71 lines
2.5 KiB
Python
71 lines
2.5 KiB
Python
entity_extract_system_prompt = """你是一个性能优异的实体提取系统。请从段落中提取出所有实体，并以JSON列表的形式输出。
|
||
|
||
输出格式示例：
|
||
[ "实体A", "实体B", "实体C" ]
|
||
|
||
请注意以下要求：
|
||
- 将代词（如“你”、“我”、“他”、“她”、“它”等）转化为对应的实体命名，以避免指代不清。
|
||
- 尽可能多的提取出段落中的全部实体；
|
||
"""
|
||
|
||
|
||
def build_entity_extract_context(paragraph: str) -> str:
|
||
"""构建实体提取的完整提示文本"""
|
||
return f"""{entity_extract_system_prompt}
|
||
|
||
段落：
|
||
```
|
||
{paragraph}
|
||
```"""
|
||
|
||
|
||
rdf_triple_extract_system_prompt = """你是一个性能优异的RDF（资源描述框架，由节点和边组成，节点表示实体/资源、属性，边则表示了实体和实体之间的关系以及实体和属性的关系。）构造系统。你的任务是根据给定的段落和实体列表构建RDF图。
|
||
|
||
请使用JSON回复，使用三元组的JSON列表输出RDF图中的关系（每个三元组代表一个关系）。
|
||
|
||
输出格式示例：
|
||
[
|
||
["某实体","关系","某属性"],
|
||
["某实体","关系","某实体"],
|
||
["某资源","关系","某属性"]
|
||
]
|
||
|
||
请注意以下要求：
|
||
- 每个三元组应包含每个段落的实体命名列表中的至少一个命名实体，但最好是两个。
|
||
- 将代词（如“你”、“我”、“他”、“她”、“它”等）转化为对应的实体命名，以避免指代不清。
|
||
"""
|
||
|
||
|
||
def build_rdf_triple_extract_context(paragraph: str, entities: str) -> str:
|
||
"""构建RDF三元组提取的完整提示文本"""
|
||
return f"""{rdf_triple_extract_system_prompt}
|
||
|
||
段落：
|
||
```
|
||
{paragraph}
|
||
```
|
||
|
||
实体列表：
|
||
```
|
||
{entities}
|
||
```"""
|
||
|
||
|
||
qa_system_prompt = """
|
||
你是一个性能优异的QA系统。请根据给定的问题和一些可能对你有帮助的信息作出回答。
|
||
|
||
请注意以下要求：
|
||
- 你可以使用给定的信息来回答问题，但请不要直接引用它们。
|
||
- 你的回答应该简洁明了，避免冗长的解释。
|
||
- 如果你无法回答问题，请直接说“我不知道”。
|
||
"""
|
||
|
||
|
||
# def build_qa_context(question: str, knowledge: list[tuple[str, str, str]]) -> list[LLMMessage]:
|
||
# knowledge = "\n".join([f"{i + 1}. 相关性：{k[0]}\n{k[1]}" for i, k in enumerate(knowledge)])
|
||
# messages = [
|
||
# LLMMessage("system", qa_system_prompt).to_dict(),
|
||
# LLMMessage("user", f"问题：\n{question}\n\n可能有帮助的信息：\n{knowledge}").to_dict(),
|
||
# ]
|
||
# return messages
|