309a051038
数据库与模型：新增多版迁移（章节证据快照、对话血缘、记忆事实/时间线 lineage 等），把「成稿 ↔ 对话/记忆」的溯源信息落到表结构里。 业务链路：会话与 WS、回忆录/故事流水线、记忆写入与 enrichment 等跟着接上线索与快照；新增章节证据快照与评测侧 EvalTraceService 等模块，方便组评审用的证据包。 内部评测：自动化 run 与手工 memoir 评审共用可追溯证据；rubric/ judge 相关脚本与文档有配套调整。 app-eval-web：Memoir/实验详情里能展开看证据摘要与 evidence_trace（含对话轮次 id）；Vite 代理与 development.sh 注入的 API 端口与当前默认内部评测端口一致，避免改端口后页面连错服务。 工程杂项：GitHub Actions / 仓库说明有更新；各适配器与支付/配额/plan 等多处为小改动或跟随主改动的收尾；新增/扩充了?
189 lines
6.9 KiB
Python
189 lines
6.9 KiB
Python
"""
|
||
用户基础资料收集提示词
|
||
"""
|
||
|
||
from typing import Dict, List, Optional
|
||
|
||
from app.agents.chat.output_rules import chat_output_rules
|
||
|
||
PROFILE_FIELD_NAMES = {
|
||
"birth_year": "出生年份",
|
||
"birth_place": "出生地",
|
||
"grew_up_place": "成长地",
|
||
"occupation": "职业",
|
||
}
|
||
|
||
|
||
def get_profile_greeting_prompt(missing_fields: List[str], nickname: str = "") -> str:
|
||
"""生成初次见面、收集基础资料的引导提示词"""
|
||
missing_names = [
|
||
PROFILE_FIELD_NAMES[f] for f in missing_fields if f in PROFILE_FIELD_NAMES
|
||
]
|
||
missing_str = "、".join(missing_names)
|
||
name_part = f"，{nickname}" if nickname else ""
|
||
|
||
return f"""你是「岁月知己」，一位温暖真诚的人生故事访谈者。你正在和用户初次见面{name_part}。
|
||
|
||
在正式聊人生故事之前，你需要先了解一些基本信息。还需要了解的信息有：{missing_str}。
|
||
|
||
## 你的任务
|
||
用自然、亲切的方式，像老朋友聊天一样，向用户询问这些基础信息。
|
||
|
||
## 规则
|
||
1. 不要一次问所有问题，每次只问 1-2 个
|
||
2. 如果用户已经在对话中提到了某些信息，不要重复问
|
||
3. 用口语化、亲切的方式提问
|
||
4. 当所有信息都收集完后，自然过渡到人生故事访谈
|
||
|
||
## 提问示例
|
||
- "你是哪一年出生的呀？"
|
||
- "你是在哪里出生的？小时候也是在那里长大的吗？"
|
||
- "你现在是做什么工作的呀？或者之前主要从事什么职业？"
|
||
|
||
## 严格禁止
|
||
- {chat_output_rules()}
|
||
- 禁止说"我需要收集信息"之类的机械话
|
||
- 禁止一次列出所有问题
|
||
|
||
## 回复格式
|
||
- 如果内容较多，可以用 [SPLIT] 分隔成多条消息
|
||
- 像微信聊天一样自然
|
||
|
||
直接输出你要说的话："""
|
||
|
||
|
||
def get_profile_extraction_prompt(
|
||
user_message: str,
|
||
missing_fields: List[str],
|
||
recent_dialogue: Optional[str] = None,
|
||
) -> str:
|
||
"""从用户回答中提取基础资料信息（可包含最近几轮对话，避免漏提）"""
|
||
missing_names = {
|
||
f: PROFILE_FIELD_NAMES[f] for f in missing_fields if f in PROFILE_FIELD_NAMES
|
||
}
|
||
|
||
dialogue_section = ""
|
||
if recent_dialogue and recent_dialogue.strip():
|
||
dialogue_section = f"""
|
||
最近几轮对话（可从用户任一轮回答中提取）：
|
||
{recent_dialogue.strip()}
|
||
|
||
"""
|
||
return f"""请从以下内容中提取用户已提到的基础资料信息。{dialogue_section}用户本轮回答：
|
||
"{user_message}"
|
||
|
||
需要提取的字段（只提取确实在对话中出现过的）：
|
||
{missing_names}
|
||
|
||
输出示例（只含确实提到的字段；无则 {{}}）：
|
||
{{
|
||
"birth_year": 1965,
|
||
"birth_place": "湖南长沙",
|
||
"grew_up_place": "湖南长沙",
|
||
"occupation": "教师"
|
||
}}
|
||
|
||
规则：
|
||
1. birth_year 填整数（四位数），如"65年出生"转为 1965
|
||
2. 如果用户在任一轮说过出生地/成长地/职业等，都要提取
|
||
3. 只提取明确提到的信息，不要猜测
|
||
4. 如果用户只明确提到一个成长地或出生地，且未说后来搬迁到别处，可将另一字段填为**同一地点**（例如只说了在哪长大，则 birth_place 与 grew_up_place 可相同；仅说生于某地亦同）
|
||
5. 如果没有提取到任何信息，返回空对象 {{}}"""
|
||
|
||
|
||
def get_profile_followup_prompt(
|
||
missing_fields: List[str],
|
||
filled_fields: Dict[str, str],
|
||
nickname: str = "",
|
||
interview_stage_hint: str = "",
|
||
) -> str:
|
||
"""在收集资料过程中的跟进提问"""
|
||
missing_names = [
|
||
PROFILE_FIELD_NAMES[f] for f in missing_fields if f in PROFILE_FIELD_NAMES
|
||
]
|
||
missing_str = "、".join(missing_names) if missing_names else "无"
|
||
|
||
filled_info = []
|
||
for key, value in filled_fields.items():
|
||
name = PROFILE_FIELD_NAMES.get(key, key)
|
||
filled_info.append(f"{name}: {value}")
|
||
filled_str = "\n".join(filled_info) if filled_info else "暂无"
|
||
|
||
if not missing_names:
|
||
stage_hint = (
|
||
f"优先围绕「{interview_stage_hint}」或用户刚才话题，问一个**具体、好回答**的小问题。"
|
||
if interview_stage_hint
|
||
else "问一个与**用户刚才关注点**或人生故事相关的**具体、好回答**的问题作为开场。"
|
||
)
|
||
return f"""你是「岁月知己」。用户的基本信息已经收集完毕：
|
||
{filled_str}
|
||
|
||
用户本轮消息在对话末尾。请对用户的回答做出温暖的回应，然后自然地过渡到人生故事的访谈。
|
||
可以说类似「了解了！那我们现在开始聊聊你的人生故事吧」这样的话；{stage_hint}
|
||
**不要**默认只问童年，除非用户刚才聊的正是童年。
|
||
|
||
回复格式：多条消息用 [SPLIT] 分隔。
|
||
直接输出你要说的话："""
|
||
|
||
return f"""你是「岁月知己」，正在和用户聊天收集基本信息。
|
||
|
||
## 已知信息（严禁再次询问以下任何一项）
|
||
{filled_str}
|
||
|
||
## 还需要了解
|
||
{missing_str}
|
||
|
||
用户本轮原话在历史里（末尾 HumanMessage），勿在脑中丢开。
|
||
|
||
## 你怎么说
|
||
1. **先接住**：对用户说的内容做自然回应，像朋友在听。
|
||
2. **话题优先**：若用户正在讲一段故事、回忆或情绪，**优先**顺着问一个与**当前话题**相关的具体小问题；不要为凑字段打断叙事。
|
||
3. **资料穿插**：仅当用户本轮主要在确认、闲聊或话题与缺失资料完全无关时，再在末尾**温和插入 0～1 个**「还需要了解」里的问题。
|
||
4. **轮换**：若上一轮你已就某一类资料追问过（见历史里助手发言），本轮**不要再问同一类**；改问其他缺失项，或本轮只承接、不提资料。
|
||
5. 每次最多 **1～2 个**资料相关问点；能用推断就不要重复确认已知地/年。
|
||
|
||
严格禁止：
|
||
- **严禁再次询问「已知信息」中已列出的内容**
|
||
- {chat_output_rules()}
|
||
|
||
回复格式：多条消息用 [SPLIT] 分隔。
|
||
直接输出你要说的话："""
|
||
|
||
|
||
def format_user_profile_context(
|
||
birth_year: Optional[int] = None,
|
||
birth_place: Optional[str] = None,
|
||
grew_up_place: Optional[str] = None,
|
||
occupation: Optional[str] = None,
|
||
) -> str:
|
||
"""将用户基础信息格式化为上下文字符串，供其他 agent 使用"""
|
||
parts = []
|
||
if birth_year:
|
||
parts.append(f"出生年份：{birth_year}年")
|
||
if birth_place:
|
||
parts.append(f"出生地：{birth_place}")
|
||
if grew_up_place:
|
||
parts.append(f"成长地：{grew_up_place}")
|
||
if occupation:
|
||
parts.append(f"职业：{occupation}")
|
||
return "\n".join(parts) if parts else ""
|
||
|
||
|
||
def get_missing_profile_fields(
|
||
birth_year: Optional[int] = None,
|
||
birth_place: Optional[str] = None,
|
||
grew_up_place: Optional[str] = None,
|
||
occupation: Optional[str] = None,
|
||
) -> List[str]:
|
||
"""返回缺失的用户资料字段列表"""
|
||
missing = []
|
||
if not birth_year:
|
||
missing.append("birth_year")
|
||
if not birth_place:
|
||
missing.append("birth_place")
|
||
if not grew_up_place:
|
||
missing.append("grew_up_place")
|
||
if not occupation:
|
||
missing.append("occupation")
|
||
return missing
|