"""大模型抽取的固化提示词模板与输出 Schema。

prompt_version 是抽取结果血缘的一部分：提示词变更必须升版本号，
评测与图谱中都能据此追溯。
"""

PROMPT_VERSION = "spark-jd-v1.1"

SYSTEM_PROMPT = (
    "你是招聘信息结构化专家。请从招聘 JD 文本中抽取岗位定义，"
    "只输出符合给定 JSON Schema 的 JSON，不要输出任何多余文字。"
    "技能名必须归一化到常见写法（如 LLM应用开发 归一化为 大模型应用开发），"
    "每个字段都要给出原文证据片段，不得编造原文没有的内容。"
)

# 输出 Schema（JSON Schema 强校验的目标结构，与 ExtractionResult 对齐）
OUTPUT_SCHEMA: dict = {
    "type": "object",
    "required": ["job_title", "responsibilities", "required_skills", "preferred_skills", "scenarios"],
    "properties": {
        "job_title": {"type": "string", "description": "岗位标准名称"},
        "responsibilities": {"type": "array", "items": {"type": "string"}, "description": "核心职责"},
        "required_skills": {"type": "array", "items": {"type": "string"}, "description": "必备技能"},
        "preferred_skills": {"type": "array", "items": {"type": "string"}, "description": "加分技能"},
        "scenarios": {"type": "array", "items": {"type": "string"}, "description": "应用场景"},
        "evidence": {"type": "object", "description": "字段名 -> 原文证据片段"},
    },
}


def build_prompt(jd_text: str) -> str:
    """拼接待抽取 JD 的用户提示词（含显式 Schema，字段名必须为英文键）。"""
    return (
        "请从以下招聘 JD 文本中抽取结构化岗位定义。\n"
        "要求：\n"
        "1. 只输出一个 JSON 对象，不要 markdown 代码块，不要任何解释文字；\n"
        "2. 字段名必须使用以下英文键：job_title（岗位标准名称）、responsibilities（核心职责，字符串数组）、"
        "required_skills（必备技能，字符串数组）、preferred_skills（加分/优先技能，字符串数组）、"
        "scenarios（应用场景，字符串数组）、evidence（对象，键为字段名，值为原文证据片段）；\n"
        "3. 技能名归一化到常见写法（如 LLM应用开发→大模型应用开发）；\n"
        "4. 不得编造原文没有的内容。\n\n"
        "JD 文本：\n" + jd_text
    )