from zhipuai import ZhipuAI
client = ZhipuAI(api_key="78dc1dfe37e04f29bd4ca9a49858a969.gn7TIZTfzpY35nx9") # 填写您自己的APIKey

reasoning_content = ""  # 定义完整思考过程
answer_content = ""  # 定义完整回复
is_answering = False  # 判断是否结束思考过程并开始回复

prompt = """
# Role: 数学可视化描述专家

## Profile
- language: 中文
- description: 专注于初中几何图形的结构化解析，具备扎实的几何理论知识和严谨的逻辑分析能力，能够清晰、准确地描述图形的各个元素及其关系。
- background: 拥有数学教育背景，多年从事初中几何教学与研究，熟悉各类几何定理和判定方法。
- personality: 严谨、细致、耐心，善于逻辑推理和空间想象。
- expertise: 几何图形解析、几何定理应用、几何关系验证。
- target_audience: 初中数学学生、教师及几何学习爱好者。

## Skills

1. 几何图形解析
   - 图形分类: 能够准确识别并分类各类几何图形。
   - 特征描述: 详细描述图形的具体特征，包括边长、角度、对称性等。
   - 关系分析: 分析图形内部及图形之间的关系，如全等、相似、位置关系等。

2. 几何定理应用
   - 定理选择: 根据题目条件选择合适的几何定理进行解析。
   - 推理验证: 通过定理进行逻辑推理，验证图形的隐含特征。
   - 结论得出: 基于推理结果，得出准确的几何结论。

## Rules

1. 基本原则：
   - 准确性: 所有描述和解析必须基于准确的数据和定理。
   - 完整性: 不遗漏任何关键几何信息，确保解析的全面性。
   - 逻辑性: 解析过程需逻辑清晰，步骤明确。

2. 行为准则：
   - 客观性: 描述必须客观，不包含主观臆断。
   - 严谨性: 解析过程需严谨，每一步都有据可依。
   - 清晰性: 语言表达清晰，易于理解。

3. 限制条件：
   - 不接受模糊条件: 题目条件必须明确，不接受模糊或不确定的条件。
   - 不推导未知定理: 仅基于已知定理进行解析，不推导新的定理。
   - 不使用复杂符号: 使用初中生能够理解的符号和术语。

## 1. 主体元素清单（按包含关系排序）
- [主要图形类型]：[具体特征描述]（如：直角等腰三角形ABC，∠C=90°，AC=BC）
- [次要图形类型]：[具体特征描述]（位于[父图形名称]的[位置描述]）
（注：所有几何类型判断需满足：①题目明确给出的直接特征 ②可通过SSS/SAS/ASA等定理严格推导的隐含特征）

## 2. 基准边选择优先级
- 从左向右，从下向上，第一个看到的点做为坐标原点，此点向右水平的边视为X轴。

## 3. 坐标验证机制
必须包含以下校验步骤：
1. 计算所有边的长度（使用两点间距离公式：√[(x2-x1)²+(y2-y1)²]）
2. 输出边长比较表：[边标识]:[长度数值]（如：AB:5, AC:4, BC:3）
3. 明确说明基准边选择依据："选择AB边作为基准，因其长度5为最长（AC=4, BC=3）"

## 4. 特殊图形处理
- 直角三角形：强制校验斜边是否为最长边（c²=a²+b²）
- 等腰/等边三角形：标注对称轴与基准边关系

## 5. 辅助元素详细说明
- [元素类型]：[数量]个，分别为[具体标识]，作用是[几何功能描述]
- 特殊点：[点标识]（[几何意义]，如：△ABC的重心/外心/垂足）
- 连接线：[线段标识]（连接[起点]与[终点]，是否为中线/垂线/角平分线）

## 6. 关键几何关系验证
- 全等关系：△[标识] ≌ △[标识]（依据[判定定理]）
- 相似关系：△[标识] ~ △[标识]（相似比为[数值]）
- 位置约束：[图形A]在[图形B]的[方位描述]，相距[距离描述]

## Workflows

- 目标: 对初中几何图形进行结构化解析，输出详细的解析报告。
- 步骤 1: 识别并分类图形，列出主体元素清单。
- 步骤 2: 选择基准边，进行坐标验证，计算并验证边长。
- 步骤 3: 处理特殊图形，如直角三角形、等腰/等边三角形。
- 步骤 4: 描述辅助元素，如特殊点、连接线的类型和作用。
- 步骤 5: 验证关键几何关系，如全等、相似、位置约束。
- 预期结果: 输出一份详细的几何图形解析报告，包含所有关键信息。

## Initialization
作为数学可视化描述专家，你必须遵守上述Rules，按照Workflows执行任务。
"""




completion = client.chat.completions.create(
    model="glm-4.1v-thinking-flash",  # 填写需要调用的模型名称
    messages=[
       {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": prompt
          },
          {
            "type": "image_url",
            "image_url": {
                "url" : "https://dsideal.obs.cn-north-1.myhuaweicloud.com/HuangHai/Backup/23.jpg"
            }
          }
        ]
      }
    ],
    stream=True,
)

print("\n" + "=" * 20 + "思考过程" + "=" * 20 + "\n")

for chunk in completion:
    # 如果chunk.choices为空，则打印usage
    if not chunk.choices:
        print("\nUsage:")
        print(chunk.usage)
    else:
        delta = chunk.choices[0].delta
        # 打印思考过程
        if hasattr(delta, 'reasoning_content') and delta.reasoning_content != None:
            print(delta.reasoning_content, end='', flush=True)
            reasoning_content += delta.reasoning_content
        else:
            # 开始回复
            if delta.content != "" and is_answering is False:
                print("\n" + "=" * 20 + "完整回复" + "=" * 20 + "\n")
                is_answering = True
            # 打印回复过程
            print(delta.content, end='', flush=True)
            answer_content += delta.content

# print("=" * 20 + "完整思考过程" + "=" * 20 + "\n")
# print(reasoning_content)
# print("=" * 20 + "完整回复" + "=" * 20 + "\n")
# 保存成QvqResult.txt
with open("QvqResult.txt", "w", encoding='utf-8') as f:
    f.write(answer_content)
print("试题解析文本保存成功！")

# print(response.choices[0].message)