"""
意图评估的Prompt模板
使用LangChain的PromptTemplate管理所有与LLM交互的提示词
"""
from langchain.prompts import PromptTemplate
from typing import List, Dict, Any
import json
from datetime import datetime, timezone
class IntentEvaluationPrompt:
"""意图评估相关的提示词模板集合"""
def __init__(self):
# 路径置信度评估模板
self.confidence_evaluation_template = PromptTemplate(
input_variables=["user_input", "candidate_paths", "current_date"],
template="""
你是一个极其严谨和注重细节的个人知识库定位助手。
**内容相关性评估**
请对「所有可用的完整路径列表」中的每一项进行内容相关性评估。
评估方式：根据路径的 关键词、语义和上下文 与「用户查询」的 直接或间接匹配程度，给出相关性分数。
评分范围：置信度在 0 ~ 1 之间（0 表示完全无关，1 表示高度相关）。
请重点关注：
1. 路径中的关键词（特别是叶子节点）是否匹配用户查询
2. 完整路径的语义是否与查询主题相关
3. 从路径判断最终内容是否能回答用户问题
4. 路径的上下文关系是否有助于理解用户意图
**用户查询**：
{user_input}
**所有可用的完整路径列表（内含时间戳）**：
{candidate_paths}
---
**输出要求**
- **只** 包含最终 `confidence_score` **大于等于 0.75** 的路径
- **必须按 `confidence_score` 从高到低排序输出**（最高分在前）
- 最多返回Top10结果
- `document_index` 必须对应原始路径列表的准确索引（从0开始）。
- `summary`中的`total_candidates`请填写候选路径的总数。
- 不要添加markdown或其他任何多余的格式。
- 请严格按照以下JSON格式返回。
```json
{{
"evaluations": [
{{
"document_index": 0,
"confidence_score": 0.9,
}},
{{
"document_index": 5,
"confidence_score": 0.8,
}}
],
"summary": {{
"total_candidates": {total_count},
"high_confidence_count": 2,
"threshold_used": 0.8
}}
}}
```
"""
)
# 关键词提取模板 目前未使用
self.keyword_extraction_template = PromptTemplate(
input_variables=["user_input"],
template="""
从以下用户输入中提取3-5个最重要的搜索关键词：
用户输入：{user_input}
请提取能够最好代表用户意图的关键词，优先选择：
1. 主题相关的名词
2. 专业术语
3. 具体的概念或实体名称
4. 动作词汇（如果重要的话）
5. 时间信息 （如果遇到上周，上个月，2-3月 等含糊时间范围 智能转换成 yyyy-mm-dd~yyyy-mm-dd)
请严格按照JSON格式返回：
{{
"keywords": ["关键词1", "关键词2", "关键词3", "关键词4", "关键词5"]
}}
注意：
- 关键词应该是原文中的重要词汇或其同义词
- 优先保留专业术语和具体概念
- 避免常见的停用词（如"的"、"了"、"是"等）
- 严格使用JSON格式
"""
)
# 语义理解模板
self.semantic_understanding_template = PromptTemplate(
input_variables=["user_input", "context_snippets"],
template="""
请分析用户的查询意图，并评估提供的上下文片段的相关性：
用户查询：{user_input}
上下文片段：
{context_snippets}
请分析：
1. 用户的主要意图是什么
2. 查询中的关键概念有哪些
3. 每个上下文片段与查询的相关性如何
请按以下JSON格式返回：
{{
"semantic_intent": "用户主要想要...",
"key_concepts": ["概念1", "概念2", "概念3"],
"context_relevance": [
{{
"context_index": 0,
"relevance_score": 0.85,
"relevance_reason": "这个片段直接回答了用户关于...的问题"
}}
],
"suggested_keywords": ["建议关键词1", "建议关键词2"]
}}
"""
)
# 路径扩展策略模板
self.path_expansion_template = PromptTemplate(
input_variables=["user_query", "current_page", "available_relations"],
template="""
用户正在查询：{user_query}
当前页面信息：{current_page}
可用的关系路径：{available_relations}
请决定应该沿着哪些关系路径扩展搜索，以最好地回答用户问题：
请按JSON格式返回推荐的扩展策略：
{{
"recommended_relations": ["LINKS_TO", "RELATED_TO"],
"expansion_priority": [
{{
"relation_type": "LINKS_TO",
"priority": 0.9,
"reasoning": "页面间的链接通常包含相关的详细信息"
}}
],
"max_depth": 2,
"focus_areas": ["具体要关注的主题1", "主题2"]
}}
"""
)
def create_evaluation_prompt(self, user_input: str, candidate_paths: List[Dict[str, Any]]) -> str:
"""创建路径置信度评估的完整prompt 并返回"""
# 格式化完整路径信息（精简版本）
formatted_paths = []
for i, path in enumerate(candidate_paths):
path_string = path.get('path_string', 'Unknown Path')
last_edited = path.get('leaf_last_edited_time', '未知时间')
path_info = f"""{i}. "{path_string}"
- 编辑时间: {last_edited}"""
formatted_paths.append(path_info)
candidate_paths_str = "\n".join(formatted_paths)
# 获取当前日期
current_date = datetime.now(timezone.utc).strftime("%Y-%m-%dT%H:%M:%S.%f000+00:00")
# 替换模板中的占位符
template_str = self.confidence_evaluation_template.template.replace(
"{total_count}", str(len(candidate_paths))
)
output = template_str.format(
user_input=user_input,
candidate_paths=candidate_paths_str,
current_date=current_date
)
return output
def create_keyword_extraction_prompt(self, user_input: str) -> str:
"""创建关键词提取prompt"""
return self.keyword_extraction_template.format(user_input=user_input)
def create_semantic_understanding_prompt(
self,
user_input: str,
context_snippets: List[str]
) -> str:
"""创建语义理解prompt"""
formatted_snippets = []
for i, snippet in enumerate(context_snippets):
formatted_snippets.append(f"片段 {i}: {snippet}")
context_str = "\n\n".join(formatted_snippets)
return self.semantic_understanding_template.format(
user_input=user_input,
context_snippets=context_str
)
def create_path_expansion_prompt(
self,
user_query: str,
current_page: Dict[str, Any],
available_relations: List[str]
) -> str:
"""创建路径扩展策略prompt"""
# 格式化当前页面信息
page_info = f"""
- 页面ID: {current_page.get('page_id', 'unknown')}
- 标题: {current_page.get('title', 'Unknown')}
- 标签: {', '.join(current_page.get('tags', []))}
- 内容摘要: {current_page.get('summary', 'No summary available')[:200]}...
"""
# 格式化可用关系
relations_str = ", ".join(available_relations)
return self.path_expansion_template.format(
user_query=user_query,
current_page=page_info,
available_relations=relations_str
)
# 预定义的常用prompt实例
intent_prompt = IntentEvaluationPrompt()
# 便利函数
def get_confidence_evaluation_prompt(user_input: str, candidate_paths: List[Dict[str, Any]]) -> str:
"""获取置信度评估prompt的便利函数"""
return intent_prompt.create_evaluation_prompt(user_input, candidate_paths)
def get_keyword_extraction_prompt(user_input: str) -> str:
"""获取关键词提取prompt的便利函数"""
return intent_prompt.create_keyword_extraction_prompt(user_input)
def get_semantic_understanding_prompt(user_input: str, context_snippets: List[str]) -> str:
"""获取语义理解prompt的便利函数"""
return intent_prompt.create_semantic_understanding_prompt(user_input, context_snippets)
# 示例使用
if __name__ == "__main__":
# 测试prompt模板
sample_user_input = "我想找关于机器学习项目的笔记"
sample_paths = [
{
'root_page_id': 'page_001',
'root_title': 'Deep Learning项目总结',
'root_tags': ['机器学习', '深度学习', '项目'],
'search_keyword': '机器学习',
'path_type': 'semantic_match',
'relevance_score': 0.89
},
{
'root_page_id': 'page_002',
'root_title': 'Python编程笔记',
'root_tags': ['编程', 'Python'],
'search_keyword': '项目',
'path_type': 'semantic_match',
'relevance_score': 0.45
}
]
# 生成评估prompt
evaluation_prompt = get_confidence_evaluation_prompt(sample_user_input, sample_paths)
print("=== 置信度评估Prompt ===")
print(evaluation_prompt)
print("\n" + "="*50 + "\n")
# 生成关键词提取prompt
keyword_prompt = get_keyword_extraction_prompt(sample_user_input)
print("=== 关键词提取Prompt ===")
print(keyword_prompt)
