz9FwGZAeqkE8fKVy89SyjnC82bh0qCWvrUmWdkvuQjZ380UP58z0E3CpEsd9hMgT54G6cORB4TYofEmIZTpnyU1uJziIuhoJjI8o8ueqhjyqINbSeOP2mXuwFgiGoWULxYTCxSbyl+DkJxWCDFDhLB67jlKfTJNxQU1maC9xyhDQq/1hzgVxTYvfXUcpwpix4qmnkzio3bpTZjb4//EQBACAZ7xBXkdkTmyCqYqUDmlgyeo2GHgww5K+oZ2hBrB2gNnRjqYpirYY2QE1kVShLrjPEQ10iq8Y39lfsXdsEGb9aOeSlAgda0MzOsSZKDBn9urIV7v/V3TUENp3BuWtgRfWLehuAGv6ldkuYe89FY25SfnlEPxgqI67Qnd899V25T81WGWIo5YL3qUFN8mpPluODx2ORu8G+QJ1CkTUYF8BDKxXkmRUY6Xvi5MzO92H798o+JU466Imc/AS84U2e9q8N+zbgx0OV27Pg7+XhZ+Pl35RDIiqtmiLuIOZYU8ZgUKcbHTk2dY5GJ4xatoiyoKW81eOnQ5iTRWo0T1KAoKCnzsee+q9a5lKYjRlfilj53ouXY1Fck6Fj0Z/Knh/9uN+36+wuI4930qQANWr5IcCfGd01D7i5gt++5/0vxLdkE/xifQHatfDukLxLzQRjYaDBLdx/y92CHUrf0zRW1UI/zqEe8+AKluO0rcov2mBdtMgJ/m0WZwa+JB68ATz3ZCLkYczLr3QOgZnavrr+6W9XbEQN2qJdpHfSWgnC7NzHOAXaIGVCfeMstJYLdFboKKWTx6s0colXcKrCeAgqOOYAVD9RndWJJs4sBoNFeMN+D7vZtNV+HGACzAa865DslwIE4bigKEBdc8A/9CePH+lBAcae79PxTEdxBFiZPS2/tMQOcxp4wVghMhz3p9i/NAHfwce60ibiF14hAJ+Ib8TCQNIc4GGxQNXrtgYVrMJFlKGCXYtd0091m1mWuq7GAy9SsvUyVh3qa9/fX1Jp5574Hr568d/3V4TW0r61fiOdDneNmAIqxOPGZi/q9nQt6965feJ6LIpZ3w9ZReKga8rQu92TZ3vVfjs+T1PfEehLVdnVrV7UIVPIzYk6JQ878XHZlfLaFAW2E43ZT5RvsAfR7VCzmQruM3HzQnEqlsXiuRDz6NF1XDTzz0KbMJcpsDeNUE3N3zs2ty8t1VPFO1LER10GLirWncdOYQZKDcay6jrKkpj/eISo+3Z7jvBNX2HnMPZP5gO0+PKAtrHukBxfiU1Qf1rHUYGasu8D3IJuCABwOYArI0Icehi6XnT/liG2agQhMFAjqLn/a+WrY+oPNsuX7m53t1u9vlpef68HCuTh8nXTiOJoMItpf/flpUS7iuLKgaw4d7K7IAZ3jHvsfvqb99Q2LG/c/vHj6vg2Lp7P/+kPXrNoP/v4Ni5dllDmpbbpvZSEkOxLV1klN/1qsbfrpqtorf7qyFn0UpRkFYVHwjCVHgGnf+msQa9F5r29YVIDeWYgVQI3kS9VvXxZ7fRq/ShS7MaeybP+GResis3za03lNzz7kDZq+/6HFk2MLXYqjHWRs9w2x44VDfkbUz+j19Vdv2w8flL3+0KLVGb+63ce5PbS4kfFI+9cvWoA6dr2x4eq1mW2WK/n0FQl+963/yiAQwb4lk2Xx+Jw/uem+Ng1eDLjIJl91XxtrP7np/tYgH9qh5tMUtxtzDao+qCa4fQMU7mIefwCLYbcUuXpe3Lmr5xH7T//nXujggM3hdw5L3xuH/NCBvtD3Rp/0HeiTgXcGKBSC++5Nv402Q0+XzU13W0SEHmOLG4BJGqr7vxmzMO6a3nJxqzOzBjdf6eKr0MfnEhNjYbDb9nYuXnu8WL0Az/HkuWxoBU6oVbdsN/QkUTz++B2JJXjztzp3C2rmAOQq1HbQXaAAbDl+ghbkkaaeMl4+c86Hh0aR+7t65I97+6AD4EYD7HViweAAB/guwBbWHSMEJYD5zXKoI/rm44ERufTDHXOo0gcw7u1c1ntw43WN5oZbu3fhOQtvrCYsBm5bu9F2WqJN1PkAwuUuqioAoPUc3PiV6cADwGjbsAa9WO9gBmzgkcHwaGHmF7/5yFdWV5nFLkBp6S0UIAI+YOHy6XM+zPtpVKg+PbCtB8ADEF2ceIJTdxOMvOyDfd6GqUO2A8iDHqEq7hY1TCvbuFjqLLYVhQ+w89ajS9r7Hru+se+xpZP6HlsSQIW3Ni2ZjnbBW48v3fgBhspdDanAW49ctw51bux7dEm59tfH2mNNlmFNuoaoxyFu3+L48QRKAfrH1w5FYfXp5X2H5Je/3gtVoNABPOyQADGA5LBzwQWANrV3yB1C0uPPvlrtptJ/ee8h6MOO7nAJ0J7YrCj8H3dy9yO3Atwpd0dAAESGvZb97b/ZE5bcuV3ufOD5SP/YtkMavvUzgMgC5QQPAecAJvbEyo5HXiZny/H251+Thr/fHP1k/q68Y6s89qtXIHb6FDNoIz4Yz43cUuWZ/X9VoGBmG52YIOHuGw8AZNOzL8t3H/iN3Hn/8/6jR3fKgb7DABBAxJ0NSlABHnE4GeDzABPAEgnp7RwuATj3X//hgNwJX6m/3ziB6gA0dWECb/SDJvigtzrJf6OyAgUR6yQwMPsAcAJEBnQAMtw1Qe4WCC7KoIfDQuRhuzQ36IujC5YFi/qwxRutQ7NMwTM+eCIpYCmLdmVwGgY4ViOP/BjlFSj0dl7fBVitjaAAUnBg6BLb2OBUBpUTQJW+CzAJmFlw8tFzwT+TtEc99sHCIRVgkpcR7dBnbDj5Ht/YRvl65NNHBbBT8lxaDeB0A1M40AOLmHKChhzAzIDSFIQeAYZdDRwAMiqCRx0CDG0EYPQBBnxEXWyREAmMQLADP9XjS5M8J4WBVTDJj7wCEkHZi+95hULSaGJrI1Ai+lzSvksEpBNVlt6KI1AtpHiE3AR4o4IFgo587n7gBgJSCEA39A2+0DoksCjrrS0USo3MYXStRz7bY1UggpJCggLfklaUEp0OILUL/p5JgKXApIZFwJEHOWEl0AkArKQ8skhlPQgIOolgdCFIgUOouuC0Gz7WiCQX9z22tIWxGSGnvAKsQAWUHJD6Ny/rObRpybK+TUvPAwUSxgWAJ/Yr401L4/gQ2kOblhQOoU1lS8Mhjh9fCt6Swru85pQPPcing1b0PbasizFzyitQXYEjQFktzPt5BYajAjkoh6PqeczjViAH5XHLkwuHowI5KIej6iMk5khNIwflSF2ZUZxXDspRvPgjdeo5KEfqyozivHJQjuLFH6lTz0E5UldmFOeVg3IUL/7wT/3oGeSgPHpdcu4wViAH5TAWPw999ArkoDx6XXLuMFbgfwAAAP//qUvtWgAAAAZJREFUAwBukPXrzpt9pgAAAABJRU5ErkJggg==