备忘： 使用langchain结合千问大模型，用本地知识库辅助AI生成代码

本文主要是寻求解决把预先准备的文字需求转换为代码的方法
主要思路： 把某一类文字需求储存到本地知识库，使得用户输入需求目标，然后程序自动从知识库抽取相关需求，然后转发给在线的大模型形成代码。
工具：
本地在库用的向量持久化工具： ES 7.9
本地库提取所需的预训练模型： 抱脸虫HuggingFaceEmbeddings的paraphrase-multilingual-MiniLM-L12-v2
在线大模型还是选qwen-max

本地知识库的建设，不再赘述，参考之前的文章： 备忘，LangChain建立本地知识库的几个要点
包括参考资料 LangChain结合通义千问的自建知识库

由于需要用到流式输出（streaming=true），需要解决langchain整合qwen大模型关于流式输出的bug，可以参考 通义千问自己的例子
以及相关链接： https://github.com/langchain-ai/langchain/pull/16605

我选的解决方案：

本地库的设计：
参考akshare库的股票数据文档 AKShare股票数据

选了4个接口: stock_sse_summary，stock_individual_info_em , stock_zh_a_spot_em, stock_zh_a_hist 补充简单逻辑、入参和出参，完成本地知识库的akshareKnowledge.txt文件

获得上海证券交易所股票数据总貌，包括项目、股票、科创版、主板，可以使用akshare库的stock_sse_summary接口，无入参，返回最近交易日的股票数据总貌，包括流通股本、总市值、平均市盈率、上市公司、上市股票、流通市值、报告时间、总股本，返回字段使用中文，最后用print方法打印行情，代码格式为python...（行分隔符）
获得股票个股信息，包括总市值、流通市值、行业、上市时间、股票代码、股票简称、总股本、流通股，可以使用akshare库的stock_individual_info_em接口按股票代码查询，获得相关股票个股信息，返回字段使用中文，最后用print方法打印行情，代码格式为python...（行分隔符）
获取股票最新价格、最新成交量、最新涨跌幅、最新换手率，可以使用akshare库的stock_zh_a_spot_em接口获取全市场行情，无入参，再按股票名称或者股票代码过滤获得信息，返回字段使用中文，最后用print方法打印行情，代码格式为python...（行分隔符）
获得股票历史行情，包括指定交易日的最高价、最低价、开盘价、收盘价、成交量、涨跌幅、换手率，可以使用akshare库，按stock_zh_a_hist接口按股票代码，获取指定日线数据，startdate和enddate，以及指定前复权，获得日线数据，返回字段使用中文，最后用print方法打印行情，代码格式为python... （行分隔符）

代码分为两部分
1 建本地库

import ...

from langchain_community.embeddings.huggingface import HuggingFaceEmbeddings
from langchain_community.vectorstores import ElasticVectorSearch


# 自定义切分
class Document:
    def __init__(self, text):
        self.page_content = text
        self.metadata = {
   'source': 'Own'}


time_list = []
t = time.time()

base_file = '/home/cfets/AI/textwarefare/akshareKnowledge.txt'
# base_file = '/home/cfets/AI/textwarefare/cff.txt'
my_index = "es_akshare-api-new"

with open(base_file, 'r', encoding='utf-8') as file:
    lines = file.rea