main_ds.py

import os
import argparse
from dotenv import load_dotenv
from openai import OpenAI

# 强制加载.env（解决加载失败问题）
load_dotenv(override=True)

# 直接从环境变量获取，万无一失
api_key = os.getenv("OPENAI_API_KEY")
base_url = os.getenv("OPENAI_BASE_URL")

print("🔑 读取到 API_KEY:", api_key[:10] + "..." if api_key else "缺失")
print("🔗 读取到 BASE_URL:", base_url)

# 初始化 LLM 客户端
client = OpenAI(
    api_key=api_key,
    base_url=base_url
)

def generate_math_animation(problem: str):
    print("\n✅ 开始处理题目：", problem)

    sys_prompt = """
你是专业数学老师 + Manim 动画工程师。
输出格式：
1. 题目分析
2. 分步解题
3. 可直接运行的 Manim 0.20.1 代码（```python开头）
代码必须完整、可渲染、无报错。
"""

    resp = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": sys_prompt},
            {"role": "user", "content": problem}
        ],
        temperature=0.3
    )

    content = resp.choices[0].message.content
    print("\n📝 生成结果：")
    print(content)

    # 提取并保存 Manim 代码
    code_start = content.find("```python")
    code_end = content.find("```", code_start + 10)
    if code_start != -1 and code_end != -1:
        manim_code = content[code_start+9:code_end].strip()
        os.makedirs("temp", exist_ok=True)
        with open("temp/math_scene.py", "w", encoding="utf-8") as f:
            f.write(manim_code)
        print("\n💾 Manim 代码已保存")

        # 渲染视频
        print("\n🎬 开始渲染视频...")
        import subprocess
        subprocess.run([
            "manim", "-ql",
            "temp/math_scene.py",
            "-o", "math_video.mp4",
            "--output_dir", "output/videos"
        ])
        print("\n✅ 视频完成！output/videos/math_video.mp4")

if __name__ == "__main__":
    print("Hello from mathlens!")
    parser = argparse.ArgumentParser()
    parser.add_argument("problem", type=str, help="输入数学题目")
    args = parser.parse_args()
    generate_math_animation(args.problem)