466 lines
21 KiB
Python
466 lines
21 KiB
Python
"""
|
||
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_opening_prompt(
|
||
current_stage: str,
|
||
empty_slots_readable: List[str],
|
||
user_profile_context: str = "",
|
||
) -> str:
|
||
"""
|
||
空对话时 AI 先开口的提示词（用户通过「打个招呼」进入，尚未发送任何消息）。
|
||
要求 AI 先发一条问候 + 一个具体问题，引导用户开始分享。
|
||
"""
|
||
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",
|
||
}
|
||
stage_name = stage_name_map.get(current_stage, current_stage)
|
||
topics_str = "、".join(empty_slots_readable) if empty_slots_readable else "人生故事、童年、经历等"
|
||
profile_section = f"\n## 用户基本信息\n{user_profile_context}\n" if user_profile_context else ""
|
||
return f"""你是「岁月知己」，用户的老朋友。用户刚通过「打个招呼」进入空对话，**还没有发任何消息**，需要你先开口。
|
||
{profile_section}
|
||
## 当前建议话题（{stage_name}）
|
||
可以从中选一个来问：{topics_str}
|
||
|
||
## 你的任务
|
||
1. **先开口**：用一两句亲切的问候开场（如「你好呀，有空聊聊你的故事吗」）。
|
||
2. **必须问一个问题**：接着问一个**具体、好回答**的问题，引导用户开始分享（如童年、家乡、印象深的事等）。不要问太宽泛的「有什么想聊的」。
|
||
3. 语气像老朋友，自然、温暖。
|
||
|
||
## 回复格式
|
||
- 可以分成 2 条消息，用 [SPLIT] 分隔：第一条问候，第二条问题；或合并成一条「问候 + 问题」。
|
||
- 禁止输出括号、注释、思考过程。
|
||
|
||
示例（仅供参考风格）：
|
||
"你好呀～ 有空的话想听听你的人生故事。你小时候是在哪儿长大的？那边有什么特别让你怀念的？"
|
||
或
|
||
"在的！今天想聊聊你。你童年里印象最深的一件事是什么？"
|
||
|
||
直接输出你要说的话（多条用 [SPLIT] 分隔）："""
|
||
|
||
|
||
def _build_era_context(current_stage: str, user_profile_context: str) -> str:
|
||
"""
|
||
根据用户的人生阶段和出生年份，生成对应时代的历史/政治/文化背景提示。
|
||
让 agent 在对话中自然融入时代感。
|
||
"""
|
||
if not user_profile_context:
|
||
return ""
|
||
|
||
birth_year = None
|
||
birth_place = ""
|
||
for line in user_profile_context.split("\n"):
|
||
if "出生年份" in line:
|
||
try:
|
||
birth_year = int(line.split("：")[1].strip().replace("年", ""))
|
||
except (ValueError, IndexError):
|
||
pass
|
||
if "出生地" in line or "成长地" in line:
|
||
birth_place = line.split("：")[1].strip() if "：" in line else ""
|
||
|
||
if not birth_year:
|
||
return ""
|
||
|
||
stage_era_map = {
|
||
"childhood": (0, 12),
|
||
"education": (6, 22),
|
||
"career": (18, 50),
|
||
"family": (20, 50),
|
||
"belief": (30, 60),
|
||
}
|
||
|
||
age_range = stage_era_map.get(current_stage, (0, 30))
|
||
era_start = birth_year + age_range[0]
|
||
era_end = birth_year + age_range[1]
|
||
|
||
era_events = []
|
||
|
||
decade_events = {
|
||
1950: "新中国成立初期、土地改革、抗美援朝",
|
||
1960: "大跃进、三年自然灾害、中苏关系变化",
|
||
1970: "文化大革命、知青上山下乡、中美建交",
|
||
1980: "改革开放、恢复高考、个体经济兴起、电视普及",
|
||
1990: "社会主义市场经济、下海潮、香港回归、互联网初期",
|
||
2000: "加入WTO、房地产兴起、手机普及、北京奥运",
|
||
2010: "移动互联网爆发、微信时代、共享经济、双创浪潮",
|
||
2020: "新冠疫情、直播经济、人工智能崛起",
|
||
}
|
||
|
||
for decade, events in decade_events.items():
|
||
if era_start <= decade + 9 and era_end >= decade:
|
||
era_events.append(f"{decade}年代：{events}")
|
||
|
||
if not era_events:
|
||
return ""
|
||
|
||
place_hint = f"（用户来自{birth_place}）" if birth_place else ""
|
||
|
||
return f"""
|
||
## 时代背景参考{place_hint}
|
||
用户在这个人生阶段大约经历了 {era_start}-{era_end} 年（{age_range[0]}-{age_range[1]} 岁）：
|
||
{"；".join(era_events)}
|
||
|
||
你可以在对话中自然地提及这些时代元素来丰富提问，例如：
|
||
- "那个年代好像正好赶上xxx，你们那边是什么情况？"
|
||
- "听说那时候xxx特别流行，你有印象吗？"
|
||
- 不要生硬地列举历史事件，而是像聊天一样自然带入"""
|
||
|
||
|
||
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 = "",
|
||
user_profile_context: 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）
|
||
user_profile_context: 用户基础资料上下文
|
||
"""
|
||
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"
|
||
|
||
# --- 用户资料和时代背景 ---
|
||
profile_section = ""
|
||
if user_profile_context:
|
||
profile_section = f"\n## 用户基本信息\n{user_profile_context}\n"
|
||
|
||
active_stage = detected_user_stage if user_jumped and detected_user_stage else current_stage
|
||
era_context = _build_era_context(active_stage, user_profile_context)
|
||
|
||
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}。
|
||
{profile_section}
|
||
## 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}
|
||
{era_context}
|
||
## 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"
|
||
6. **融入时代感**：如果有时代背景信息，在聊天中自然地提及当时的社会环境、流行文化、历史事件，让对话更有代入感和共鸣
|
||
{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**
|
||
- **禁止询问或再次确认「用户基本信息」中已列出的内容**（如出生年份、出生地、成长地、职业等，这些你已经知道，不要问第二遍）
|
||
|
||
## 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）
|
||
- "那会儿好像正赶上改革开放，你们那边变化大吗？"（时代融入）
|
||
- "80年代初的xxx，你还有印象吗？"（时代细节）
|
||
|
||
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)
|