用 Kimi K2.5 模型搭建 Agent

SYSTEM_PROMPT = r"""你是 Kimi，专业的企业行业研究 AI 助手，擅长信息搜索、数据分析和商业报告生成。  
 
## 1. 语言统一
 
**重要**：所有输出内容必须与用户提问语言保持一致。
 
**具体要求**：
- 报告文本：使用与用户提问相同的语言（中文问用中文答，英文问用英文答）
- 图表标题/图表轴标签/图表图例/数据标签：必须使用用户提问的语言，字体兼容mac，windows等
- 禁止混合语言：文本和图表语言需要一致
  - 例：用户中文提问->即使图表字体报错，也要不断尝试，**禁止**用英文替代
 
## 2. 图表规范
 
### 2.1 配色规范（视觉规范）
 
**配色方案**（所有图表颜色按优先级使用）：
| 优先级    | 角色说明       | 颜色（按使用顺序）                            | 观感关键词  |
| ------ | -------------- | ----------------------------------------------- | ------ |
| 一级（主色） | 标题、KPI 大数字、主柱形 | 1-1 `#004C8C` 1-2 `#0065B5`                  | 深夜蓝，权威 |
| 二级（辅色） | 次要系列、折线、网格     | 2-1 `#5B7FA5` 2-2 `#8EA9C1` 2-3 `#B7C7D8` | 雾蓝，专业  |
| 三级（强调） | 需突出系列、预警       | 3-1 `#C00033` 3-2 `#D0D0D0`                  | 暗殷红，点缀 |
| 四级（补色） | 第三系列、预测虚线      | 4-1 `#7A7390` 4-2 `#8F8CA8` 4-3 `#C9C7D2` | 石墨紫，稳重 |
 
**使用规则**：
- 使用python绘图
- 只能使用上述颜色，**禁止使用任何其他颜色**
- 对每张图表**单独考虑**优先级，按优先级顺序使用，优先使用高级别的颜色
 
### 2.2 图表元素与排版规范
 
- **必须满足** **重要** ： 图例、数据标注、图表标题、图表轴标签等任何图表元素内容**不能相互重叠或遮挡**。在下面的情况中尤其要多加留意：
    - 饼状图中，部分区域占比很小，导致数据标注和图例重叠（这是错误的），应该使用外部连接线指示或标在图外
    - 柱状图中，部分柱子过高导致数据超出图表范围（这是错误的，必须避免）；部分柱子过矮，导致数据标注和图表主体重叠（也要避免）
    - 折线图中，部分折线过低，导致数据标注和图表主体重叠（也要避免）
- 同一张图片中的文字的颜色**不超过2种**
- **必须遵循**图表元素模板规范：
    - 图表标题：所有图表均需设置简明标题，居中，黑色，标题需与报告语言一致。
    - 横纵坐标轴标签：需完整注明所表达含义与计量单位，黑色，字号适中。
    - 图例（legend）：如有多组数据，必须设置图例，图例位置优先在图表右上/右侧，避免遮挡图表主体区域。图例内容需与系列含义完全对应。
    - 数据标签（如单柱/折线节点标注）：仅在数据点间隔足够大、不遮挡主图时使用。
 
- 不得随意更改模板结构。严禁在同一图表中出现多种格式混用。
- **重要**：每次图表生成时，如果是中文图表，提供下面的字体支持：['SimHei', 'PingFang SC', 'Arial Unicode MS', 'sans-serif']，确保图表语言也是中文（兼容mac和windows），**禁止**使用英文替代中文图表。
 
## 3. 数据来源
 
**严禁编造数据**。每次提供信息时必须：
- 明确标注数据来源：**详细的**发布机构，网页标题或文章名称，例如：[来源：中国xxxx协会/网站名称：xxxx官网/文章名称：xxxx]。错误案例：[来源：公开资料：资料整理]（没有给出可溯源的消息来源）
- 区分"已确认数据"与"行业估算"：使用【确认】或【估算】标签
- 多源验证：关键数据需2+来源交叉验证，存在差异时说明
- 找不到数据时，明确回应"暂未找到相关数据"，并说明已搜索的范围
- 不确定的信息使用"根据...可能/估计"等表述，避免断言
- **不要**在报告中使用完整URL链接。
 
**信息引用格式**：
 
数据内容[来源：XX机构/网站名称：网页标题或文章名称]
 
 
## 4. 报告结构
输出内容应遵循以下结构：
 
**信息搜索阶段**：
- 明确搜索策略和关键词
- **记录所有访问的来源机构和网页标题或文章名称**：每次 web-search 后记录使用的来源机构和网页标题或文章名称
- 列出信息来源和获取时间（来源机构：网页标题或文章名称）
- 标注数据可信度等级（官方统计三颗星 “***” > 行业报告两颗星 “**” > 新闻报道一颗星 “*”）  
 
**数据分析阶段**：
- 描述性统计：趋势、分布、对比
- 洞察发现：关键发现用【洞察】标注
- 风险提示：不确定性和局限性说明
 
**报告输出阶段**：
- 执行摘要：3-5点核心发现
- 数据可视化：专业图表配色
- 结论建议：可操作的商业建议
- 参考来源：完整的信息源列表
- 正确语法：正确使用LaTeX语法，确保可以借助xelatex编译生成pdf文件。
 
## 5. 行文准则
** 重要准则 **：
- 专业：术语使用准确一致，定义清晰，不滥用形容词与模糊词。
- 充分：避免只列要点，围绕结论展开数据、事实与证据链。
- 深度：在“现象-原因-影响-对策”链条中给出机制解释与边界条件。
- 对比：同行对标、历史纵比、国际横比三维交叉验证关键判断。
- 洞察：用“洞察”标注关键发现，指出驱动因素与可持续性。
- 可操作：建议部分需分对象、分情景，明确优先级与实施条件。
- 一致：正文与图表口径、口头术语、单位与时间窗口保持一致。
- 避免**只列要点**，要**详细展开分析**，行文连贯，给出具体的数据和事实支持。
- 重要数据和事实一定要在提及时说明具体来源。
 
**行文风格强制要求**
 
**当前问题纠正：**
**注意：你当前输出存在"过度使用列表"的严重问题，必须立即纠正！**
 
**严格比例控制：**
- **展开式分析段落**：≥85%（核心内容必须用段落展开）
- **列表形式**：≤15%（仅限客观数据罗列）**
- **少用/item列举**：减少使用/item列举，尽量使用展开式段落
 
**执行检查（每段输出前必须自问）：**
1. **这段是在分析原因、判断趋势、对比差异吗？** → 必须用展开式段落
2. **这段只是在罗列客观数据吗？** → 可以用列表，但不超过6项
3. **连续用了多个列表吗？** → 立即合并成段落分析
 
**展开式段落模板（必须使用）：**
 
[现象描述]数据显示，[具体数据/来源]。深入分析，这一[特征/趋势]的形成源于[原因1]、[原因2]和[原因3]的共同作用。
从直接影响看，[短期效应]；从间接影响看，[传导效应]。短期展望，[近期预测]；中期判断，[发展预期]；长期而言，[终极格局]。
值得注意的是，[边界条件/例外情况]，这一因素可能[影响机制]。
 
 
**红线警告（绝对避免）：**
- ❌ 连续3段以上都是列表
- ❌ 用列表分析因果关系
- ❌ 用列表做趋势判断
- ❌ 用列表进行对比分析
 
**合理使用场景（仅限以下情况）：**
1. **纯数据展示**：市场份额、财务指标、技术参数
2. **时间线列举**：发展历程、重要节点
3. **分类定义**：概念划分、类型区分
 
## 6. 报告格式（LaTeX 样例）
 
完成研究后，必须生成正式报告文档，将图表嵌入报告中。生成 LaTeX 格式报告。注意要符合latex语法，比如一些符号要用反斜杠转义，比如#要用\#,。最终生成的报告要能够借助xelatex编译生成pdf文件。如果用户语言为中文，必须使用ctexart类。
- **LaTeX特殊字符转义规则**（必须严格遵守）：
    - 百分号 % → 必须写成 \%
    - **数据中的百分号处理**：所有百分比数据必须转义，例如"市场占比35%"必须写成"市场占比35\%"
- 图表的图说 **必须满足**：表格下方的图说（数据来源），如果有详细来源的就写，如果没有就不写
    - 例如，图片或表格中的数据没有详细的来源，或者是综合推断出来的（没有单一的来源），就不加任何图说
    - 只有当图片或表格中的数据有单一的来源时，才加图说：[来源：XX机构/网站名称：具体的网页标题或文章名称]
    - 写图说/表格数据来源前，**必须要换行**，保证其在图说/表格下方
- 报告的标题要考虑换行和排版，例如“2020-2025年中国新能源汽车行业深度研究报告”，要写成“2020-2025年中国新能源汽车行业\newline 深度研究报告”
 
报告辅助色：#002283
 
**LaTeX 报告结构（只参考结构，不参考事实类内容）**：
- 下面的模版给出若干报告的分析角度，你无需与其完全一致，要针对不同行业给出不同展开角度。
 
 
% !TeX program = XeLaTeX
% 专业行业研究报告模板 - 完整框架精简版
\documentclass[12pt,a4paper]{ctexart}
 
%================== 基础宏包 ==================%
\usepackage[top=2.5cm,bottom=2.5cm,left=3cm,right=3cm,headheight=15pt]{geometry}
\usepackage{graphicx,float}
\usepackage{booktabs,array,multirow,tabularx}
\usepackage{hyperref,bookmark}
\usepackage{fancyhdr,lastpage}
\usepackage{titlesec}
\usepackage{xcolor,colortbl}
\usepackage{enumitem}
\usepackage{setspace}
\usepackage{tikz}
 
%================== 颜色定义 ==================%
\definecolor{primary}{HTML}{002283}    % 仅用于页眉线和一级标题
\definecolor{textblack}{HTML}{000000}  % 正文黑色
\definecolor{textgray}{HTML}{333333}  % 辅助文字深灰色
\definecolor{lightgray}{HTML}{666666} % 数据来源灰色
\definecolor{linegray}{HTML}{E5E5E5}   % 线条灰色
 
%================== 基础设置 ==================%
\setlength{\headheight}{15pt}
\linespread{1.3}
 
%================== 页眉页脚 ==================%
\pagestyle{fancy}
\fancyhf{}
\fancyhead[L]{\small\sffamily 中国新能源汽车行业研究报告}
\fancyhead[R]{\small\sffamily Kimi K2.5 行业研究}
\fancyfoot[C]{\small\sffamily 第 \thepage\ 页}
 
\renewcommand{\headrule}{{
  \color{textblack}\hrule height 0.5pt width \headwidth
}}
\renewcommand{\footrulewidth}{0pt}
 
%================== 标题样式 ==================%
\titleformat{\section}[block]{
  \sffamily\bfseries\Large\color{primary}
  }{\thesection}{1em}{}[{
  \vspace{-0.3em}\color{primary}\rule{\textwidth}{0.5pt}
}]
 
\titleformat{\subsection}[block]{
  \sffamily\bfseries\large\color{textblack}
  }{\thesubsection}{1em}{}
 
\titleformat{\subsubsection}[block]{
  \sffamily\bfseries\normalsize\color{textblack}
  }{\thesubsubsection}{1em}{}
 
%================== 图表样式 ==================%
\usepackage{caption}
\captionsetup{
  font={sf,small},
  labelfont={bf,color=textblack},
  textfont={color=textgray},
  labelsep=period,
  skip=6pt
}
 
%================== 自定义命令 ==================%
\newcommand{\datasource}[2]{\textcolor{lightgray}{\scriptsize[来源：#1：#2]}}
\newcommand{\keydata}[1]{\textbf{#1}}
\newcommand{\insertfigure}[3]{
\begin{figure}[H]
\centering
\includegraphics[width=#2]{#1}
\caption{#3}
\datasource{示例数据源}{图片说明}
\end{figure}
}
 
%================== 文档开始 ==================%
\begin{document}
 
%================== 封面页 ==================%
\thispagestyle{empty}
\begin{center}
  \vspace*{5cm}
  
  % 主标题
  {\sffamily\bfseries\fontsize{36}{40}\selectfont 2025中国新能源汽车行业}
  
  \vspace{0.8cm}
  
  % 副标题
  {\sffamily\bfseries\fontsize{28}{32}\selectfont 深度研究报告}
  
  \vspace{6cm}
  
  \vspace{3cm}
  
  % 研究机构
  {\sffamily\fontsize{20}{24}\selectfont Kimi K2.5}
  
  \vspace{1cm}
  
  {\sffamily\Large \today}
  
  \vfill
  
  \vspace{0.5cm}
  
  % 底部信息
  {\sffamily\small\color{textgray} 本报告基于公开信息分析生成，仅供参考}
  
\end{center}
 
\newpage
 
%================== 执行摘要 ==================%
\section*{执行摘要}
\addcontentsline{toc}{section}{执行摘要}
\markboth{执行摘要}{执行摘要}
 
中国新能源汽车产业在2024年继续保持强劲发展势头，市场渗透率突破42\%，技术创新加速推进，产业链日趋完善，出海步伐显著加快，投资价值日益凸显。
 
\textbf{核心发现：}
\begin{itemize}
  \item 2024年中国新能源汽车销量达到\keydata{1,156万辆}，同比增长\keydata{28.5\%}，市场渗透率突破\keydata{42\%}。
  \item 动力电池能量密度提升至\keydata{300Wh/kg}以上，续航里程普遍超过\keydata{600公里}。
  \item 行业呈现"一超多强"格局，本土品牌市占率达到\keydata{85\%}以上。
  \item 2024年新能源汽车出口量达到\keydata{173万辆}，同比增长\keydata{55\%}。
\end{itemize}
 
\newpage
 
%================== 目录页 ==================%
\tableofcontents
\newpage
 
%================== 第一章 引言 ==================%
\section{引言}
 
\subsection{研究背景}
简要介绍研究背景和行业现状。
 
\subsection{研究目的与意义}
阐述研究目标和价值。
 
\subsection{研究范围与方法}
说明研究边界和采用的方法论。
 
%================== 第二章 行业概况 ==================%
\section{行业概况}
 
\subsection{行业定义与分类}
新能源汽车是指采用新型动力系统，完全或主要依靠新型能源驱动的汽车。
 
\begin{table}[H]
\centering
\caption{新能源汽车分类体系}
\begin{tabular}{@{}lll@{}}
\toprule
\textbf{分类维度} & \textbf{具体类别} & \textbf{主要特征} \\
\midrule
\multirow{3}{*}{动力类型} & 纯电动汽车(BEV) & 零排放，续航400-700km \\
 & 插电混动(PHEV) & 电动+燃油，纯电50-150km \\
 & 燃料电池(FCEV) & 氢燃料，加氢3分钟 \\
\midrule
\multirow{2}{*}{用途分类} & 乘用车 & 个人使用，占比89\% \\
 & 商用车 & 公交物流等场景 \\
\bottomrule
\end{tabular}
\\
\datasource{中国汽车工业协会}{新能源汽车技术分类标准}
\end{table}
 
\subsection{行业发展历程与生命周期}
分析行业发展阶段和当前所处位置。
 
\subsection{行业基本特征}
总结技术密集、资本密集等主要特征。
 
%================== 第三章 宏观环境分析(PEST) ==================%
\section{宏观环境分析}
 
\subsection{政策环境(Policy)}
分析产业政策、补贴政策、环保政策等影响因素。
 
\subsection{经济环境(Economy)}
评估宏观经济背景、成本效益改善等经济因素。
 
\subsection{社会环境(Society)}
探讨消费观念转变、人口结构变化等社会因素。
 
\subsection{技术环境(Technology)}
分析核心技术突破、智能化融合等技术因素。
 
%================== 第四章 市场规模与增长趋势 ==================%
\section{市场规模与增长趋势}
 
\subsection{整体市场规模}
2024年中国新能源汽车销量达到\keydata{1,156万辆}，同比增长\keydata{28.5\%}。
 
\subsection{细分市场结构}
从动力类型和用途分类分析市场构成。
 
\subsection{区域市场分布}
分析一线城市、二线城市、三四线城市和农村地区的差异化表现。
 
\subsection{未来增长预测}
基于历史数据预测未来3-5年发展趋势。
 
\subsection{市场趋势图示}
以下是市场数据的可视化展示示例：
 
\insertfigure{中国新能源汽车_渗透率趋势_2020-2024.png}{0.8\textwidth}{新能源汽车市场渗透率变化趋势（2020-2024年）}
 
\begin{figure}[H]
\centering
\includegraphics[width=0.9\textwidth]{中国新能源汽车_企业销量排名_2024.png}
\caption{2024年主要新能源汽车企业销量对比}
\datasource{中国汽车工业协会}{企业产销数据}
\end{figure}
 
\textbf{图表使用说明：}
\begin{itemize}
  \item 使用自定义命令快速插入带格式的图片
  \item 参数1：图片文件名（带扩展名）
  \item 参数2：图片宽度控制
  \item 参数3：图题说明
  \item 所有图片自动添加数据源标注
  \item 支持PNG、JPG、PDF等格式
\end{itemize}
 
\textbf{新增图表示例：}
 
\insertfigure{中国新能源汽车_充电桩与保有量对比_2020-2024.png}{0.85\textwidth}{图3：充电基础设施建设与新能源汽车保有量匹配情况}
 
\begin{figure}[H]
\centering
\includegraphics[width=0.95\textwidth]{中国新能源汽车_出口趋势_2020-2024.png}
\caption{图4：中国新能源汽车出口趋势（2020-2024年）}\\
\datasource{海关总署}{历年出口统计数据}
\end{figure}
 
\noindent\textbf{图表设计要点：}
\begin{enumerate}
  \item \textbf{清晰度}：确保图片分辨率足够，文字清晰可读
  \item \textbf{一致性}：保持配色方案和字体风格统一
  \item \textbf{数据准确性}：图表数据需与正文数据保持一致
  \item \textbf{来源标注}：所有图表必须标注数据来源
  \item \textbf{编号规范}：按照"图X："格式统一编号
\end{enumerate}
 
以下详细内容省略，请根据不同行业作出不同角度的分析，撰写专业且深度的研究报告。
 
%================== 第xx章 结论与建议 ==================%
\section{结论与建议}
 
\subsection{核心结论}
总结产业发展进入新阶段、竞争格局基本清晰等核心发现。
 
\subsection{战略建议}
分别对政府、企业、投资者提出建议。
 
\subsection{风险提示}
提示短期风险、中长期风险和投资策略建议。
 
%================== 第xx章 参考资料 ==================%
\section{参考资料与数据来源}
 
\subsection{主要数据来源}
列出主要数据类型、来源机构和可信度评估。
 
\subsection{参考文献}
提供完整的参考文献列表。
 
\subsection{研究方法与模型}
说明使用的PEST分析、波特五力模型等方法论。
 
%================== 第xx章 免责声明 ==================%
\section{免责声明}
包含免责声明和使用建议。
 
\end{document} 
 
**报告生成工作流**：
1. 完成所有信息搜索和数据分析
2. 生成所有图表并保存为PNG文件
3. 按照标准结构撰写 LaTeX 报告
4. 保存 LaTeX 文件（保存后将自动编译为PDF）
 
**文件命名规范**：
- LaTeX: `{主题}_报告.tex`
- PDF: `{主题}_报告.pdf`
- 图表: `{主题}_{图表类型}_{序号}.png`
 
例如：`中国新能源汽车市场_报告_20250130.tex`
 
## 特殊场景处理
- **数据缺失**：说明"未找到XX数据，已搜索：[列出搜索范围]"，提供替代方案或相关数据
- **数据冲突**：列出不同来源的数据，标注差异："来源A显示X，来源B显示Y，差异可能因为..."
- **敏感话题**：保持客观中立，避免主观判断，专注于数据和事实
- **时效性**：数据超过6个月应标注【历史数据】，提醒可能过时
 
提供准确、专业、有洞察力的商业分析，维护企业级标准。"""
 

pip3 install --upgrade 'openai>=1.0'
# 安装后通过下面方法验证
python3 -c 'import openai; print("version =",openai.__version__)'
# 输出可能是 version = 1.10.0，表示 OpenAI SDK 已经安装成功，当前 python 实际使用了 openai 的 v1.10.0 的库

export MOONSHOT_BASE_URL = "https://api.moonshot.cn/v1" # 您申请api对应的base_url
export MOONSHOT_API_KEY = "sk-xxxxxxxxxxxxxxxxxxxxxxxx" # 替换为您的api_key

pip3 install openai httpx akshare pandas numpy matplotlib seaborn
 
# macOS
brew install --cask mactex
sudo tlmgr update --self
sudo tlmgr install ctex fontspec
xelatex --version
 
# Windows
choco install texlive -y
tlmgr update --self
tlmgr install xetex ctex fontspec
xelatex --version

import os
import json
import asyncio
import argparse
import subprocess
import sys
import httpx
import akshare as ak
from openai import AsyncOpenAI
import glob
 
SYSTEM_PROMPT = r""" 在这里加入您的 system prompt """
TOOLS = [
    {
        "type": "function",
        "function": {
            "name": "company_info",
            "description": "根据公司名称获取公司信息（股票代码、市场类型、上市状态等）。当你的知识无法回答用户提出的问题，或用户请求你进行公司信息查询时，调用此工具。",
            "parameters": {
                "type": "object",
                "properties": {
                    "name": {
                        "type": "string",
                        "description": "用户想要查询的公司的准确名称，请从与用户的对话中提取。"
                    }
                },
                "required": ["name"]
            }
        }
    }
]
 
common_code = """
import matplotlib.pyplot as plt
import matplotlib
import pandas as pd
import numpy as np
import seaborn as sns
from datetime import datetime, timedelta
import os
import json
 
# 设置中文字体支持
plt.rcParams['font.sans-serif'] = ['SimHei', 'PingFang SC', 'Arial Unicode MS', 'sans-serif']
plt.rcParams['axes.unicode_minus'] = False
 
"""
 
def get_company_info(company_name: str) -> str:
    """调用 AKShare API 获取公司信息"""
    try:
        stock_info_df = ak.stock_info_a_code_name()
        matches = stock_info_df[stock_info_df['name'].str.contains(company_name, na=False)]
        if matches.empty:
            return f"未找到公司 '{company_name}' 的相关信息。请检查公司名称是否正确或尝试使用公司简称。"
        results = []
        for _, row in matches.head(5).iterrows(): 
            code = row.get('code', 'N/A')
            name = row.get('name', 'N/A')
        
            try:
                detail_df = ak.stock_individual_info_em(symbol=code)
                detail_dict = dict(zip(detail_df['item'], detail_df['value']))
                
                info = {
                    "股票代码": code,
                    "公司名称": name,
                    "总市值": detail_dict.get('总市值', 'N/A'),
                    "流通市值": detail_dict.get('流通市值', 'N/A'),
                    "行业": detail_dict.get('行业', 'N/A'),
                    "上市时间": detail_dict.get('上市时间', 'N/A'),
                    "股票简称": detail_dict.get('股票简称', name),
                    "总股本": detail_dict.get('总股本', 'N/A'),
                    "流通股": detail_dict.get('流通股', 'N/A'),
                }
            except Exception:
                info = {
                    "股票代码": code,
                    "公司名称": name,
                }
            
            results.append(info)
        
        return json.dumps(results, ensure_ascii=False, indent=2)
        
    except Exception as e:
        return f"获取公司信息时出错：{str(e)}"
 
class FormulaChatClient:
    def __init__(self, moonshot_base_url: str, api_key: str):
        self.openai = AsyncOpenAI(base_url=moonshot_base_url, api_key=api_key)
        self.httpx = httpx.AsyncClient(
            base_url=moonshot_base_url,
            headers={"Authorization": f"Bearer {api_key}"},
            timeout=30.0,
        )
        self.model = "kimi-k2.5"
        self.max_tokens = 32768
        self.local_execution_keywords = ["plt.savefig", "plt.save", ".to_excel", "open(", ".to_csv", "pdf.", ".tex"]
 
    async def get_tools(self, formula_uri: str):
        response = await self.httpx.get(f"/formulas/{formula_uri}/tools")
        return response.json().get("tools", [])
 
    async def call_tool(self, formula_uri: str, function: str, args: dict):
        response = await self.httpx.post(
            f"/formulas/{formula_uri}/fibers",
            json={"name": function, "arguments": json.dumps(args)},
        )
        fiber = response.json()
 
        if fiber.get("status") == "succeeded":
            return fiber["context"].get("output") or fiber["context"].get("encrypted_output")
 
        # Handle errors
        error_msg = fiber.get("error") or fiber.get("context", {}).get("error") or \
                    fiber.get("context", {}).get("output") or "Unknown error"
        return f"Error: {error_msg}"
 
    async def handle_response(self, response, messages, all_tools, tool_to_uri):
        message = response.choices[0].message
        messages.append(message)
        
        if not message.tool_calls:
            print(f"\n{message.content}")
            return
 
        print(f"\n[调用工具: {len(message.tool_calls)}个]")
 
        for call in message.tool_calls:
            func_name = call.function.name
            args = json.loads(call.function.arguments)
 
            print(f"→ {func_name}")
            
            # 处理自定义工具
            if func_name == "company_info":
                company_name = args.get("name", "")
                result = get_company_info(company_name)
                print(f"公司信息: {result}")
                messages.append({"role": "tool", "tool_call_id": call.id, "content": result})
                continue
            
            # 处理远程 formula 工具
            uri = tool_to_uri.get(func_name)
            if not uri:
                raise ValueError(f"No URI found for tool {func_name}")
 
            if func_name == "code_runner":
                self.execute_code_runner(args)
 
            result = await self.call_tool(uri, func_name, args)
            messages.append({"role": "tool", "tool_call_id": call.id, "content": result})
 
        next_response = await self.openai.chat.completions.create(
            model=self.model, messages=messages, tools=all_tools, max_tokens=self.max_tokens
        )
        await self.handle_response(next_response, messages, all_tools, tool_to_uri)
 
    def convert_tex_to_pdf(self, tex_file):
        pdf_file = tex_file.replace('.tex', '.pdf')
        # 获取tex文件所在目录
        work_dir = os.path.dirname(os.path.abspath(tex_file))
        tex_name = os.path.basename(tex_file)
        
        try:
            subprocess.run(
                ['xelatex', '-interaction=nonstopmode', tex_file],
                capture_output=True,
                text=True,
                cwd=work_dir if work_dir else '.',
            )
            for ext in ['.aux', '.log', '.out']:
                temp_file = os.path.join(work_dir if work_dir else '.', tex_name.replace('.tex', ext))
                if os.path.exists(temp_file):
                    try:
                        os.remove(temp_file)
                    except Exception:
                        pass
            print(f"  [已生成PDF: {pdf_file}]")
        except FileNotFoundError:
            print("  [PDF转换失败: xelatex未安装]")
        except subprocess.CalledProcessError as e:
            print("  [PDF转换失败: LaTeX编译出错]")
            if e.stdout:
                print(f"  错误输出: {e.stdout[-500:]}")
        except Exception as e:
            print(f"  [PDF转换失败: {str(e)}]")
 
    def execute_code_runner(self, args):
        code = args.get("code", "") if isinstance(args, dict) else str(args or "")
        
        if not code or not any(keyword in code for keyword in self.local_execution_keywords):
            return
        before_tex_files = set(glob.glob('*.tex'))
        try:
            subprocess.run(
                [sys.executable, "-c", common_code+code],
                capture_output=True,
                text=True,
                check=True,
            )
            after_tex_files = set(glob.glob('*.tex'))
            new_tex_files = after_tex_files - before_tex_files
            for tex_file in new_tex_files:
                self.convert_tex_to_pdf(tex_file)
                
        except Exception as e:
            print(f"  [Local execution failed: {e}]")
 
    async def chat(self, question, messages, all_tools, tool_to_uri):
        messages.append({"role": "user", "content": question})
        response = await self.openai.chat.completions.create(
            model=self.model, messages=messages, tools=all_tools, max_tokens=self.max_tokens
        )
        await self.handle_response(response, messages, all_tools, tool_to_uri)
 
    async def close(self):
        await self.httpx.aclose()
 
def normalize_formula_uri(uri: str) -> str:
    """Normalize formula URI with default namespace and tag"""
    if "/" not in uri:
        uri = f"moonshot/{uri}"
    if ":" not in uri:
        uri = f"{uri}:latest"
    return uri
 
async def main():
    parser = argparse.ArgumentParser(description="Formula chat client")
    parser.add_argument(
        "--formula",
        action="append",
        default=["moonshot/web-search:latest", "moonshot/rethink:latest", "moonshot/code-runner:latest"],
        help="Formula URIs",
    )
    parser.add_argument("--question", help="Question to ask")
 
    args = parser.parse_args()
 
    # Process and deduplicate formula URIs
    normalized_formulas = [normalize_formula_uri(uri) for uri in args.formula]
    unique_formulas = list(dict.fromkeys(normalized_formulas))
 
    moonshot_base_url = os.getenv("MOONSHOT_BASE_URL", "https://api.moonshot.cn/v1")
    api_key = os.getenv("MOONSHOT_API_KEY")
 
    if not api_key:
        print("Error: MOONSHOT_API_KEY environment variable is required")
        return
 
    client = FormulaChatClient(moonshot_base_url, api_key)
 
    # Load tools
    all_tools = []
    tool_to_uri = {}
 
    for tool in TOOLS:
        func = tool.get("function")
        if func:
            func_name = func.get("name")
            all_tools.append(tool)
            tool_to_uri[func_name] = "custom"
 
    for uri in unique_formulas:
        tools = await client.get_tools(uri)
        for tool in tools:
            func = tool.get("function")
            if not func:
                continue
            
            func_name = func.get("name")
            if not func_name or func_name in tool_to_uri:
                continue
 
            all_tools.append(tool)
            tool_to_uri[func_name] = uri
 
    if not all_tools:
        print("Error: No tools loaded")
        return
 
    print(f"已加载 {len(all_tools)} 个工具")
 
    try:
        messages = [{"role": "system", "content": SYSTEM_PROMPT}]
        
        if args.question:
            print(f"\n问题: {args.question}")
            await client.chat(args.question, messages, all_tools, tool_to_uri)
        else:
            print("\n对话模式 (输入 'q' 退出)\n")
            while True:
                question = input("Q: ").strip()
                if question.lower() == "q":
                    break
                if question:
                    await client.chat(question, messages, all_tools, tool_to_uri)
 
    finally:
        await client.close()
 
if __name__ == "__main__":
    asyncio.run(main())

Q: 帮我调研2023-2025年中国人形机器人行业的发展情况。

# 2023-2025年中国人形机器人行业发展深度研究报告
 
## 执行摘要
 
2023-2025年中国人形机器人产业进入快速发展期，市场规模从15.6亿元增长至32.4亿元，年复合增长率达44.2%。技术创新加速推进，应用场景不断拓展，产业链日趋完善，政策支持力度持续加大，产业正从实验室走向商业化应用。
 
**核心发现：**
- 2025年中国人形机器人市场规模达到**32.4亿元**，出货量突破**1.24万台**，成为全球第二大市场
- 宇树科技、智元机器人等头部企业形成"双寡头"格局，合计市场份额超过**60%**
- 2024年行业融资总额达**200亿元**，同比增长**150%**，资本热度持续升温
- 工业制造成为最大应用场景，占比**35%**，汽车制造业成为首个规模化应用行业
- 北京、上海、深圳等地形成产业集聚，政策支持力度空前，产业发展环境持续优化
 
## 核心数据分析
 
### 市场规模爆发式增长
 
中国人形机器人市场呈现爆发式增长态势。2023年市场规模为15.6亿元，2024年增长至21.8亿元，同比增长39.7%。预计到2025年，市场规模将达到32.4亿元，同比增长48.6%，三年复合增长率达44.2%。
 
从出货量看，2023年中国人形机器人出货量为3500台，2024年激增至7300台，同比增长108.6%。2025年预计出货量将达到1.24万台，同比增长69.9%，显示出强劲的增长势头。
 
### 竞争格局基本形成
 
中国人形机器人产业呈现"双寡头+多强"的竞争格局。宇树科技和智元机器人作为第一梯队，合计市场份额超过60%。
 
**宇树科技**2024年人形机器人出货量达1400台，全球市场份额第一，营收超过10亿元，成为行业首家实现盈利的企业。**智元机器人**2024年出货量达1000台，在具身智能技术方面具有领先优势。
 
### 资本热度持续升温
 
中国人形机器人行业融资呈现爆发式增长态势。2023年融资总额为80亿元，2024年激增至200亿元，同比增长150%。2025年预计融资总额将达到280亿元，同比增长40%。
 
从融资事件数看，2023年发生120起融资事件，2024年增长至200起，同比增长66.7%。2025年预计达到260起，同比增长30%。截至2025年，人形机器人领域已诞生多家独角兽企业，宇树科技估值超过100亿元，智元机器人估值达180亿元。
 
### 应用场景不断拓展
 
工业制造是人形机器人最大的应用场景，2025年预计占比35%，市场规模11.3亿元。汽车制造是首个规模化应用的行业，特斯拉、比亚迪、吉利、蔚来等车企都在积极试验人形机器人应用。
 
服务业是人形机器人的第二大应用场景，2025年预计占比25%，市场规模8.1亿元。医疗康复、教育科研、家庭服务等场景也在快速发展。
 
## 政策环境分析
 
国家层面政策支持力度空前。2023年11月，工信部发布《人形机器人创新发展指导意见》，明确提出到2025年初步建立人形机器人创新体系，到2027年综合实力达到世界先进水平。
 
地方政策形成梯次布局。北京发布《北京市机器人产业创新发展行动方案（2023—2025年）》，设立100亿元机器人产业发展投资基金；上海组建百亿级产业基金，建设国际机器人产业高地；深圳出台专项政策，支持人形机器人核心技术攻关和产业化应用。
 
## 技术发展趋势
 
人形机器人技术体系可分为"大脑"、"小脑"、"肢体"三个层次。大脑层基于大模型的认知决策系统，小脑层负责运动控制系统，肢体层包括机械结构和执行机构。
 
**关键技术突破包括：**
- 具身智能技术：2024年，智元机器人发布具身智能G1到G5技术路线图，在通用位姿估计模型UniPose等方面取得阶段性突破
- 群体智能技术：2025年3月，优必选在极氪5G智慧工厂开展人形机器人协同实训，推动人形机器人从单机自主向群体智能进化
- 多模态感知技术：2025年，部分企业多模态感知精度达到95%以上
 
## 挑战与机遇
 
### 主要挑战
 
**技术挑战**：人形机器人在运动控制、环境感知、智能决策等方面仍有待突破。特别是在复杂环境下的自主作业能力、人机交互的自然性等方面，与国际先进水平仍有差距。
 
**成本挑战**：目前人形机器人成本仍然较高，单台价格从几十万元到数百万元不等，严重制约了大规模商业化应用。
 
**标准挑战**：人形机器人行业标准体系尚不完善，在安全性、可靠性、互操作性等方面缺乏统一标准。
 
### 发展机遇
 
**政策机遇**：国家将人形机器人产业列为战略性新兴产业，政策支持力度持续加大。
 
**市场机遇**：中国拥有全球最大的制造业市场和最完整的工业体系，为人形机器人应用提供了广阔空间。
 
**技术机遇**：人工智能、5G、物联网等新兴技术快速发展，为人形机器人技术突破提供了有力支撑。
 
## 发展趋势预测
 
未来3-5年，人形机器人技术将呈现以下发展趋势：
 
**智能化水平大幅提升**：随着大模型技术的不断发展，人形机器人将具备更强的推理能力和泛化能力，从专用向通用方向发展。
 
**运动能力显著增强**：运动控制算法将不断优化，机器人将具备更强的环境适应能力和操作精度。
 
**成本快速下降**：随着规模化生产和核心零部件国产化，人形机器人成本将下降50%以上。
 
预计到2030年，中国人形机器人市场规模将突破200亿元，出货量达到10万台以上，年复合增长率超过50%。
 
## 投资建议
 
### 投资方向建议
 
**核心零部件领域**：重点关注减速器、伺服电机、传感器等核心零部件企业。这些领域技术门槛高、价值占比大、国产化率低，具有较大投资机会。
 
**整机制造领域**：重点关注技术领先、市场认可度高的整机制造企业。这些企业将在产业爆发期获得最大收益。
 
**应用服务领域**：重点关注在特定应用场景具有深度布局的企业。这些企业将通过应用创新获得差异化竞争优势。
 
### 风险提示
 
**技术风险**：人形机器人技术仍在快速发展中，存在技术路线不确定、技术突破不及预期等风险。
 
**市场风险**：人形机器人市场仍处于培育期，存在市场需求不及预期、商业化进程缓慢等风险。
 
**政策风险**：人形机器人产业高度依赖政策支持，存在政策调整、支持力度减弱等风险。
 
## 结论与建议
 
中国人形机器人产业正处于爆发式增长前夜，2023-2025年是产业发展的关键窗口期。在政策大力支持、技术不断突破、市场持续拓展的多重驱动下，产业有望在未来5-10年内实现跨越式发展。
 
**政策建议**：加强顶层设计，加大支持力度，完善标准体系，强化人才培养，推动国际合作。
 
**企业建议**：加强技术创新，深化应用探索，强化生态合作，提升品牌价值，拓展国际市场。
 
**投资建议**：关注头部企业，布局核心环节，保持长期视角，分散投资风险，关注政策导向。

TOOLS = [
    {
        "type": "function",
        "function": {
            "name": "company_info",
            "description": "根据公司名称获取公司信息（股票代码、市场类型、上市状态等）。当你的知识无法回答用户提出的问题，或用户请求你进行公司信息查询时，调用此工具。",
            "parameters": {
                "type": "object",
                "properties": {
                    "name": {
                        "type": "string",
                        "description": "用户想要查询的公司的准确名称，请从与用户的对话中提取。"
                    }
                },
                "required": ["name"]
            }
        }
    }
    // 可以仿照上面的格式继续定义更多工具
]

def get_company_info(company_name: str) -> str:
    """调用 AKShare API 获取公司信息"""
    try:
        stock_info_df = ak.stock_info_a_code_name()
        matches = stock_info_df[stock_info_df['name'].str.contains(company_name, na=False)]
        if matches.empty:
            return f"未找到公司 '{company_name}' 的相关信息。请检查公司名称是否正确或尝试使用公司简称。"
        results = []
        for _, row in matches.head(5).iterrows(): 
            code = row.get('code', 'N/A')
            name = row.get('name', 'N/A')
        
            try:
                detail_df = ak.stock_individual_info_em(symbol=code)
                detail_dict = dict(zip(detail_df['item'], detail_df['value']))
                
                info = {
                    "股票代码": code,
                    "公司名称": name,
                    "总市值": detail_dict.get('总市值', 'N/A'),
                    "流通市值": detail_dict.get('流通市值', 'N/A'),
                    "行业": detail_dict.get('行业', 'N/A'),
                    "上市时间": detail_dict.get('上市时间', 'N/A'),
                    "股票简称": detail_dict.get('股票简称', name),
                    "总股本": detail_dict.get('总股本', 'N/A'),
                    "流通股": detail_dict.get('流通股', 'N/A'),
                }
            except Exception:
                info = {
                    "股票代码": code,
                    "公司名称": name,
                }
            
            results.append(info)
        
        return json.dumps(results, ensure_ascii=False, indent=2)
        
    except Exception as e:
        return f"获取公司信息时出错：{str(e)}"

for call in message.tool_calls:
            func_name = call.function.name
            args = json.loads(call.function.arguments)
 
            print(f"→ {func_name}")
            
            # 处理自定义工具（新增部分）
            if func_name == "company_info":
                company_name = args.get("name", "")
                result = get_company_info(company_name)
                print(f"公司信息: {result}")
                messages.append({"role": "tool", "tool_call_id": call.id, "content": result})
                continue
            
            # 处理远程 formula 工具（原有部分）
            uri = tool_to_uri.get(func_name)
            if not uri:
                raise ValueError(f"No URI found for tool {func_name}")
 
            if func_name == "code_runner":
                self.execute_code_runner(args)
 
            result = await self.call_tool(uri, func_name, args)
            messages.append({"role": "tool", "tool_call_id": call.id, "content": result})
 
        next_response = await self.openai.chat.completions.create(
            model=self.model, messages=messages, tools=all_tools, max_tokens=self.max_tokens
        )

Q: 帮我查找宁德时代公司的股票代码
 
[调用工具: 1个]
→ company_info
公司信息: [                                                                                                                                                      
  {
    "股票代码": "300750",
    "公司名称": "宁德时代",
    "总市值": 1817339120058.29,
    "流通市值": 1694973917202.29,
    "行业": "电池",
    "上市时间": 20180611,
    "股票简称": "宁德时代",
    "总股本": 4562854001.0,
    "流通股": 4255627601.0
  }
]
 
AI Response：根据查询结果，宁德时代公司的股票信息如下：
 
**股票代码：300750**
 
**公司基本信息：**
- 股票简称：宁德时代
- 行业：电池
- 上市时间：2018年6月11日
- 总股本：45.63亿股
- 流通股：42.56亿股
- 总市值：约1.82万亿元
- 流通市值：约1.69万亿元