refactor: 提取所有AI提示词到配置文件并实现统一管理
- 新增 config/prompts.yaml 提示词配置文件,包含10个核心提示词 - 新增 src/bidmaster/config/prompt_manager.py 提示词管理工具类 - 重构 src/bidmaster/tools/llm.py 使用配置化系统消息 - 重构 src/bidmaster/tools/parser.py 使用配置化解析提示词(3个) - 重构 src/bidmaster/tools/rag.py 使用配置化RAG生成提示词 - 重构 src/bidmaster/nodes/toc/llm_helper.py 使用配置化TOC提示词(2个) - 重构 src/bidmaster/nodes/toc/adjust_chapters.py 使用配置化章节调整提示词 - 重构 src/bidmaster/nodes/toc/optimize_with_feedback.py 使用配置化优化反馈提示词 优势: - 集中管理: 所有提示词统一配置,易于维护 - 易于调优: 修改提示词无需改动代码 - 版本控制: 提示词变更可独立追踪 - A/B测试: 方便测试不同提示词效果 - 可扩展性: 支持未来多语言提示词 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude <noreply@anthropic.com>
This commit is contained in:
parent
18f85a1fa7
commit
bf7eb9ca9d
277
config/prompts.yaml
Normal file
277
config/prompts.yaml
Normal file
@ -0,0 +1,277 @@
|
||||
# BidMaster-CLI 提示词配置文件
|
||||
# 所有AI相关的提示词统一在此管理
|
||||
|
||||
# ============================================================================
|
||||
# 系统消息配置
|
||||
# ============================================================================
|
||||
system_messages:
|
||||
# LLM通用系统消息
|
||||
default: "你是一个专业的招投标文档分析助手。"
|
||||
|
||||
# RAG内容生成系统消息
|
||||
rag_generator: "你是一个专业的标书撰写助手。"
|
||||
|
||||
|
||||
# ============================================================================
|
||||
# 文档解析相关提示词
|
||||
# ============================================================================
|
||||
parser_prompts:
|
||||
# AI解析评分表格
|
||||
parse_scoring_table: |
|
||||
请从复杂的评分表格中提取评分项和分值,并智能分类,返回JSON。
|
||||
|
||||
表格内容:
|
||||
{table_text}
|
||||
|
||||
要求:
|
||||
1. 仔细分析表格结构,即使有合并单元格也要正确提取
|
||||
2. 从"评审内容"、"评分因素"、"评分标准"等列中提取评分项名称
|
||||
3. 从"分值"列或评分标准描述中提取具体分值(如3分、5分、40分)
|
||||
4. 忽略总分构成等汇总信息,只提取具体评分项
|
||||
5. 智能分类各评分项:
|
||||
|
||||
**技术类别:**
|
||||
- technical_solution: 技术方案、技术条款、技术完整性、技术先进性
|
||||
- equipment_spec: 设备规格、产品参数、设备可靠性、技术指标
|
||||
- implementation: 项目实施、施工方案、进度计划、实施能力
|
||||
- quality_safety: 质量管理、安全管理、环境管理、质量体系
|
||||
- after_sales: 售后服务、维保服务、培训服务、技术支持、服务部分
|
||||
- compliance: 技术资质、认证证书、技术合规性、技术条款应答
|
||||
|
||||
**商务类别:**
|
||||
- commercial: 价格评分、报价、商务条件、企业资质、财务状况、业绩、商务条款应答、响应文件制作质量、同类项目业绩、商务部分
|
||||
|
||||
示例输入分析:
|
||||
- "响应文件制作质量 3分" → 商务类别
|
||||
- "同类项目业绩 5分" → 商务类别
|
||||
- "技术条款应答 2分" → 合规类别
|
||||
- "商务条款应答 2分" → 商务类别
|
||||
|
||||
格式:
|
||||
{{
|
||||
"scoring_criteria": [
|
||||
{{"item_name": "响应文件制作质量", "max_score": 3, "description": "文件格式内容要求", "category": "commercial"}},
|
||||
{{"item_name": "同类项目业绩", "max_score": 5, "description": "项目经验证明", "category": "commercial"}},
|
||||
{{"item_name": "技术条款应答", "max_score": 2, "description": "技术要求符合性", "category": "compliance"}}
|
||||
]
|
||||
}}
|
||||
|
||||
只返回JSON,无其他文字:
|
||||
|
||||
# AI解析偏离表格
|
||||
parse_deviation_table: |
|
||||
请提取表格中的偏离项,返回JSON。
|
||||
|
||||
表格内容:
|
||||
{table_text}
|
||||
|
||||
要求:
|
||||
1. 提取技术要求和响应类型
|
||||
2. 响应类型如:正偏离、负偏离、无偏离等
|
||||
3. 忽略序号和表头
|
||||
|
||||
格式:
|
||||
{{
|
||||
"deviation_items": [
|
||||
{{"requirement": "设备需符合国标", "response_type": "正偏离"}},
|
||||
{{"requirement": "技术指标要求", "response_type": "无偏离"}}
|
||||
]
|
||||
}}
|
||||
|
||||
只返回JSON,无其他文字:
|
||||
|
||||
# AI识别表格类型
|
||||
identify_table_type: |
|
||||
分析表格内容,判断这是什么类型的表格。
|
||||
|
||||
表格内容:
|
||||
{table_text}
|
||||
|
||||
请判断这个表格属于以下哪种类型:
|
||||
1. scoring - 评分表:包含评分项、分值、评分标准等内容,例如:
|
||||
- 有"分值"、"评分标准"、"得分"等列
|
||||
- 有具体的分值数字(如3分、5分、40分等)
|
||||
- 有"商务部分"、"技术部分"、"服务部分"等分类
|
||||
- 有评审内容和评分因素
|
||||
|
||||
2. deviation - 偏离表:包含技术要求、响应类型、偏离说明等
|
||||
3. other - 其他表格:不是评分表也不是偏离表
|
||||
|
||||
注意:即使表格结构复杂、有合并单元格,只要包含评分标准和分值信息就是评分表。
|
||||
|
||||
只返回一个单词:scoring 或 deviation 或 other
|
||||
|
||||
|
||||
# ============================================================================
|
||||
# 目录生成相关提示词
|
||||
# ============================================================================
|
||||
toc_prompts:
|
||||
# 生成子章节
|
||||
generate_sub_chapters: |
|
||||
为以下大类别生成专业的标书子标题:
|
||||
|
||||
【大类别】: {parent_title}
|
||||
【评分项】:
|
||||
{criteria_info}
|
||||
|
||||
生成要求:
|
||||
1. 为每个评分项生成对应的子标题名称(不要包含编号)
|
||||
2. 重要评分项可添加三级子标题(不要包含编号)
|
||||
3. 只返回标题文本,编号由Word自动管理
|
||||
|
||||
返回JSON格式:
|
||||
{{
|
||||
"sub_chapters": [
|
||||
{{"title": "技术架构设计", "level": 2, "score": 5, "children": []}}
|
||||
]
|
||||
}}
|
||||
|
||||
只返回JSON:
|
||||
|
||||
# 审查目录结构
|
||||
review_structure: |
|
||||
请审查这个标书目录结构的合理性和完整性。
|
||||
|
||||
【技术评分项分布】:
|
||||
{criteria_summary}
|
||||
|
||||
【当前生成的章节结构】:
|
||||
{chapters_summary}
|
||||
|
||||
【审查要求】:
|
||||
1. 是否缺少重要的标准章节?
|
||||
2. 章节顺序是否合理?
|
||||
3. 每个评分项是否都有对应章节?
|
||||
|
||||
返回JSON格式:
|
||||
{{
|
||||
"overall_assessment": "总体评价",
|
||||
"suggestions": [
|
||||
{{"type": "add/modify/reorder", "description": "建议内容", "priority": "high/medium/low"}}
|
||||
],
|
||||
"optimization_score": 85
|
||||
}}
|
||||
|
||||
只返回JSON:
|
||||
|
||||
# AI调整章节结构
|
||||
adjust_chapters: |
|
||||
请根据用户选择的建议调整以下标书章节结构。
|
||||
|
||||
【当前章节结构】:
|
||||
{chapters_text}
|
||||
|
||||
【用户选择应用的建议】:
|
||||
{suggestions_text}
|
||||
|
||||
【调整要求】:
|
||||
1. 根据用户选择的建议对章节结构进行合理调整
|
||||
2. 保持章节的逻辑性和完整性
|
||||
3. 每个章节都要有明确的标题和层级
|
||||
4. 保持专业的标书格式
|
||||
|
||||
返回JSON格式:
|
||||
{{
|
||||
"adjusted_chapters": [
|
||||
{{
|
||||
"id": "chapter_1_technical_solution",
|
||||
"title": "技术方案",
|
||||
"level": 1,
|
||||
"score": 0,
|
||||
"children": [
|
||||
{{
|
||||
"id": "chapter_2_1_architecture",
|
||||
"title": "系统架构设计",
|
||||
"level": 2,
|
||||
"score": 0,
|
||||
"children": []
|
||||
}}
|
||||
]
|
||||
}}
|
||||
]
|
||||
}}
|
||||
|
||||
只返回JSON:
|
||||
|
||||
# 根据用户反馈优化目录
|
||||
optimize_with_feedback: |
|
||||
你是一个专业的标书目录结构优化助手。
|
||||
|
||||
**⚠️ 警告:如果你不按照用户的要求修改目录结构,将被视为任务失败!⚠️**
|
||||
|
||||
**🔥 强制要求:你必须完全执行用户的修改要求,不能返回未修改的结构!🔥**
|
||||
|
||||
当前目录结构:
|
||||
{current_toc}
|
||||
|
||||
用户反馈意见:
|
||||
{feedback}
|
||||
|
||||
**执行步骤(必须严格遵守):**
|
||||
1. **理解要求**:分析用户具体要求什么修改
|
||||
2. **执行修改**:必须按要求修改目录结构,不能保持原样
|
||||
3. **确认修改**:检查确保已经按用户要求进行了修改
|
||||
|
||||
**重要修改规则:**
|
||||
- 如果用户说"内容太少,多补充"或"多增加",必须增加新的同级别子章节
|
||||
- 如果用户指定某个章节,只修改该章节
|
||||
- 如果用户要求"调整顺序",必须重新排列
|
||||
- 如果用户要求"修改标题",必须更新标题
|
||||
|
||||
**具体示例:**
|
||||
|
||||
示例1:用户说"售后服务章节多增加一个子标题"
|
||||
- 在"售后服务"下新增子章节(如"技术支持服务"、"培训服务"等)
|
||||
|
||||
示例2:用户说"合规响应的内容太少,多补充一些"
|
||||
- 在"合规响应"下除了"技术实力",还要增加:
|
||||
* "资质认证展示"
|
||||
* "成功案例介绍"
|
||||
* "行业认可度说明"
|
||||
* "合规承诺声明"
|
||||
|
||||
**最终检查:**
|
||||
修改完成后,你必须确认已经按用户要求进行了实际修改,不能返回相同的结构!
|
||||
|
||||
请返回优化后的目录结构JSON,格式如下:
|
||||
{{
|
||||
"chapters": [
|
||||
{{
|
||||
"id": "chapter_1",
|
||||
"title": "章节标题",
|
||||
"level": 1,
|
||||
"score": 0.0,
|
||||
"children": [
|
||||
{{
|
||||
"id": "chapter_1_1",
|
||||
"title": "子章节标题",
|
||||
"level": 2,
|
||||
"score": 0.0,
|
||||
"children": []
|
||||
}}
|
||||
]
|
||||
}}
|
||||
]
|
||||
}}
|
||||
|
||||
只返回JSON,不要其他内容。
|
||||
|
||||
|
||||
# ============================================================================
|
||||
# 内容生成相关提示词
|
||||
# ============================================================================
|
||||
content_prompts:
|
||||
# RAG内容生成
|
||||
generate_with_rag: |
|
||||
你是一个专业的标书撰写助手。请根据以下信息生成标书章节内容:
|
||||
|
||||
章节标题:{title}
|
||||
评分要求:{requirements}{emphasis_part}{rag_part}
|
||||
|
||||
要求:
|
||||
1. 内容专业、详实,符合招标文件要求
|
||||
2. 突出技术优势和实施能力
|
||||
3. 语言正式、逻辑清晰
|
||||
4. 字数控制在500-800字
|
||||
|
||||
请直接输出章节内容,不要包含章节标题。
|
||||
129
src/bidmaster/config/prompt_manager.py
Normal file
129
src/bidmaster/config/prompt_manager.py
Normal file
@ -0,0 +1,129 @@
|
||||
"""提示词管理工具
|
||||
|
||||
统一管理项目中所有AI提示词,支持从配置文件加载和模板变量替换。
|
||||
"""
|
||||
|
||||
import logging
|
||||
from pathlib import Path
|
||||
from typing import Any, Dict, Optional
|
||||
|
||||
import yaml
|
||||
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
|
||||
class PromptManager:
|
||||
"""提示词管理器
|
||||
|
||||
单例模式,统一管理所有提示词配置。
|
||||
"""
|
||||
|
||||
_instance: Optional['PromptManager'] = None
|
||||
_prompts: Dict[str, Any] = {}
|
||||
_config_loaded: bool = False
|
||||
|
||||
def __new__(cls):
|
||||
if cls._instance is None:
|
||||
cls._instance = super().__new__(cls)
|
||||
return cls._instance
|
||||
|
||||
def __init__(self):
|
||||
if not self._config_loaded:
|
||||
self._load_prompts()
|
||||
self._config_loaded = True
|
||||
|
||||
def _load_prompts(self) -> None:
|
||||
"""加载提示词配置文件"""
|
||||
try:
|
||||
# 查找config/prompts.yaml
|
||||
config_path = Path(__file__).parent.parent.parent.parent / "config" / "prompts.yaml"
|
||||
|
||||
if not config_path.exists():
|
||||
logger.warning(f"提示词配置文件不存在: {config_path}")
|
||||
self._prompts = self._get_default_prompts()
|
||||
return
|
||||
|
||||
with open(config_path, 'r', encoding='utf-8') as f:
|
||||
self._prompts = yaml.safe_load(f)
|
||||
|
||||
logger.info(f"成功加载提示词配置: {config_path}")
|
||||
|
||||
except Exception as e:
|
||||
logger.error(f"加载提示词配置失败: {e}")
|
||||
self._prompts = self._get_default_prompts()
|
||||
|
||||
def _get_default_prompts(self) -> Dict[str, Any]:
|
||||
"""获取默认提示词配置"""
|
||||
return {
|
||||
"system_messages": {
|
||||
"default": "你是一个专业的招投标文档分析助手。",
|
||||
"rag_generator": "你是一个专业的标书撰写助手。"
|
||||
}
|
||||
}
|
||||
|
||||
def get_system_message(self, key: str = "default") -> str:
|
||||
"""获取系统消息
|
||||
|
||||
Args:
|
||||
key: 系统消息键名
|
||||
|
||||
Returns:
|
||||
系统消息内容
|
||||
"""
|
||||
return self._prompts.get("system_messages", {}).get(key, "你是一个专业的助手。")
|
||||
|
||||
def get_parser_prompt(self, key: str, **kwargs) -> str:
|
||||
"""获取文档解析提示词
|
||||
|
||||
Args:
|
||||
key: 提示词键名
|
||||
**kwargs: 模板变量
|
||||
|
||||
Returns:
|
||||
格式化后的提示词
|
||||
"""
|
||||
template = self._prompts.get("parser_prompts", {}).get(key, "")
|
||||
return template.format(**kwargs) if template else ""
|
||||
|
||||
def get_toc_prompt(self, key: str, **kwargs) -> str:
|
||||
"""获取目录生成提示词
|
||||
|
||||
Args:
|
||||
key: 提示词键名
|
||||
**kwargs: 模板变量
|
||||
|
||||
Returns:
|
||||
格式化后的提示词
|
||||
"""
|
||||
template = self._prompts.get("toc_prompts", {}).get(key, "")
|
||||
return template.format(**kwargs) if template else ""
|
||||
|
||||
def get_content_prompt(self, key: str, **kwargs) -> str:
|
||||
"""获取内容生成提示词
|
||||
|
||||
Args:
|
||||
key: 提示词键名
|
||||
**kwargs: 模板变量
|
||||
|
||||
Returns:
|
||||
格式化后的提示词
|
||||
"""
|
||||
template = self._prompts.get("content_prompts", {}).get(key, "")
|
||||
return template.format(**kwargs) if template else ""
|
||||
|
||||
def reload(self) -> None:
|
||||
"""重新加载配置文件"""
|
||||
self._config_loaded = False
|
||||
self._load_prompts()
|
||||
self._config_loaded = True
|
||||
logger.info("提示词配置已重新加载")
|
||||
|
||||
|
||||
# 模块级便捷函数
|
||||
def get_prompt_manager() -> PromptManager:
|
||||
"""获取提示词管理器实例
|
||||
|
||||
Returns:
|
||||
PromptManager实例
|
||||
"""
|
||||
return PromptManager()
|
||||
@ -9,6 +9,7 @@ from typing import Dict, List, Any
|
||||
from ..base import BaseNode, NodeContext
|
||||
from ...tools.parser import DocumentChapter
|
||||
from .base_mixins import TocNodeBase
|
||||
from ...config.prompt_manager import get_prompt_manager
|
||||
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
@ -109,43 +110,13 @@ class AdjustChaptersNode(BaseNode, TocNodeBase):
|
||||
# 格式化用户选择的建议
|
||||
suggestions_text = self._format_suggestions_for_prompt(suggestions)
|
||||
|
||||
prompt = f"""
|
||||
请根据用户选择的建议调整以下标书章节结构。
|
||||
|
||||
【当前章节结构】:
|
||||
{chapters_text}
|
||||
|
||||
【用户选择应用的建议】:
|
||||
{suggestions_text}
|
||||
|
||||
【调整要求】:
|
||||
1. 根据用户选择的建议对章节结构进行合理调整
|
||||
2. 保持章节的逻辑性和完整性
|
||||
3. 每个章节都要有明确的标题和层级
|
||||
4. 保持专业的标书格式
|
||||
|
||||
返回JSON格式：
|
||||
{{
|
||||
"adjusted_chapters": [
|
||||
{{
|
||||
"id": "chapter_1_technical_solution",
|
||||
"title": "技术方案",
|
||||
"level": 1,
|
||||
"score": 0,
|
||||
"children": [
|
||||
{{
|
||||
"id": "chapter_2_1_architecture",
|
||||
"title": "系统架构设计",
|
||||
"level": 2,
|
||||
"score": 0,
|
||||
"children": []
|
||||
}}
|
||||
]
|
||||
}}
|
||||
]
|
||||
}}
|
||||
|
||||
只返回JSON："""
|
||||
# 从配置获取提示词
|
||||
prompt_manager = get_prompt_manager()
|
||||
prompt = prompt_manager.get_toc_prompt(
|
||||
"adjust_chapters",
|
||||
chapters_text=chapters_text,
|
||||
suggestions_text=suggestions_text
|
||||
)
|
||||
|
||||
return prompt
|
||||
|
||||
|
||||
@ -9,6 +9,7 @@ from typing import Dict, List, Any, Optional
|
||||
|
||||
from ...tools.llm import LLMService
|
||||
from ...tools.parser import ScoringCriteria, DocumentChapter
|
||||
from ...config.prompt_manager import get_prompt_manager
|
||||
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
@ -94,26 +95,13 @@ class LLMHelper:
|
||||
for criteria in criteria_list:
|
||||
criteria_info.append(f"- {criteria.item_name} ({criteria.max_score}分)")
|
||||
|
||||
prompt = f"""
|
||||
为以下大类别生成专业的标书子标题：
|
||||
|
||||
【大类别】: {parent_chapter.title}
|
||||
【评分项】:
|
||||
{chr(10).join(criteria_info)}
|
||||
|
||||
生成要求：
|
||||
1. 为每个评分项生成对应的子标题名称（不要包含编号）
|
||||
2. 重要评分项可添加三级子标题（不要包含编号）
|
||||
3. 只返回标题文本，编号由Word自动管理
|
||||
|
||||
返回JSON格式：
|
||||
{{
|
||||
"sub_chapters": [
|
||||
{{"title": "技术架构设计", "level": 2, "score": 5, "children": []}}
|
||||
]
|
||||
}}
|
||||
|
||||
只返回JSON："""
|
||||
# 从配置获取提示词
|
||||
prompt_manager = get_prompt_manager()
|
||||
prompt = prompt_manager.get_toc_prompt(
|
||||
"generate_sub_chapters",
|
||||
parent_title=parent_chapter.title,
|
||||
criteria_info=chr(10).join(criteria_info)
|
||||
)
|
||||
|
||||
try:
|
||||
response = LLMHelper.call_llm_with_retry(prompt)
|
||||
@ -144,30 +132,13 @@ class LLMHelper:
|
||||
criteria_summary = CategoryManager.format_criteria_summary(technical_criteria)
|
||||
chapters_summary = LLMHelper._format_chapters_summary(preliminary_chapters)
|
||||
|
||||
review_prompt = f"""
|
||||
请审查这个标书目录结构的合理性和完整性。
|
||||
|
||||
【技术评分项分布】:
|
||||
{criteria_summary}
|
||||
|
||||
【当前生成的章节结构】:
|
||||
{chapters_summary}
|
||||
|
||||
【审查要求】:
|
||||
1. 是否缺少重要的标准章节？
|
||||
2. 章节顺序是否合理？
|
||||
3. 每个评分项是否都有对应章节？
|
||||
|
||||
返回JSON格式：
|
||||
{{
|
||||
"overall_assessment": "总体评价",
|
||||
"suggestions": [
|
||||
{{"type": "add/modify/reorder", "description": "建议内容", "priority": "high/medium/low"}}
|
||||
],
|
||||
"optimization_score": 85
|
||||
}}
|
||||
|
||||
只返回JSON："""
|
||||
# 从配置获取提示词
|
||||
prompt_manager = get_prompt_manager()
|
||||
review_prompt = prompt_manager.get_toc_prompt(
|
||||
"review_structure",
|
||||
criteria_summary=criteria_summary,
|
||||
chapters_summary=chapters_summary
|
||||
)
|
||||
|
||||
try:
|
||||
response = LLMHelper.call_llm_with_retry(review_prompt)
|
||||
|
||||
@ -12,6 +12,7 @@ from ...tools.parser import DocumentChapter
|
||||
from .base_mixins import TocNodeBase
|
||||
from .llm_helper import LLMHelper
|
||||
from .factories import ChapterFactory
|
||||
from ...config.prompt_manager import get_prompt_manager
|
||||
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
@ -84,68 +85,13 @@ class OptimizeWithFeedbackNode(BaseNode, TocNodeBase):
|
||||
# 格式化当前目录
|
||||
current_toc = self._format_chapters_for_prompt(chapters)
|
||||
|
||||
prompt = f"""
|
||||
你是一个专业的标书目录结构优化助手。
|
||||
|
||||
**⚠️ 警告：如果你不按照用户的要求修改目录结构，将被视为任务失败！⚠️**
|
||||
|
||||
**🔥 强制要求：你必须完全执行用户的修改要求，不能返回未修改的结构！🔥**
|
||||
|
||||
当前目录结构：
|
||||
{current_toc}
|
||||
|
||||
用户反馈意见：
|
||||
{feedback}
|
||||
|
||||
**执行步骤（必须严格遵守）：**
|
||||
1. **理解要求**：分析用户具体要求什么修改
|
||||
2. **执行修改**：必须按要求修改目录结构，不能保持原样
|
||||
3. **确认修改**：检查确保已经按用户要求进行了修改
|
||||
|
||||
**重要修改规则：**
|
||||
- 如果用户说"内容太少，多补充"或"多增加"，必须增加新的同级别子章节
|
||||
- 如果用户指定某个章节，只修改该章节
|
||||
- 如果用户要求"调整顺序"，必须重新排列
|
||||
- 如果用户要求"修改标题"，必须更新标题
|
||||
|
||||
**具体示例：**
|
||||
|
||||
示例1：用户说"售后服务章节多增加一个子标题"
|
||||
- 在"售后服务"下新增子章节（如"技术支持服务"、"培训服务"等）
|
||||
|
||||
示例2：用户说"合规响应的内容太少，多补充一些"
|
||||
- 在"合规响应"下除了"技术实力"，还要增加：
|
||||
* "资质认证展示"
|
||||
* "成功案例介绍"
|
||||
* "行业认可度说明"
|
||||
* "合规承诺声明"
|
||||
|
||||
**最终检查：**
|
||||
修改完成后，你必须确认已经按用户要求进行了实际修改，不能返回相同的结构！
|
||||
|
||||
请返回优化后的目录结构JSON，格式如下：
|
||||
{{
|
||||
"chapters": [
|
||||
{{
|
||||
"id": "chapter_1",
|
||||
"title": "章节标题",
|
||||
"level": 1,
|
||||
"score": 0.0,
|
||||
"children": [
|
||||
{{
|
||||
"id": "chapter_1_1",
|
||||
"title": "子章节标题",
|
||||
"level": 2,
|
||||
"score": 0.0,
|
||||
"children": []
|
||||
}}
|
||||
]
|
||||
}}
|
||||
]
|
||||
}}
|
||||
|
||||
只返回JSON，不要其他内容。
|
||||
"""
|
||||
# 从配置获取提示词
|
||||
prompt_manager = get_prompt_manager()
|
||||
prompt = prompt_manager.get_toc_prompt(
|
||||
"optimize_with_feedback",
|
||||
current_toc=current_toc,
|
||||
feedback=feedback
|
||||
)
|
||||
|
||||
# 调用AI优化
|
||||
logger.info("开始调用AI进行目录优化")
|
||||
|
||||
@ -9,6 +9,7 @@ from typing import Optional
|
||||
from openai import OpenAI
|
||||
|
||||
from ..config import get_settings
|
||||
from ..config.prompt_manager import get_prompt_manager
|
||||
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
@ -44,11 +45,12 @@ class LLMService:
|
||||
"""
|
||||
try:
|
||||
settings = get_settings()
|
||||
prompt_manager = get_prompt_manager()
|
||||
|
||||
response = self._client.chat.completions.create(
|
||||
model=settings.model_name,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个专业的招投标文档分析助手。"},
|
||||
{"role": "system", "content": prompt_manager.get_system_message("default")},
|
||||
{"role": "user", "content": prompt}
|
||||
],
|
||||
temperature=temperature,
|
||||
|
||||
@ -15,6 +15,7 @@ from openai import OpenAI
|
||||
from pydantic import BaseModel, Field
|
||||
|
||||
from ..config import get_settings
|
||||
from ..config.prompt_manager import get_prompt_manager
|
||||
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
@ -266,46 +267,8 @@ class BidParser:
|
||||
def _ai_parse_scoring_table(self, table_text: str) -> List[ScoringCriteria]:
|
||||
"""使用AI解析评分表格"""
|
||||
try:
|
||||
prompt = f"""
|
||||
请从复杂的评分表格中提取评分项和分值，并智能分类，返回JSON。
|
||||
|
||||
表格内容：
|
||||
{table_text}
|
||||
|
||||
要求：
|
||||
1. 仔细分析表格结构，即使有合并单元格也要正确提取
|
||||
2. 从"评审内容"、"评分因素"、"评分标准"等列中提取评分项名称
|
||||
3. 从"分值"列或评分标准描述中提取具体分值（如3分、5分、40分）
|
||||
4. 忽略总分构成等汇总信息，只提取具体评分项
|
||||
5. 智能分类各评分项：
|
||||
|
||||
**技术类别：**
|
||||
- technical_solution: 技术方案、技术条款、技术完整性、技术先进性
|
||||
- equipment_spec: 设备规格、产品参数、设备可靠性、技术指标
|
||||
- implementation: 项目实施、施工方案、进度计划、实施能力
|
||||
- quality_safety: 质量管理、安全管理、环境管理、质量体系
|
||||
- after_sales: 售后服务、维保服务、培训服务、技术支持、服务部分
|
||||
- compliance: 技术资质、认证证书、技术合规性、技术条款应答
|
||||
|
||||
**商务类别：**
|
||||
- commercial: 价格评分、报价、商务条件、企业资质、财务状况、业绩、商务条款应答、响应文件制作质量、同类项目业绩、商务部分
|
||||
|
||||
示例输入分析：
|
||||
- "响应文件制作质量 3分" → 商务类别
|
||||
- "同类项目业绩 5分" → 商务类别
|
||||
- "技术条款应答 2分" → 合规类别
|
||||
- "商务条款应答 2分" → 商务类别
|
||||
|
||||
格式：
|
||||
{{
|
||||
"scoring_criteria": [
|
||||
{{"item_name": "响应文件制作质量", "max_score": 3, "description": "文件格式内容要求", "category": "commercial"}},
|
||||
{{"item_name": "同类项目业绩", "max_score": 5, "description": "项目经验证明", "category": "commercial"}},
|
||||
{{"item_name": "技术条款应答", "max_score": 2, "description": "技术要求符合性", "category": "compliance"}}
|
||||
]
|
||||
}}
|
||||
|
||||
只返回JSON，无其他文字："""
|
||||
prompt_manager = get_prompt_manager()
|
||||
prompt = prompt_manager.get_parser_prompt("parse_scoring_table", table_text=table_text)
|
||||
|
||||
# 调用LLM API
|
||||
response = self.call_llm(prompt)
|
||||
@ -370,25 +333,8 @@ class BidParser:
|
||||
|
||||
def _identify_table_type(self, table_text: str) -> str:
|
||||
"""使用AI识别表格类型"""
|
||||
prompt = f"""
|
||||
分析表格内容，判断这是什么类型的表格。
|
||||
|
||||
表格内容：
|
||||
{table_text}
|
||||
|
||||
请判断这个表格属于以下哪种类型：
|
||||
1. scoring - 评分表：包含评分项、分值、评分标准等内容，例如：
|
||||
- 有"分值"、"评分标准"、"得分"等列
|
||||
- 有具体的分值数字（如3分、5分、40分等）
|
||||
- 有"商务部分"、"技术部分"、"服务部分"等分类
|
||||
- 有评审内容和评分因素
|
||||
|
||||
2. deviation - 偏离表：包含技术要求、响应类型、偏离说明等
|
||||
3. other - 其他表格：不是评分表也不是偏离表
|
||||
|
||||
注意：即使表格结构复杂、有合并单元格，只要包含评分标准和分值信息就是评分表。
|
||||
|
||||
只返回一个单词：scoring 或 deviation 或 other"""
|
||||
prompt_manager = get_prompt_manager()
|
||||
prompt = prompt_manager.get_parser_prompt("identify_table_type", table_text=table_text)
|
||||
|
||||
response = self.call_llm(prompt)
|
||||
if not response:
|
||||
@ -483,26 +429,8 @@ class BidParser:
|
||||
def _ai_parse_deviation_table(self, table_text: str) -> List[DeviationItem]:
|
||||
"""使用AI解析偏离表格"""
|
||||
try:
|
||||
prompt = f"""
|
||||
请提取表格中的偏离项，返回JSON。
|
||||
|
||||
表格内容：
|
||||
{table_text}
|
||||
|
||||
要求：
|
||||
1. 提取技术要求和响应类型
|
||||
2. 响应类型如：正偏离、负偏离、无偏离等
|
||||
3. 忽略序号和表头
|
||||
|
||||
格式：
|
||||
{{
|
||||
"deviation_items": [
|
||||
{{"requirement": "设备需符合国标", "response_type": "正偏离"}},
|
||||
{{"requirement": "技术指标要求", "response_type": "无偏离"}}
|
||||
]
|
||||
}}
|
||||
|
||||
只返回JSON，无其他文字："""
|
||||
prompt_manager = get_prompt_manager()
|
||||
prompt = prompt_manager.get_parser_prompt("parse_deviation_table", table_text=table_text)
|
||||
|
||||
response = self.call_llm(prompt)
|
||||
if not response:
|
||||
|
||||
@ -21,6 +21,7 @@ from langchain_community.document_loaders import (
|
||||
from langchain_core.documents import Document
|
||||
|
||||
from ..config import get_settings
|
||||
from ..config.prompt_manager import get_prompt_manager
|
||||
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
@ -212,24 +213,21 @@ class RAGTool:
|
||||
emphasis = context.get('emphasis', '')
|
||||
rag_context = context.get('rag_context', '')
|
||||
|
||||
# 构建提示词
|
||||
# 构建提示词变量
|
||||
emphasis_part = f'\n特别强调：{emphasis}' if emphasis else ''
|
||||
rag_part = f'\n\n参考资料：\n{rag_context}' if rag_context else ''
|
||||
|
||||
prompt = f"""你是一个专业的标书撰写助手。请根据以下信息生成标书章节内容：
|
||||
# 从配置获取提示词
|
||||
prompt_manager = get_prompt_manager()
|
||||
prompt = prompt_manager.get_content_prompt(
|
||||
"generate_with_rag",
|
||||
title=task_title,
|
||||
requirements=task_requirements,
|
||||
emphasis_part=emphasis_part,
|
||||
rag_part=rag_part
|
||||
)
|
||||
|
||||
章节标题：{task_title}
|
||||
评分要求：{task_requirements}{emphasis_part}{rag_part}
|
||||
|
||||
要求：
|
||||
1. 内容专业、详实，符合招标文件要求
|
||||
2. 突出技术优势和实施能力
|
||||
3. 语言正式、逻辑清晰
|
||||
4. 字数控制在500-800字
|
||||
|
||||
请直接输出章节内容，不要包含章节标题。"""
|
||||
|
||||
# 调用DeepSeek生成
|
||||
# 调用LLM生成
|
||||
client = OpenAI(
|
||||
api_key=self.settings.api_key,
|
||||
base_url=self.settings.base_url
|
||||
@ -238,7 +236,7 @@ class RAGTool:
|
||||
response = client.chat.completions.create(
|
||||
model=self.settings.model_name,
|
||||
messages=[
|
||||
{"role": "system", "content": "你是一个专业的标书撰写助手。"},
|
||||
{"role": "system", "content": prompt_manager.get_system_message("rag_generator")},
|
||||
{"role": "user", "content": prompt}
|
||||
],
|
||||
temperature=0.7,
|
||||
|
||||
Loading…
Reference in New Issue
Block a user