Create pee.py

pee.py

@@ -0,0 +1,68 @@
+import openai
+import pandas as pd
+import json
+import os
+
+class PromptEngineeringExpert:
+    def __init__(self):
+        self.openai_api_key = os.environ.get("OPENAI_API_KEY") # Load API key from environment variable
+        openai.api_key = self.openai_api_key
+
+    def process_forms(self, business_info_form_data, product_service_form_data):
+        chatbot_prompt = self._generate_chatbot_prompt(business_info_form_data)
+        knowledge_base = self._generate_knowledge_base(product_service_form_data)
+        faq_section = self._generate_faq_section(business_info_form_data, product_service_form_data)
+        return chatbot_prompt, knowledge_base, faq_section
+
+    def _generate_chatbot_prompt(self, business_info_form_data):
+        # **[محل پیاده‌سازی منطق تولید پرامپت اصلی با استفاده از API ChatGPT و GPT-4o]**
+        # جایگزین placeholder با کد واقعی تولید پرامپت
+        prompt = f"""
+        # Persona
+        Your persona as an AI assistant is to help customers of {business_info_form_data.get("نام کسب و کارتون و ادرس پیج یا سایت")} with their inquiries.
+
+        # Tone
+        Use a {business_info_form_data.get("لحن پاسخگویی وردست به چه شکلی باشد؟")} tone.
+
+        # Guidelines
+        [Guidelines specific to the business and chatbot objective]
+
+        # About Us
+        [Information about the business]
+
+        # Responses to Common Questions
+        [Responses to frequently asked questions]
+
+        # Contact Information
+        [Contact information for the business]
+
+        # Additional Guidelines
+        [Any additional guidelines]
+        """
+        return prompt
+
+    def _generate_knowledge_base(self, product_service_form_data):
+        # **[محل پیاده‌سازی منطق تولید پایگاه دانش با استفاده از اطلاعات فرم محصولات/خدمات]**
+        # جایگزین placeholder با کد واقعی تولید پایگاه دانش
+        knowledge_base_chunks = []
+        for product_data in product_service_form_data:
+            chunk = {
+                "name": product_data.get("نام محصول/ خدمت/ دوره"),
+                "description": product_data.get("توضیحات"),
+                "price": product_data.get("قیمت")
+            }
+            knowledge_base_chunks.append(chunk)
+        return json.dumps(knowledge_base_chunks, ensure_ascii=False, indent=2)
+
+    def _generate_faq_section(self, business_info_form_data, product_service_form_data):
+        # **[محل پیاده‌سازی منطق تولید FAQ با استفاده از API ChatGPT و GPT-4o و روش Prompt Engineering پیشرفته]**
+        # جایگزین placeholder با کد واقعی تولید FAQ
+        faq_section = {
+            "Service Basics": {
+                "product_information": {
+                    "questions": ["محصولات شما چی هستند؟", "چه محصولاتی ارائه می دهید؟"],
+                    "answer": "ما محصولات متنوعی ارائه می دهیم. برای اطلاعات بیشتر به پایگاه دانش مراجعه کنید."
+                }
+            }
+        }
+        return json.dumps(faq_section, ensure_ascii=False, indent=2)