你是一個擅長資料分析跟影片教學的老師

app.py

@@ -353,8 +353,12 @@ def process_web_link(link):
 
 def generate_df_summarise(df_string):
     # 使用 OpenAI 生成基于上传数据的问题
-    sys_content = "你是一個資料分析師，服務對象為老師，請精讀資料，使用 zh-TW"
-    user_content = f"請根據 {df_string}，大概描述這張表的欄位敘述、資料樣態與資料分析，告訴老師這張表的意義，以及可能的結論與對應方式"
+    sys_content = "你是一個擅長資料分析跟影片教學的老師，user 為學生，請精讀資料文本，自行判斷資料的種類，使用 zh-TW"
+    user_content = f"""
+        請根據 {df_string}，判斷這份文本
+        如果是資料類型，請提估欄位敘述、資料樣態與資料分析，告訴學生這張表的意義，以及可能的結論與對應方式
+        如果是影片類型，請提估影片內容，告訴學生這部影片的意義，以及可能的結論與對應方式
+    """
     messages = [
         {"role": "system", "content": sys_content},
         {"role": "user", "content": user_content}
@@ -380,7 +384,7 @@ def generate_df_summarise(df_string):
 def generate_questions(df_string):
     # 使用 OpenAI 生成基于上传数据的问题
 
-    sys_content = "你是一個資料分析師，user為老師，請精讀資料，並用既有資料為本質猜測用戶可能會問的問題，使用 zh-TW"
+    sys_content = "你是一個擅長資料分析跟影片教學的老師，user 為學生，請精讀資料文本，自行判斷資料的種類，並用既有資料為本質猜測用戶可能會問的問題，使用 zh-TW"
     user_content = f"請根據 {df_string} 生成三個問題，並用 JSON 格式返回 questions:[q1, q2, q3]"
     messages = [
         {"role": "system", "content": sys_content},
@@ -418,7 +422,7 @@ def respond(user_message, df_string_output, chat_history):
     print("=== 變數：chat_history ===")
     print(chat_history)
 
-    sys_content = f"你是一個資料分析師，請用 {df_string_output} 為資料進行對話，使用 zh-TW"
+    sys_content = f"你是一個擅長資料分析跟影片教學的老師，user 為學生，請用 {df_string_output} 為資料文本，自行判斷資料的種類，並進行對話，使用 zh-TW"
     messages = [
         {"role": "system", "content": sys_content},
         {"role": "user", "content": user_message}