Владимир Красносельских

Да, такое возможно реализовать. Отлично для этой задачи подойдет Python + Langchain (Чтобы взаимодействовать с GPT)

1) тебе нужно написать слушателя твоего чата (Который будет ловить сообщения из основного канала)

2) Написать промпт для ZeroShot а лучше Few-shot классификации твоего текста.
https://python.langchain.com/docs/modules/model_io...

3) Каждое сообщение пропускаешь через цепочку которую написал в пункте 2 -> получаешь категорию / имя канала в который публиковать.

4) Пишешь код который продублирует твое сообщение в нужные каналы.

Ps. Понимаю что выглядит "Как нарисовать сову". Но без шуток - задача легко решаема ( вопрос ведь был в этом?)

1) Для такого вида запросов верни agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION. в initialize_agent
2) Я так и не смог найти код CryptocurrencySearchAPIWrapper чтобы проверить работу и как там написан tool. Напиши где его взять - я может и помогу.
3) Обновись до последней версии Langhain - была там беда с интерпритацией (запуском задачи) из промпта.

Вот тебе рабочий пример, что тул заходит в функцию

from langchain.agents import Tool, load_tools, initialize_agent, AgentType
from langchain.memory import ConversationBufferMemory
from langchain.chat_models import ChatOpenAI
# from coinmarketcap_search import CryptocurrencySearchAPIWrapper


llm = ChatOpenAI(
    temperature=1,
    streaming=False,
    max_tokens=900,
)
tools = load_tools(["llm-math"], llm=llm)


def crypto_search(query):
  print('in tool')
  return 42


tools.append(Tool.from_function(
    name="Crypto Currency Search",
    func=crypto_search,
    description="Use this tool when you need to answer questions about Cryptocurrency prices or altcoins prices "
                "Input should be the Cryptocurrency coin name only or the ticker symbol"
))

memory = ConversationBufferMemory(memory_key="chat_history")
chain = initialize_agent(
    tools, llm,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    #agent=AgentType.CONVERSATIONAL_REACT_DESCRIPTION,
    verbose=True,
    memory=memory
)

def search_by_prompt(prompt: str) -> str:
    try:
        response = chain.run(prompt)
    except Exception as e:
        response = str(e)
        suffix = "Could not parse LLM output: `"
        if response.startswith(suffix):
            response = response.removeprefix(suffix).removesuffix("`")

    return response

print(search_by_prompt('what is price of btc'))

Вывод будет таким:

> Entering new AgentExecutor chain...
I should use the Crypto Currency Search tool to find the price of BTC.
Action: Crypto Currency Search
Action Input: BTCin tool

Observation: 42
Thought:I now know the price of BTC.
Final Answer: The price of BTC is 42.

> Finished chain.
The price of BTC is 42.

Так как на руках у меня нет кода CryptocurrencySearchAPIWrapper - не подскажу что там.

Теперь просто нужно тебе разобраться с недрами CryptocurrencySearchAPIWrapper.run. внути по идее из запроса тебе нужно понять запрашиваемую монетку и зарядить запрос в Api. Далее вернуть в результат из тула. Дальше GPT сам красоту делает.

Ну, что бы получить все видосы, вы должны в print_r подставить $mov а не $art, ведь $art -это элемент массива, или ставить print_r($art['place_of_location']) внутри foreach.

Чтобы передать id через js, нужно его вывести на странице с видео (или я чего то не понял), внутри атрибута, к примеру

id_video

. Затем логика в js такая:

$('#ajax-book').click(function(){
    var $card=$(this).parents('.uk-card');
    var id_video = $card.find("<<< Тут класификатор блока, в которм появится id>>>"). attr('id_video');
    $.ajax({
        url: 'inc/ajax-book.php',
        method: 'GET',
        data: {
            'video_id': id_video
        },
        dataType : "json",
        success: function(data) {
            console.log(data);
        }
    });
});

Ну, и соответственно в php принимаешь как;
$video_id = $_GET['video_id'];

Я делал это так, но не всегда правильный бюджет получается, может коллективным разумом получится разобраться?

def get_amount():
        def get_budget_for_client():
            service = config.adwords_client.GetService('BudgetOrderService', version='v201702')
            selector = {
                'fields': ['BudgetOrderName', 'SpendingLimit', 'TotalAdjustments'],

            }
            budgets = []

            page = service.get(selector)

            if 'entries' in page and page['entries']:
                for payer in page['entries']:
                    budgets.append(round(int(payer['spendingLimit']['microAmount']) / 1000000, 2))

            all_budgets = sum(budgets)
            return all_budgets

        def get_spend_for_client():

            report_downloader = config.adwords_client.GetReportDownloader(version='v201702')
            report_query = "SELECT Cost FROM ACCOUNT_PERFORMANCE_REPORT "

            report = report_downloader.DownloadReportAsStringWithAwql(report_query, 'CSV', skip_report_header=True,
                                                                      skip_column_header=False,
                                                                      skip_report_summary=True,
                                                                      client_customer_id=customer_id)
            file = io.StringIO(report)
            reader = csv.DictReader(file, delimiter=',')
            
            for row in reader:
                return round(float(row['Cost']) / 1000000, 2)

        all_moneys = get_budget_for_client()
        spend = get_spend_for_client()

        return round(all_moneys - spend)

Попробуйте в командной строке (от админа)
npm install node-static