RoyirinRosmontis
a10442d78c
- 全链路：多源JD接入/清洗交叉验证/结构化抽取(星火+离线双通道)/时序知识图谱/新岗位发现/演化分析/人岗匹配/学习路径 - WebUI 五视图：驾驶舱/图谱工作台/岗位演化/匹配(单人+批量)/学习路径 - 设置中心(config.json)/Token鉴权/SQLite状态库/语义向量通道(BGE-M3本地或联网API) - 71 个 pytest 用例；数据目录仅保留结构(.gitkeep)，数据由 scripts/generate_dataset.py 复现
44 lines
2.4 KiB
Python
44 lines
2.4 KiB
Python
"""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
|
||
)
|