""" 对话 Agent 提示词模板和访谈问题库 """ from enum import Enum from typing import List, Dict import random class ConversationStage(str, Enum): """对话阶段枚举""" CHILDHOOD = "childhood" # 童年 EDUCATION = "education" # 教育 CAREER = "career" # 事业 FAMILY = "family" # 家庭 BELIEFS = "beliefs" # 信念 SUMMARY = "summary" # 人生总结 # 访谈问题库 INTERVIEW_QUESTIONS: Dict[ConversationStage, List[str]] = { ConversationStage.CHILDHOOD: [ "你是在哪里长大的？小时候周围的环境是什么样的，有哪些让你印象深刻的童年记忆？", "童年时期的你是个怎样的孩子？有没有做过什么淘气或有趣的事情，现在想起来还会让你发笑？", "能聊聊你小时候的家庭吗？比如父母是怎样的人，他们对你的成长有什么影响吗？", "小时候你有过什么梦想？那时候你最想长大后做什么？", ], ConversationStage.EDUCATION: [ "上学的时候你是个怎么样的学生？你喜欢学校生活吗？", "在求学过程中，有没有哪位老师或同学对你影响特别大？能说说他们的故事吗？", "学生时代你参加过什么课外活动或者比赛吗？有没有哪段经历让你特别难忘？", "那时候你对未来有什么打算吗？比如毕业后想从事什么职业，或者希望过怎样的生活？", ], ConversationStage.CAREER: [ "第一次走出校园开始工作时，你还记得当时的情景吗？当时你的心情怎么样，有发生什么难忘的事吗？", "你当初是怎么选择进入现在这个行业的？其中有什么契机或故事吗？", "在工作中有没有遇到过特别大的挑战或低谷？当时你是怎么挺过来的？", "职业生涯中有没有哪个成就或时刻让你特别自豪？能跟我分享一下那个故事吗？", "在事业的发展过程中，有哪些重要的转折点？比如跳槽、升职或者创业，这些经历对你意味着什么？", "回顾这一路，有哪些人对你的事业帮助最大或者影响最深？有没有特别想感谢的贵人或伙伴？", ], ConversationStage.FAMILY: [ "可以聊聊你和你伴侣的故事吗？你们是怎么认识的，又是什么让你决定与他/她携手一生？", "孩子在你的生活中意味着什么？做父母的过程中，有没有让你特别骄傲或者难忘的瞬间？", "在家庭生活中，有没有什么传统或者特别的习惯，让你感到温馨和快乐？", "平时你和家人喜欢一起做些什么？周末或假日你们通常会怎么度过？", "你觉得家庭在你的人生中扮演了一个怎样的角色？", "工作和家庭要怎么兼顾呢？你是如何平衡事业和家庭的？在两边兼顾的时候有没有遇到困难，后来又是怎么克服的？", ], ConversationStage.BELIEFS: [ "你人生中有没有一些一直坚守的信念或者座右铭？这些信念给了你怎样的力量或者影响？", "对你来说，哪些价值观是最重要的？这些价值观是受到哪些人或经历的影响而形成的呢？", "当你遇到困难和低谷的时候，是什么支撑着你坚持下去？", "你如何看待'成功'和'幸福'？对你来说它们分别意味着什么？", ], ConversationStage.SUMMARY: [ "回顾你走过的路，你觉得这一生中最重要的经验或教训是什么？", "在你的生活中，你最感激的人和事有哪些？有没有特别觉得自己很幸运的地方？", "如果能对年轻时候的自己说几句话，你会想告诉他/她什么？", "展望未来，你还有什么愿望或目标吗？有没有一直想尝试但还没来得及做的事情？", "最后，你希望家人和后代记住你是一个怎样的人？", ], } def get_system_prompt(current_stage: ConversationStage, covered_topics: List[str], user_latest_response: str) -> str: """ 生成对话 Agent 的系统提示词 Args: current_stage: 当前对话阶段 covered_topics: 已聊过的话题列表 user_latest_response: 用户最新回答 Returns: 系统提示词字符串 """ stage_name_map = { ConversationStage.CHILDHOOD: "童年", ConversationStage.EDUCATION: "教育", ConversationStage.CAREER: "事业", ConversationStage.FAMILY: "家庭", ConversationStage.BELIEFS: "信念", ConversationStage.SUMMARY: "人生总结", } covered_topics_str = "、".join(covered_topics) if covered_topics else "暂无" prompt = f"""你是「岁月知己」，一位资深的人生故事访谈者，专注于帮助用户回忆和讲述人生经历。 ## 角色定位 你如同一位老朋友，用真诚、温暖的方式倾听用户的故事，通过自然的对话引导用户分享更多细节。 ## 访谈技巧 1. 积极倾听：先对用户分享的内容给予简短回应，表达理解和共鸣 2. 深度追问：围绕用户提到的具体场景、人物、感受进行细节追问 3. 一次一问：每次只提一个问题，给用户充分思考和表达的空间 4. 自然过渡：当一个话题聊透后，自然引入下一个相关话题 ## 输出要求 - 直接输出你要对用户说的话 - 禁止输出任何括号注释、思考过程、策略说明 - 禁止使用"我注意到""我想了解"等采访腔调 - 语气要像朋友聊天，自然亲切 当前阶段：{stage_name_map.get(current_stage, current_stage.value)} 已聊话题：{covered_topics_str} 请直接回应用户，不要有任何元描述。""" return prompt def get_questions_for_stage(stage: ConversationStage) -> List[str]: """获取指定阶段的所有问题""" return INTERVIEW_QUESTIONS.get(stage, []) SLOT_NAME_MAP = { # 童年 "place": "成长的地方", "people": "重要的人", "daily_life": "日常生活", "emotion": "童年感受", "turning_event": "难忘的事", # 教育 "school": "学校经历", "city": "求学的城市", "motivation": "学习动力", "challenge": "遇到的挑战", "change": "成长变化", # 事业 "job": "工作内容", "environment": "工作环境", "decision": "重要决定", "pressure": "压力与困难", "growth": "职业成长", # 家庭 "relationship": "家人关系", "conflict": "矛盾与化解", "support": "相互支持", "responsibility": "家庭责任", # 信念 "value": "核心价值观", "regret": "遗憾与释怀", "pride": "骄傲的事", "lesson": "人生经验", } # 阶段关联话题（用于自然过渡） STAGE_RELATED_TOPICS = { "childhood": ["family", "education"], # 童年可以自然聊到家庭、教育 "education": ["childhood", "career"], # 教育可以聊到童年、事业 "career": ["education", "family", "belief"], # 事业可以聊到教育、家庭、信念 "family": ["childhood", "career", "belief"], # 家庭可以聊到童年、事业、信念 "belief": ["career", "family"], # 信念可以聊到事业、家庭 } # 轻松话题（用于调节气氛） LIGHT_TOPICS = [ "有什么爱好或者特别喜欢的消遣方式吗？", "最近有什么让你开心的事吗？", "有没有什么趣事想分享？", "平时喜欢看什么书或者电影吗？", ] # 回应风格模板（增加多样性） RESPONSE_STYLES = [ "empathy", # 共情式回应 "curious", # 好奇追问 "reflection", # 感慨反思 "lighthearted", # 轻松调侃 "connection", # 关联自身（虚构） ] def get_guided_conversation_prompt( current_stage: str, empty_slots: List[str], filled_slots: Dict[str, str], user_message: str, conversation_turn: int = 0, same_topic_turns: int = 0, all_stages_coverage: Dict[str, Dict] = None, detected_user_stage: str = "", ) -> str: """ 生成状态感知的对话提示词 Args: current_stage: 系统当前跟踪的阶段 empty_slots: 当前阶段未填充的槽位 filled_slots: 当前阶段已填充的槽位 user_message: 用户消息 conversation_turn: 总对话轮数 same_topic_turns: 同一话题的轮数 all_stages_coverage: 所有阶段的覆盖情况 {stage: {total, filled, empty, ratio}} detected_user_stage: 检测到用户正在谈论的阶段（可能和 current_stage 不同） """ stage_name_map = { "childhood": "童年时光", "education": "求学经历", "career": "职业生涯", "family": "家庭生活", "belief": "人生信念", } current_stage_name = stage_name_map.get(current_stage, current_stage) user_stage_name = stage_name_map.get(detected_user_stage, "") if detected_user_stage else "" # 判断用户是否在聊一个不同于系统当前阶段的话题 user_jumped = detected_user_stage and detected_user_stage != current_stage # --- 构建当前聊天上下文 --- # 转换 slot 名称为中文 empty_slots_readable = [SLOT_NAME_MAP.get(s, s) for s in empty_slots] empty_slots_str = "、".join(empty_slots_readable) if empty_slots_readable else "已聊得很充分" filled_info = [] for key, value in filled_slots.items(): readable_key = SLOT_NAME_MAP.get(key, key) filled_info.append(f"{readable_key}: {value[:50]}..." if len(value) > 50 else f"{readable_key}: {value}") filled_slots_str = "\n".join(filled_info) if filled_info else "刚开始聊" # --- 构建全局进度概览 --- progress_lines = [] uncovered_stages = [] if all_stages_coverage: for stage in ["childhood", "education", "career", "family", "belief"]: cov = all_stages_coverage.get(stage, {}) filled_n = cov.get("filled", 0) total_n = cov.get("total", 0) sname = stage_name_map.get(stage, stage) if filled_n == 0: progress_lines.append(f" {sname}：还没聊到") uncovered_stages.append(sname) elif filled_n < total_n: progress_lines.append(f" {sname}：聊了一些（{filled_n}/{total_n}）") else: progress_lines.append(f" {sname}：已聊得很充分 ✓") progress_str = "\n".join(progress_lines) if progress_lines else "" # --- 动态策略 --- filled_count = len(filled_slots) should_switch_topic = same_topic_turns >= 3 or (filled_count >= 2 and same_topic_turns >= 2) should_lighten_mood = conversation_turn > 0 and conversation_turn % 5 == 0 should_try_new_stage = filled_count >= 3 and len(empty_slots) <= 2 # 获取相关阶段 related_stages = STAGE_RELATED_TOPICS.get(current_stage, []) related_stages_str = "、".join([stage_name_map.get(s, s) for s in related_stages]) # 选择回应风格 style = random.choice(RESPONSE_STYLES) style_guidance = { "empathy": "这次回应要特别体现共情，表达你能理解用户的感受", "curious": "这次回应要表现出真诚的好奇，对细节充满兴趣", "reflection": "这次回应可以加入一点感慨或人生感悟", "lighthearted": "这次回应可以轻松一点，适当加入幽默", "connection": "这次回应可以分享一个类似的经历或感受（可以虚构）", }.get(style, "") # --- 构建动态指导 --- dynamic_guidance = "" if user_jumped: dynamic_guidance += f""" - **用户正在聊「{user_stage_name}」的话题，跟着他/她的节奏走，不要试图拉回「{current_stage_name}」** - 顺着用户的思路，帮他/她把这个话题聊深聊透 - 这是很自然的事情，人回忆往事经常会跳跃，你要做的是陪伴和倾听""" else: if should_lighten_mood: dynamic_guidance += "\n- 聊了一会儿了，可以适当轻松一下，聊点有趣的" if should_switch_topic and empty_slots_readable: dynamic_guidance += f"\n- 这个话题聊得差不多了，可以自然转到：{empty_slots_str}" if should_try_new_stage and related_stages: dynamic_guidance += f"\n- 如果自然的话，可以尝试聊聊相关的话题，比如{related_stages_str}" # --- 缺失章节补充提示（仅在用户没有跳转、且当前话题聊得差不多时） --- uncovered_hint = "" if not user_jumped and uncovered_stages and should_try_new_stage: uncovered_hint = f"\n- 还没聊到的人生阶段有：{'、'.join(uncovered_stages)}，如果聊天中有自然的契机，可以轻轻带一句，但不要刻意" # --- 组合 prompt --- # 根据是否跳转，调整主题描述 if user_jumped: topic_desc = f"你们原本在聊「{current_stage_name}」，但用户自然地聊到了「{user_stage_name}」的内容" else: topic_desc = f"你们聊到了「{current_stage_name}」这个话题" prompt = f"""你是「岁月知己」，用户的老朋友，正在和他/她聊人生故事。{topic_desc}。 ## 已经聊到的内容（{current_stage_name}） {filled_slots_str} ## 还可以聊的方向（{current_stage_name}） {empty_slots_str} ## 整体进度 {progress_str} ## 用户刚才说 "{user_message}" ## 回应风格 {style_guidance} ## 你的任务 1. **回应用户**：先对用户说的内容做出真诚回应（不是总结，而是有温度的反馈） 2. **跟随用户**：如果用户聊到了其他人生阶段的内容（比如从童年跳到工作），完全没问题，顺着他/她的思路继续聊。回忆本来就是跳跃的，不要强行拉回某个固定话题 3. **保持自然**：不要每次都追问，有时候可以分享感受、表达好奇、或者轻松聊两句 4. **适时引导**：跟着用户的节奏聊了几轮后，如果有自然的时机，可以温和地引向还没聊到的人生阶段，但绝不要生硬 5. **追问要具体**：如果要追问，问具体的细节，比如"那时候是什么季节""身边有谁陪着你""当时心里什么感觉" {dynamic_guidance}{uncovered_hint} ## 回复格式 - 如果内容较多，可以分成 2-3 条消息，用 [SPLIT] 分隔 - 每条消息保持自然，像微信聊天一样 - 第一条消息是回应，第二条可以是追问或者换话题 - 如果内容简单，一条消息即可 ## 严格禁止 - 禁止输出括号、注释、思考过程 - 禁止说"我注意到""我想问""让我们聊聊" - 禁止生硬地问"还有什么想分享的吗" - 禁止反复追问同一件事 - 禁止每次都以问题结尾 - **禁止在用户聊别的话题时强行拉回之前的话题** ## 好的回应示例 - "哈哈，你这说的让我想起..."（轻松） - "这段经历听起来真不容易啊"（共情） - "那个年代的xxx确实是这样"（理解） - "所以后来怎么样了？"（好奇） - "对了，你刚才提到xxx，那个时候..."（换话题） 直接输出你要说的话（多条消息用 [SPLIT] 分隔）：""" return prompt # 保留向后兼容的函数名 def get_conversation_prompt(current_stage: ConversationStage, covered_topics: List[str], user_latest_response: str) -> str: """向后兼容的函数""" return get_system_prompt(current_stage, covered_topics, user_latest_response)