video insight

utils/google_ai_studio.py

@@ -33,7 +33,7 @@ prompt = '''
 产品落地形态分类：搜索结果列表。
 产品落地形态分类举例：比如商品广告h5、搜索结果列表、内容列表、私域群二维码、AI机器人对话等。类型字数请控制在10个字以内。
 通过以上这种结构化的分类和整理，最终想通过AI对内容进行理解，分析推测出内容不同时机的价值点与用户需求的对应关系，为后续AI在产品中的应用场景提供更多可能。
-输出内容格式：
+输出内容单引号换成双引号,输出内容格式：
 output in JSON format with keys:
 需求排序序号(str)
 需求强烈程度分值(str)
@@ -41,7 +41,7 @@ output in JSON format with keys:
 需求分类(str)
 推测出该点需求的原因(str)
 描述出与需求对应的产品钩子(str)
-产品形式出现到消失的时间点(str)
+产品形式出现到消失的时间点(str 用分:秒-分:秒 的格式)
 钩子形式描述(str)
 钩子形式类型(str)
 点击钩子后的产品落地形态描述(str)

workers/video_insight_consumption_work.py

@@ -70,7 +70,7 @@ class ConsumptionRecommend(object):
 
         for entry in data:
             value = f"""(
-                {video_id}, {link}, {video_title}, NULL,
+                {video_id}, '{link}', '{video_title}', NULL,
                 {entry.get('需求排序序号', '')}, {entry.get('需求强烈程度分值', '')}, '{entry.get('用户具体的需求描述', '')}', '{entry.get('需求分类', '')}',
                 '{entry.get('推测出该点需求的原因', '')}', '{entry.get('描述出与需求对应的产品钩子', '')}', '{entry.get('产品形式出现到消失的时间点', '')}', '{entry.get('钩子形式描述', '')}',
                 '{entry.get('钩子形式类型', '')}', '{entry.get('点击钩子后的产品落地形态描述', '')}', '{entry.get('产品落地形态分类', '')}', '{entry.get('其他平台案例', '')}'
@@ -79,7 +79,7 @@ class ConsumptionRecommend(object):
         # Combine SQL statement and values
         sql += ",\n".join(values) + ";"
         # Print SQL statement
-        print(sql)
+        logger.info(f"{sql}")
         MysqlHelper.update_values(sql)
 
         # AliyunLogger.logging(str(video_id), orjson.dumps(text).decode())