機械仕掛けのAIニュース（米PCE価格指数テスト）

6月にみんなのお小遣いは少し増えました

（米国の消費支出の要点は次の5つです）

1. 個人の所得と支出：6月の個人の所得は0.2％増加し、個人の使い捨て所得（DPI）は0.2％、個人の消費支出（PCE）は0.3％増加しました。

2. 価格指数：PCE価格指数は前月比0.1％上昇し、食品とエネルギーを除くと0.2％上昇しました。

3. 実際のDPIとPCE：実際のDPIは0.1％、実際のPCEは0.2％増加し、財は0.2％、サービスは0.2％増加しました。

4. 個人支出と貯蓄：個人支出は6月に593億ドル増加し、個人貯蓄は7030億ドル、個人貯蓄率は3.4％でした。

5. 年間更新：BEAは9月26日に国民経済計算の年間更新を発表し、9月27日に最新の個人所得と支出を発表する予定です。

小学生の皆さんに向けて、もう少し簡単に説明すると：

1. お金の使い方と稼ぎ方：6月にみんなのお小遣い（個人の所得）は少し増えて、使えるお金（DPI）も増えました。みんなの買い物（PCE）も少し増えました。

2. 物価：物やサービスの値段（価格指数）が少し上がりました。食べ物やエネルギー以外の物価は、もっと上がりました。

3. 実際の買い物：みんなの買い物（PCE）は、物もサービスも、どちらも少し増えました。

4. 出費と貯金：みんなの出費は増えたけど、まだ貯金はたくさんあって、貯金するお金は月収の3.4％でした。

5. 毎年の見直し：BEAという機関は、毎年の見直しをして、9月に新しい情報を発表します。

小学生の皆さんが理解できるといいのですが。何か他の質問があれば、いつでも聞いてくださいね！

元の情報は米国商務省経済分析局

Beautiful Soupでクローリングし、Cohereで文章を生成した結果です。
元の情報は、先月アメリカ合衆国商務省経済分析局（BEA：Bureau of Economic Analysis）のサイトで公表された6月の消費支出（PCE：Personal Consumption Expenditures）のニュースリリースです。
来週8月30日には、2025年7月のPCEが発表されます。

Personal Income and Outlays, June 2024 | U.S. Bureau of Economic Analysis (BEA)

仕掛け

### command-r-plus
import cohere

# Cohere API キーを設定
api_key = COHERE_API_KEY
co = cohere.Client(api_key)

# システムプロンプトの設定
system_prompt = "あなたは小学生向けの情報アシスタントです。以下の情報に基づいて、小学生にわかるように丁寧な文章で質問に答えてください。"
page_text = page_text  # 渡すテキスト
question = "要点を5つ述べてください。"

# チャット履歴にシステムプロンプト、page_text、質問を追加
chat_history = [
    {"role": "USER", "message": system_prompt},
    {"role": "USER", "message": question},
    {"role": "CHATBOT", "message": page_text}
]

# APIを呼び出して、チャット履歴をもとに応答を生成
response = co.chat(
    chat_history=chat_history,
    model='command-r-plus',  # 使用するモデルを指定
    message=question,  # 新しい質問を渡す
    max_tokens=512,  # 生成する最大トークン数を指定
    temperature=0.7  # 創造性の度合いを調整

ChatGPTに聞きながらコードを組みました。
なお、ChatGPTに聞くと、chatでなくgenarate関数を使う方法を教えてくれます。
genarateはLegacyとして扱われる古い方法で、今はchatを使う方が主だそうです。
参考までにgenarateを使ったコードです。

import cohere

# Cohere API キーを設定
api_key = COHERE_API_KEY
co = cohere.Client(api_key)

# テキストを基に回答を生成（回答生成関数の定義）
def generate_response(prompt):
    response = co.generate(
        model='command-r-plus',  # 使用するモデルを指定（例: 'xlarge', 'large' など）
        prompt=prompt,
        max_tokens=512,  # 生成する最大トークン数を指定
        temperature=0.7  # 創造性の度合いを調整（0.0 は安定、1.0 は創造的）
    )
    return response.generations[0].text

# URL から取得したテキストをプロンプトとして使用
#prompt = f"以下の情報を基に回答を生成してください:\n\n{page_text}"
#answer = generate_response(prompt)


system_prompt = "あなたは小学生向けの情報アシスタントです。以下の情報に基づいて、小学生にわかるように丁寧な文章で質問に答えてください。"
question = "要点を5つ述べてください。"

# page_text は、与えられたテキストコンテンツを表します
prompt = f"{system_prompt}\n\n{page_text}\n\n質問：{question}"


# API からの応答を取得
answer = generate_response(prompt)

print(answer)