3.1 KiB
请在 ./scripts/ 文件夹下写一个 img2typ.py 脚本，达成下面的要求。
流程
遍历当前所在目录下的文件（不深入到子目录）。
找到所有的 \S\s?[\d\.]+ 的文件名的图片。且最开头的 \S 不能是 答 或者 A 或者 a
- 这里只是大概的描述，你可能需要调整正则，或者不使用正则
- 例如，
问 13.pngQ3.1.jpgR1.1.5.PNG等等的文件名都是合法的
检测有没有对应的 .typ 文件。即，看有没有后缀名改成 typ 的文件。
如果没有，则用 ./scripts/img2typ.prompt.txt 为提示词，调用一个支持图片的 OpenAI 兼容 API。这个提示词文件在未来会改动，请在程序执行时动态读取它。API 的 API 端点和 API Key 应该使用一个 .env 文件定义，这个文件将会置放在 ./scripts/ 文件夹下。
对输出结果，如果有 Markdown 代码块包裹，则去除（可能需要你写正则或者其他任何机制）
接着，保存为对应的 .typ 文件。
最后，整理所有符合条件的 .typ 文件（包括生成失败的），整理成一个列表后，在当前根目录写入（可覆盖）questions.json，是一个 JSON 列表，列表的每一个项目都是一个 JSON Object。形如：
[
{
"question": "Q3.1",
"format": "typst",
"target": "Q3.1.typ"
},
{
"question": "R1.1.5",
"format": "typst",
"target": "R1.1.5.typ"
}
]
细节
调用 API 时，如果失败，则重试。最多重试 3 次（或者可定义），真的失败了不能 panic，只是在 stderr 中汇报。
规范
代码应该是人类可维护的。你可以（而且最好）使用 python 的比较常用的现代语法，例如直接的类型注解（使用 list 而不是 typing.List），以及尽量使用 pathlib.Path 而不是字符串。
这个应用是面向过程的。你应该首先对流程做拆解，然后以子函数的形式声明整个函数。每个函数都应该有 docstring。对于 AI 等一些比较重要的东西，你再使用面向对象的方式去应对。
你可以给我要求，让我依赖一些更多的外置库。当前环境有 requests、dotenv、rich、tqdm 可用。
程序往 stderr 的输出应该是可审计的。应该汇报：
- 将要处理的文件清单。
- 调用了什么 API，调用情况如何，输入输出多少 tokens。
- 写入了什么文件。
程序往 stderr 的输出应该是良好可视化的，就是说，有颜色区分，但是不要加 emoji。或者说，你应该使用自带的日志库 + 一定的格式化。
额外功能添补
这个脚本应该可以作为 cli 调用，支持以下参数：
--file或-f后接文件名，可重复这个参数。当存在这个参数，则解析对应的图片，而不是扫描当前目录--dry-run不调用 AI，也不写入文件--verbose在基础上反馈 AI 调用的输出，相当于 log level 是DEBUG--retry接数字，重试次数，默认为 3-n接数字，并发数量，默认为 3