调整问题生成的提示词

backend/app/engine/__init__.py

@@ -14,6 +14,9 @@ from app.api.routers.request.base import ProjectInfo
 from llama_index.core.response_synthesizers import ResponseMode
 
 def getPrjFalg(params:dict=None)->str:
+    if 'prjFalg' in params:
+        return params.get('prjFalg')
+    else:
         prjFlag = ''
         if params is not None:
             prjFlag = ProjectInfo().prjFalg(params.get('projectname'))     

backend/app/engine/prompt.py

@@ -63,7 +63,7 @@ summary_template_str = (
     "- 如果问题能被回答，你的回答必须严格遵循文档内容，即使与事实不符。一定不要做多余解释。\n"
     "- 如果问题能被回答，直接引用文档的相关信息保证答案准确、完整，并追求简洁。\n"
     "- 当文档中只有少量信息与问题相关时，重点关注这部分信息，这种情况下一定回答。\n"
-    "- 当文档中信息与问题无关时，请不要额外发散回答，只需要回答“我不知道这个问题的答案”。\n"
+    "- 当文档中信息与问题无关时，请不要额外发散回答，只需要回答为' '"
     "\n"
     "来自多个来源的文档片段如下,请充分理解以下参考资料内容，组织出满足用户提问的条理清晰的回复。\n"
     "---------------------\n"

backend/unit_test/prompts.py

@@ -13,19 +13,31 @@ Attribute_Prompt = (
 #     "你是一个电力造价工程相关的项目经理，现在给你一些上下文信息，"
 #     "你需要根据现有的上下文信息，来生成{num_questions_per_chunk}个电力造价工程相关的问题和对应的回答，"
 # 	"现在需要你针对上下文信息中的金额或者合价进行提问和回答。" 	
-#     "问题和回答的示例应该是这种类型的，示例：项目建设技术服务费的金额,项目建设技术服务费的金额是16855957065.4302； 架空输电线路本体工程的金额,架空输电线路本体工程的金额是55105688268.5176； 工程静态投资的金额,工程静态投资的金额是715035853336.391。"
+#     "问题和回答的示例应该是这种类型的，示例：项目建设技术服务费的金额,项目建设技术服务费的金额是16855957065.4302"
 #     "你生成的回答必须严格按照示例中的格式：（'问题, 回答'）。不允许有丝毫的变动，问题和回答应该在一个单引号内。"
 #     "这种类似的问题和答案，生成的问题和答案必须一一对应，要符合文件里的内容，不要生成一些无关的问题，不要生成一些重复的问题，"
 #     "不要生成一些过于简单的问题，不要生成一些过于复杂的问题。"
 # )
 
 
+###MarkDown格式的提示词
 Amount_Prompt = """\
-    上下文信息是一张JSON格式的数据表，请根据数据表中内容进行生成{num_questions_per_chunk}个和金额有关的问题。
-    生成规则推荐使用表中记录行的“代码、其他费、单位投资、合计费、安装费、序号"等字段的值来查询“金额”字段的值是多少钱的方式。 例如：
-    记录行中代码字段的值是3A000000，则生成的问题为：代码为3A000000的金额是多少？
+    上下文信息是一张表格数据，请根据数据表中内容进行生成{num_questions_per_chunk}个和金额有关的问题。
+    生成规则推荐使用表中某行数据的某个值来查询“金额”字段值是多少钱的方式。 
+    你生成的回答必须严格按照指定的格式生成，格式为：xxxx的金额是多少。其中xxxx表示的是某行的某个数据的值（金额字段的值除外）。
+    当文档中信息与金额无关时，请不要额外发散回答，只需要回答为' '
+    不要生成一些无关的问题，不要生成一些重复的问题
 """
 
+###Json格式的提示词
+# Amount_Prompt = """\
+#     上下文信息是Json结构的数据，请根据数据表中内容进行生成{num_questions_per_chunk}个和金额有关的问题。
+#     生成规则推荐使用某个属性的值来查询“金额”属性值是多少钱的方式。 
+#     你生成的回答必须严格按照指定的格式生成，格式为：xxxx的金额是多少。其中xxxx表示的是某个属性的值（金额属性的值除外）。
+#     当文档中信息与金额无关时，请不要额外发散回答，只需要回答为' '
+#     不要生成一些无关的问题，不要生成一些重复的问题
+# """
+
 
 Units_Prompt = (
     "你是一个电力造价工程相关的项目经理，现在给你一些上下文信息，"

backend/unit_test/test_question.py

@@ -79,7 +79,7 @@ class FileLoader:
         parser = {
         ".md" : ChunkMarkdownReader(),
         }
-        return parser
+        return None
 
 # 定义中文提示词和Python代码中提示词名称的映射
 prompt_mapping = {
@@ -168,13 +168,13 @@ def main(documents:List[Document], table_names:List[str],num_questions_per_promp
 
 # 获取命令行参数
 if __name__ == "__main__":
-    if len(sys.argv) != 2:
-        raise ValueError("Usage: python script.py <table_names_input> <prompt_categories_input> <num_questions_per_prompt>")
-    table_names_input = sys.argv[0]
-    num_questions_per_prompt = int(sys.argv[1])
+    # if len(sys.argv) != 2:
+    #     raise ValueError("Usage: python script.py <table_names_input> <prompt_categories_input> <num_questions_per_prompt>")
+    # table_names_input = sys.argv[0]
+    # num_questions_per_prompt = int(sys.argv[1])
 
-    # table_names_input = '[总算表]'
-    # num_questions_per_prompt = 2
+    table_names_input = '[总算表]'
+    num_questions_per_prompt = 10
 
     que_Dir = os.path.join(os.getcwd(),f'unit_test\\Quetions')     
     loader = FileLoader()