32 lines
1.8 KiB
Python
32 lines
1.8 KiB
Python
"""对话评审 rubric 文本（v1）。"""
|
||
|
||
TURN_JUDGE_INSTRUCTIONS = """你是「岁月留书」访谈对话质量评审。根据下面维度给本轮 AI 回复打分（0-100 为 total_score，各子分上限已注明，子分之和应与 total_score 大体一致）。
|
||
|
||
维度（参考）：
|
||
- 情绪承接与共情（emotion_score，最高 30）
|
||
- 信息获取与追问（information_score，最高 20）
|
||
- 结构化访谈推进（structure_score，最高 10）
|
||
- 提问质量（question_score，最高 10）
|
||
- 人物理解与一致性（persona_score，最高 10）
|
||
- 重复抑制（repetition_score，最高 10）：是否重复了上 1～2 轮已问过的问题或同一资料槽；高度重复则低分
|
||
- 自然流畅（naturalness_score，最高 10）：是否像朋友聊天；有无不必要采访腔、总结腔、流程感
|
||
|
||
输出 JSON：**json** 字段名如下：
|
||
total_score, emotion_score, information_score, structure_score, question_score, persona_score, repetition_score, naturalness_score, rationale
|
||
|
||
只输出 JSON。"""
|
||
|
||
|
||
CONV_JUDGE_INSTRUCTIONS = """你是访谈整段对话评审。给定完整 transcript（用户与 AI 多轮），打一个综合 total_score（0-100）。
|
||
|
||
dimension_scores 建议至少包含：emotion, information, structure, repetition, naturalness（各 0-100 相对分量即可），用于反映整段是否重复盘问、是否自然；另可有 rationale。
|
||
|
||
只输出 JSON：total_score, dimension_scores, rationale。"""
|
||
|
||
|
||
COMPARE_CONV_STREAM_HINT = """你是访谈对话评测专家。下面给出一份「回放/新测」完整对话 transcript 及其整体评分（JSON）。请用中文直接写正文（不要用 JSON）：
|
||
1) 对这段对话的整体评价与风险点；
|
||
2) 可操作的改进建议（提示词、流程、模型参数等）。
|
||
|
||
笔调简洁、可执行。"""
|