司机上传3分钟英语口语录音（手机即可） → Whisper转写为文本 → GPT-4根据预设评分维度打分 → 返回通过/未通过+详细报告 → 记录到数据库

SYSTEM_PROMPT = """
你是一位美国商用司机英语能力考官。你将收到一段司机回答驾驶场景问题的音频转写文本。
请从以下维度评分（每项1-5分）：
1. 语法准确性：句子结构是否正确。
2. 语义清晰度：表达是否能让其他司机/警察/调度员理解。
3. 场景反应适当性：回答是否针对问题，体现基本交通规则理解。
4. 流利度：是否出现长时间停顿、重复、混乱。

输出JSON格式：
{
  "grammar": 0-5,
  "clarity": 0-5,
  "relevance": 0-5,
  "fluency": 0-5,
  "overall": (四项均值),
  "pass": true/false (overall >= 3.5为通过),
  "comment": "简短总结问题"
}
"""

USER_PROMPT_TEMPLATE = """
场景：你正在驾驶一辆巴士，前方500米有施工区域，路标显示限速从65mph降至45mph。
问题：你会如何操作？请用英语描述你的行动步骤。

司机回答转写：{transcription}
"""

import openai

# 使用Whisper API（或本地whisper库）
def transcribe_audio(file_path):
    with open(file_path, "rb") as f:
        response = openai.Audio.transcribe(
            model="whisper-1",
            file=f,
            language="en",  # 强制输出英语，即使司机母语非英语
            response_format="json"
        )
    return response["text"]

# 使用本地Whisper（推荐，数据不出域）
import whisper
model = whisper.load_model("large-v3")
def transcribe_local(file_path):
    result = model.transcribe(file_path, language="en", task="transcribe")
    return result["text"]

def evaluate_driver(audio_path, question_type="construction"):
    # 1. 转写
    text = transcribe_local(audio_path)
    
    # 2. 选择场景问题
    questions_map = {
        "construction": "You are driving a bus, ahead there is a construction zone with speed limit dropping from 65mph to 45mph. What actions do you take? Describe in English.",
        "emergency": "A car suddenly brakes in front of you. What do you do?",
        "inspection": "An officer asks for your logbook. What do you say?"
    }
    user_prompt = questions_map.get(question_type, questions_map["construction"])
    user_message = f"场景：{user_prompt}\n\n司机回答转写：{text}"
    
    # 3. 调用GPT-4评分
    response = openai.ChatCompletion.create(
        model="gpt-4",
        messages=[
            {"role": "system", "content": SYSTEM_PROMPT},
            {"role": "user", "content": user_message}
        ],
        temperature=0.1,
        response_format={"type": "json_object"}
    )
    result = json.loads(response.choices[0].message.content)
    
    # 4. 存储结果
    save_result(driver_id, audio_path, text, result)
    return result