import os
from dotenv import load_dotenv
from telegram import Bot, Update
from telegram.ext import Updater, MessageHandler, Filters, CallbackContext
import openai# 環境変数を読み込む
load_dotenv()# APIキーとトークン
openai.api_key = os.getenv(“OPENAI_API_KEY”)
BOT_TOKEN = os.getenv(“TELEGRAM_BOT_TOKEN”)# テレグラムBotの初期化
bot = Bot(token=BOT_TOKEN)

# 各カテゴリ専用チャンネル
CHANNELS = {
“FX”: “@fx_channel”,
“金”: “@gold_channel”,
“ニュース”: “@news_channel”
}

# シグナルデータを保持する辞書
signal_data = {}

def classify_message(message: str) -> str:
“””
GPTを使ってメッセージを「金」「FX」「ニュース」に分類する。
“””
prompt = f”””
次のメッセージを「金」「FX」「ニュース」のいずれかに分類してください。
メッセージ: {message}
“””
response = openai.Completion.create(
engine=“text-davinci-003”,
prompt=prompt,
max_tokens=10
)
return response.choices[0].text.strip()

def post_signal(chat_id: int, context: CallbackContext, signal_id: str, signal_message: str):
“””
シグナルを投稿して記録。
“””
# くま語変換
kuma_signal = f”🔥{signal_message} のシグナルじゃ！🐾 金の下げ相場を狙う勝負じゃぞい！✨”

# 投稿
message = context.bot.send_message(chat_id=chat_id, text=kuma_signal)

# オリジナルとくま語変換後の両方を記録
signal_data[signal_id] = {
“message_id”: message.message_id,
“original_signal”: signal_message,
“kuma_signal”: kuma_signal,
“result”: None
}

def reply_to_signal(chat_id: int, context: CallbackContext, signal_id: str, result: str):
“””
元のシグナルに結果をリプライ。
“””
if signal_id not in signal_data:
context.bot.send_message(chat_id=chat_id, text=“シグナルが見つからないのじゃ🐾”)
return

original_signal = signal_data[signal_id][“original_signal”]
message_id = signal_data[signal_id][“message_id”]

# 動的なくま語生成
if result == “SL touched”:
result_message = “🔔結果: SL touched のじゃ！🐾 損失となったが、次のチャンスを待つのじゃ！”
elif result == “TP reached”:
result_message = “🎉結果: TP reached のじゃ！✨ 素晴らしい取引じゃったな！次も期待じゃ！”
else:
result_message = f”🔔結果: {result} のじゃ！🐾 取引が完了したぞい！”

# リプライメッセージを構築（オリジナルを引用）
reply_message = (
f”{result_message}\n\n”
f”引用: {original_signal}“
)

# リプライ投稿
context.bot.send_message(
chat_id=chat_id,
text=reply_message,
reply_to_message_id=message_id
)

def process_news(message: str) -> str:
“””
ニュースを「事実」と「判断」に分けて処理。
“””
# 事実抽出
fact_prompt = f”以下のニュースから『事実』の部分のみを抽出してください:\n{message}“
fact_response = openai.Completion.create(
engine=“text-davinci-003”,
prompt=fact_prompt,
max_tokens=50
)
facts = fact_response.choices[0].text.strip()

# 判断抽出
judgment_prompt = f”以下のニュースから『判断』や『影響』の部分のみを抽出してください:\n{message}“
judgment_response = openai.Completion.create(
engine=“text-davinci-003”,
prompt=judgment_prompt,
max_tokens=50
)
judgments = judgment_response.choices[0].text.strip()

return f”🐻‍❄️📢事実: {facts} のじゃ！\n🐻‍❄️🐾判断: {judgments}ぞい！”

def post_to_telegram(category: str, message: str):
“””
テレグラムの指定カテゴリチャンネルに投稿。
“””
channel_id = CHANNELS.get(category)
if channel_id:
bot.send_message(chat_id=channel_id, text=message)

def process_message(update: Update, context: CallbackContext):
“””
テレグラムから受信したメッセージを処理し、対応するチャンネルに投稿。
“””
user_message = update.message.text

# カテゴリ判定
category = classify_message(user_message)

# カテゴリ別処理
if category == “ニュース”:
processed_message = process_news(user_message)
else:
processed_message = f”{user_message} のじゃ！🐻‍❄️”

# 投稿
post_to_telegram(category, processed_message)

def main():
“””
Botのエントリーポイント。
“””
updater = Updater(BOT_TOKEN)
dispatcher = updater.dispatcher

# メッセージ受信時の処理を設定
dispatcher.add_handler(MessageHandler(Filters.text & ~Filters.command, process_message))

# Botの実行
updater.start_polling()
updater.idle()

if __name__ == “__main__”:
main()