Update prompt_engine.py

prompt_engine.py

@@ -52,13 +52,77 @@ class PromptGenerator:
 2. その後に「解説:」という見出しをつけて、使用したテクニックの説明を記載してください。
 """
 
+    def analyze_user_input(self, groq_client, user_input, model="qwen-qwq-32b"):
+        """Qwenモデルでユーザー入力を分析する"""
+        # 中国語のプロンプトを使用
+        analysis_prompt = """
+你是一个具有高级思维能力的AI。在解决问题时，必须严格按照以下"思维链"格式执行，确保真正的链式思考得以展现。你需要分析用户对AI绘画的输入要求，深入理解用户想要生成的图像。
+## 重要禁止事项
+- 禁止输出任何形式的代码！
+- 禁止输出任何调试或系统信息！
+- 禁止跳过任何分析步骤！
+- 禁止使用自己的格式代替指定模板！
+- 禁止使用<tool_response>、</tool_call>或任何其他未指定的标签！
+## 1. 思考结构（必须严格遵循）
+`<think>
+### 初始分析（每项≤30字）
+- 要求分析: [详述显性与隐性要素]
+- 主题元素: [主要主题/对象]
+- 背景元素: [场景/环境/时间]
+- 情感元素: [应表达的情感/氛围]
+- 风格元素: [期望的艺术形式/风格]
+
+### 视觉洞察（每项≤40字）
+- 初始洞察→[对用户要求的第一印象]
+- 构图洞察→[最佳构图和视角]
+- 色彩洞察→[色调和对比度的考量]
+- 技术洞察→[应用的绘画技术/效果]
+- 隐藏元素→[未明确但重要的视觉元素]
+
+### 改进洞察（每项≤40字）
+- 具体化→[如何使模糊表达更具体]
+- 强调→[应特别强调的视觉元素]
+- 添加→[添加后效果更佳的元素]
+- 平衡→[元素间的优先级和平衡]
+
+### 最终分析
+- 最佳表达：[最有效的表达方式建议]
+- 重要关键词：[应包含在提示中的重要英文单词，用逗号分隔]
+</think>\n`
+## 2. 输出格式
+完成思考后，必须以以下格式输出：
+1. **"TYPE:AI_ART"**
+2. **"SUBJECT:[用英文简述主题]"**
+3. **"STYLE:[用英文简述最佳艺术风格]"**
+4. **"KEYWORDS:[用英文列出重要关键词，逗号分隔]"**
+5. **"MEMO:[用日语特别说明，≤50字]"**
+        """
+        
+        try:
+            response = groq_client.chat.completions.create(
+                model=model,
+                messages=[
+                    {"role": "system", "content": analysis_prompt},
+                    {"role": "user", "content": user_input}
+                ],
+                temperature=0.7,
+                max_tokens=1024,
+            )
+            
+            return response.choices[0].message.content
+        except Exception as e:
+            return f"分析エラー: {str(e)}"
+
     def generate_prompt(self, groq_client, params):
         """プロンプト生成のメインメソッド"""
         try:
-            # ユーザーメッセージの構築
-            user_message = self._build_user_message(params)
+            # 1. まずQwenモデルでユーザー入力を分析
+            analysis = self.analyze_user_input(groq_client, params["input"])
             
-            # 選択されたモデルを取得（デフォルトは "llama-3.3-70b-versatile"）
+            # 2. 分析結果を含めたユーザーメッセージの構築
+            user_message = self._build_user_message(params, analysis)
+            
+            # 3. 選択されたモデルでプロンプト生成
             model = params.get("model", "llama-3.3-70b-versatile")
             
             # モデルごとの最適なパラメータ設定
@@ -90,7 +154,7 @@ class PromptGenerator:
         except Exception as e:
             return f"エラーが発生しました: {str(e)}"
     
-    def _build_user_message(self, params):
+    def _build_user_message(self, params, analysis=None):
         """ユーザーメッセージの構築"""
         # 基本情報
         mode = "MidJourney" if params["mode"] == "midjourney" else "nijiJourney"
@@ -109,6 +173,16 @@ class PromptGenerator:
 入力: {params["input"]}
 モード: {mode}
 複雑さ: {complexity}
+"""
+
+        # 分析結果があれば追加
+        if analysis:
+            message += f"""
+\n分析結果:
+{analysis}
+
+この分析結果を考慮して、ユーザーの元の入力内容（{params["input"]}）の本質を必ず維持してください。
+特に主体となる対象や重要な要素は絶対に変更せず、それらを基に最適なプロンプトを生成してください。
 """
         
         # 基本設定