5个热门绘画工具或模型列表：
- Midjourney
- Canva AI
- DALL-E 3
- Jasper Art
- Deep Dream Generator 分析数据的过程是根据检索词，做扩展检索，将数据拆分成"情感分析"，"事件类型","时间","概括","来源","事件名称"几个部分 1、chatgpt过程发送prompt，进行查询搜索,并对这个搜索关键词进行提取处理，格式化成为英文的检索词
抽出prompt,并对检索词进行优化和丰富
2、查询得到结果之后会保存这个查询的结果信息进行训练
保存的prompt信息格式如下：
拥有检索的关键词，会对关键词进行翻译成英文
并对关键词进行丰富，增加检索条件，图片大小限制等
1）
这里是根据你的要求生成的中国地图，展示了省份界限、主要河流和重要的地理特征，如山脉和高原，以及主要城市和周边国家。这张图以一种正式且适合地理教科书的风格呈现。希望它符合你的需求。"
3、case控制，生成的过程中不允许发起新的检索请求
4、生成关联问题，辅助继续进行发问
5、如何和gpt沟通，显示markdown文档
6、搜索成功有prompt,检索不成功就没有prompt了
7、画图的时候，需要解析，然后根据解析结果使用python进行画图 8、执行python脚本，进行画图，生成对应的图片，在前端通过img标签加载生成的图片，图片内容实用txt文件进行保存 返回的图表实例如下：
import matplotlib.pyplot as plt
import numpy as np
# 假设的数据 - 这里使用假设的数据来模拟北京近5年的平均工资增长情况
years = np.array([2019, 2020, 2021, 2022, 2023])
average_salaries = np.array([85000, 90000, 95000, 100000, 105000]) # 假定的年平均工资
plt.figure(figsize=(10, 6))
plt.plot(years, average_salaries, marker='o', linestyle='-', color='g')
plt.title('北京近5年平均工资趋势')
plt.xlabel('年份')
plt.ylabel('年平均工资 (元)')
plt.grid(True)
plt.xticks(years)
plt.tight_layout()
# 显示图表
plt.show()
Result: run success✅
null
9、对于uml类图，返回的内容如下：
