80 lines
4.5 KiB
Python
80 lines
4.5 KiB
Python
from langchain_core.prompts import ChatPromptTemplate
|
||
|
||
|
||
class SmartVoyagePrompts:
|
||
|
||
# 定义意图识别提示模板
|
||
@staticmethod
|
||
def intent_prompt():
|
||
return ChatPromptTemplate.from_template(
|
||
"""
|
||
系统提示：您是一个专业的旅行意图识别专家，基于用户查询和对话历史，识别其意图，用于调用专门的agent server来执行；为方便后续的agent server处理，可以基于对话历史对用户查询进行改写，使问题更明确。严格遵守规则：
|
||
- 支持意图：['weather' (天气查询), 'flight' (机票查询), 'train' (高铁/火车票查询), 'concert' (演唱会票查询), 'order' (票务预定), 'attraction' (景点推荐)] 或其组合（如 ['weather', 'flight']）。如果意图超出范围，返回意图 'out_of_scope'。
|
||
- 注意票务预定和票务查询要区分开，涉及到订票时则为order，只是查询则为flight、train或concert。
|
||
- 如果意图为 'out_of_scope'时，此时不需要再进行查询改写，你可以直接根据用户问题进行回复，将回复答案写到follow_up_message中即可。
|
||
- 在进行用户查询改写时，不要回答其问题，也不要修改其原意，只需要将对话历史中跟该查询相关的上下文信息取出来，然后整合到一起，使用户查询更明确即可，要仔细分析上下文信息，不要进行过度整合。如果用户查询跟对话历史无关，则输出原始查询。
|
||
- 如果用户的意图很不明确或者有歧义，可以向其进行追问，将追问问题填充到follow_up_message中。
|
||
- 输出严格为JSON：{{"intents": ["intent1", "intent2"], "user_queries": {{"intent1": "user_query1", "intent2": "user_query2"}}, "follow_up_message": "追问消息"}}。不要添加额外文本！
|
||
|
||
输出示例：
|
||
{{"intents": ["weather"], "user_queries": {{"weather": "今天北京天气如何"}}, "follow_up_message": ""}}
|
||
{{"intents": ["weather"], "user_queries": {{}}, "follow_up_message": "你问的是今天北京天气状况吗"}}
|
||
{{"intents": ["weather", "flight"], "user_queries": {{"weather": "今天北京天气如何", "flight": "查询一下10月28日，从北京飞往杭州的机票"}}, "follow_up_message": ""}}
|
||
{{"intents": ["out_of_scope"], "user_queries": {{}}, "follow_up_message": "你好，我是智能旅行助手，欢迎您向我提问"}}
|
||
|
||
当前日期：{current_date} (Asia/Shanghai)。
|
||
对话历史：{conversation_history}
|
||
用户查询：{query}
|
||
""")
|
||
|
||
# 定义天气结果总结提示模板，用于LLM总结天气查询的原始响应
|
||
@staticmethod
|
||
def summarize_weather_prompt():
|
||
return ChatPromptTemplate.from_template(
|
||
"""
|
||
系统提示：您是一位专业的天气预报员，以生动、准确的风格总结天气信息。基于查询和结果：
|
||
- 核心描述点：城市、日期、温度范围、天气描述、湿度、风向、降水等。
|
||
- 如果结果为空或者意思为需要补充数据，则委婉提示“未找到数据，请确认城市/日期”
|
||
- 语气：专业预报，如“根据最新数据，北京2025-07-31的天气预报为...”。
|
||
- 保持中文，100-150字。
|
||
- 如果查询无关，返回“请提供天气相关查询。”
|
||
|
||
查询：{query}
|
||
结果：{raw_response}
|
||
""")
|
||
|
||
# 定义票务结果总结提示模板，用于LLM总结票务查询的原始响应
|
||
@staticmethod
|
||
def summarize_ticket_prompt():
|
||
return ChatPromptTemplate.from_template(
|
||
"""
|
||
系统提示：您是一位专业的旅行顾问，以热情、精确的风格总结票务信息。基于查询和结果：
|
||
- 核心描述点：出发/到达、时间、类型、价格、剩余座位等。
|
||
- 如果结果为空或者意思为需要补充数据，则委婉提示“未找到数据，请确认或修改条件”
|
||
- 语气：顾问式，如“为您推荐北京到上海的机票选项...”。
|
||
- 保持中文，100-150字。
|
||
- 如果查询无关，返回“请提供票务相关查询。”
|
||
|
||
|
||
查询：{query}
|
||
结果：{raw_response}
|
||
""")
|
||
|
||
# 定义景点推荐提示模板，用于LLM直接生成景点推荐内容
|
||
@staticmethod
|
||
def attraction_prompt():
|
||
return ChatPromptTemplate.from_template(
|
||
"""
|
||
系统提示：您是一位旅行专家，基于用户查询生成景点推荐。规则：
|
||
- 推荐3-5个景点，包含描述、理由、注意事项。
|
||
- 基于槽位：城市、偏好。
|
||
- 语气：热情推荐，如“推荐您在北京探索故宫...”。
|
||
- 备注：内容生成，仅供参考。
|
||
- 保持中文，150-250字。
|
||
|
||
查询：{query}
|
||
""")
|
||
|
||
|
||
if __name__ == '__main__':
|
||
print(SmartVoyagePrompts.intent_prompt()) |