cn & en prompt

memory_scope/prompts/contra_repeat_prompt.py

@@ -0,0 +1,72 @@
+from memory_scope.enumeration.language_enum import LanguageEnum
+
+
+CONTRA_REPEAT_SYSTEM_PROMPT = {
+    LanguageEnum.CN: """
+对下面的{num_obs}句句子，逐一判断是否与“前面序号”的任意句子存在信息的矛盾，或者句子的主要信息被“前面序号”的任意句子中的信息包含。只判断与“前面序号”的句子的关系。
+如果句子与前面序号的句子存在矛盾，则以前面序号的句子中的信息为准，修改句子中矛盾的部分。
+请一步步思考，并按如下格式输出:
+思考：思考的依据和过程，30字以内。
+判断：<句子序号> <矛盾，被包含，无> <修改后的内容>，一定加<>
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+CONTRA_REPEAT_FEW_SHOT_PROMPT = {
+    LanguageEnum.CN: """
+示例1
+句子：
+1 用户经常失眠，对安眠药的效果感兴趣，暗示可能考虑使用。
+2 用户经常失眠，寻求缓解方法。
+3 陈伟业是用户的领导
+4 陈伟业是用户的领导
+5 陈伟业是用户的领导，是银行分行行长
+
+思考：第1句不会存在与前面序号句子的矛盾或者完全重复。
+判断：<1> <无> <>
+思考：第2句中所有信息都被前面序号中第1句的信息完全包含。
+判断：<2> <被包含> <>
+思考：第3句信息没有在前面序号句子中出现
+判断：<3> <无> <>
+思考：第4句与前面序号中第3句的信息完全重复，即被完全包含。
+判断：<4> <被包含> <>
+思考：第5句中陈伟业是用户的领导的信息被前面序号中第3句的信息包含，但新增了陈伟业是银行分行行长的信息，故不是被完全包含。
+判断：<5> <无> <>
+
+示例2
+句子：
+1 用户的孩子成绩不太好。
+2 用户的孩子在学校经常逃课。
+3 用户的父亲生日在2024年6月2日，用户打算准备礼物。
+4 用户的父亲生日在2024年5月1日。
+5 用户很喜欢和同班同学打篮球。
+6 用户喜欢打篮球。
+
+思考：第1句不会存在与前面序号句子的矛盾或者完全重复。
+判断：<1> <无> <>
+思考：第2句与前面序号句子既不矛盾也不重复。
+判断：<2> <无> <>
+思考：第3句与前面序号句子既不矛盾也不重复。
+判断：<3> <无> <>
+思考：第4句关于用户父亲生日的日期信息与前面序号句子第3句矛盾了。
+判断：<4> <矛盾> <用户的父亲生日在2024年6月2日>
+思考：第5句与前面序号句子既不矛盾也不重复。
+判断：<5> <无> <>
+思考：第6句中所有信息都被前面序号中第5句的信息完全包含。
+判断：<2> <被包含> <>
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+CONTRA_REPEAT_USER_QUERY_PROMPT = {
+    LanguageEnum.CN: """
+句子：
+{user_query}
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+

memory_scope/prompts/get_observation_prompt.py

@@ -1,13 +1,83 @@
 from memory_scope.enumeration.language_enum import LanguageEnum
 
 
-INFO_FILTER_SYSTEM_PROMPT = {
+GET_OBSERVATION_SYSTEM_PROMPT = {
     LanguageEnum.CN: """
-任务指令：对所给{batch_size}个句子中所含有的关于用户的信息打分，分数为0,1,2或3。
-注意：其中0表示不包含用户信息，1表示句子中只包含用户假设的信息或者用户虚构的内容，2表示包含用户的一般信息，时效性信息或者需要猜测才能得到的用户信息，3表示明确含有或者可以确定推断出关于用户的重要信息，或者用户要求记录。
-按如下格式输出, 每一行输出一个打分，一定加<>，一共输出{batch_size}个分数:
-结果：
-<分数:0或1或2或3>
+任务：从下面的{num_obs}句用户句子中依次提取出关于用户的重要信息，与相应的关键词。最多提取{num_obs}条信息。对每一句句子，只提取非常明确的信息和进行非常确定的推断，不要进行任何猜测。
+不要重复提取信息，如果句子中的所有信息与前面已经提取出的信息重复了则回答“重复“，如果没有重要信息则回答“无”。注意区分，对于句子中用户假设的信息或者用户虚构的内容，不要提取信息。
+对每个句子都做一次信息提取，最后一共输出{num_obs}行信息。
+请一定要按如下格式依次输出，最后的结果一定要加<>:
+思考：思考的依据和过程，50字以内。
+信息：<句子序号> <> <明确的重要信息或“重复”或”无“> <关键词>
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+GET_OBSERVATION_FEW_SHOT_PROMPT = {
+    LanguageEnum.CN: """
+示例1：
+用户句子：
+1 用户：我现在处境很糟，没有工作，负债几万，怎么办
+2 用户：有人说兴趣是最好的老师，也建议兴趣和职业联系起来，但我发现喜欢打篮球的人很多，但靠打篮球成职业的稀少，赚钱的更少，此外，怎么分辨兴趣和喜欢
+3 用户：我现在处境很糟，没有工作，负债几万，怎么办
+4 用户：我是一个刚毕业的学生，对社会，行业不了解，给我介绍一下社会系统和行业格局
+思考：从第1句可以得知用户现在没有工作，负债几万，这是关于用户工作与经济状况的重要信息。
+信息：<1> <> <用户当前无工作且负债几万> <无工作, 负债几万>
+思考：第2句是用户对他人观点的讨论和疑问，没有明确提及用户个人信息。
+信息：<2> <> <无> <>
+思考：第3句含有的信息与第1句重复了。
+信息：<3> <> <重复> <>
+思考：从第4句可以得知用户是一个刚毕业的学生，这是关于用户身份背景状况的重要信息。其余信息重要性不足。
+信息：<4> <> <用户是一名刚毕业的学生。> <刚毕业, 学生>
+
+示例2：
+用户句子：
+1 用户：帮我写一段给同事张三女儿三岁生日的祝福语。
+2 用户：能给我整理一张如何使用大模型的技巧列表吗，要求内容尽量精简。
+3 用户：两个坏消息，我打羽毛球把拍子打断线了。。。然后我去我朋友家撸猫，结果我猫毛过敏，今天疯狂打喷嚏。。。
+4 用户：公元1400年至1550年中国历史大事表。
+5 用户：谢啦。我中午在公司附近吃，帮我推荐一家阿里巴巴徐汇滨江园区附近的餐厅吧。
+思考：从第1句可以得知张三是用户的同事，这是关于用户的人际关系的重要信息。其余信息重要性不足。
+信息：<1> <> <张三是用户的同事。> <张三, 同事>
+思考：第2句是用户提出的要求，没有明确提及用户个人信息。
+信息：<2> <> <无> <>
+思考：从第3句可以得知用户前天打羽毛球时把球拍打断了线，但这不是重要的信息。还可以得知用户对猫毛过敏，这是关于用户的健康的重要信息。
+信息：<3> <> <用户对猫毛过敏。> <猫毛, 过敏>
+思考：从第4句是用户提出的要求，没有明确提及用户个人信息。
+信息：<4> <> <无> <>
+思考：从第5句可以得知用户在阿里巴巴徐汇滨江园区工作，这是关于用户的工作地点的重要信息。
+信息：<5> <> <用户在阿里巴巴徐汇滨江园区工作。> <阿里巴巴, 徐汇滨江园区, 工作>
+
+示例3：
+用户句子：
+1 用户：我想买辆新能源汽车，有什么推荐吗？
+2 用户：我在上海，想买辆新能源汽车，有什么推荐吗？
+3 用户：案外人异议审查期间，人民法院不得对执行标的进行处分，不就是中止执行的意思吗？
+4 用户：请写两句藏头诗分别以“胜”和“利”开头。
+5 用户：我花5000元买了100股海天味业。
+6 用户：李增杰:这个是星座蛙设，但是我是处女座的，我妈感觉因为我的不正常，我妈不让我看了\n雌猴摸了摸李增杰的头，这样啊\n雌猴打开了哔哩哔哩看了看\n雌猴:要不换个设吧，我听你未来的你说，有一个叫难忘的朱古力232这个人，他弄的设是Windows设
+思考：从第1句可以得知用户寻求购买新能源汽车的建议或推荐，这是这是关于用户的大宗消费的重要的信息。
+信息：<1> <> <用户寻求购买新能源汽车的建议或推荐。> <购买, 新能源汽车>
+思考：从第2句可以得知用户当前所在城市为上海，这是关于用户的生活地区的重要信息。其余信息与第1句重复了。
+信息：<2> <> <用户所在的城市是上海。> <上海>
+思考：第3句是用户对某个观点的讨论和疑问，没有明确提及用户个人信息。
+信息：<3> <> <无> <>
+思考：第4句是用户提出的要求，没有明确提及用户个人信息。
+信息：<4> <> <无> <>
+思考：从第5句可以得知用户购买了海天味业股票，购买数量为100股，购买金额为5000元，这是关于用户的投资决策的重要信息。
+信息：<5> <> <用户购买了海天味业股票，购买数量为100股，购买金额为5000元。> <海天味业, 股票>
+思考：第6句是用户创作的内容，没有明确提及用户个人信息。
+信息：<6> <> <无> <>
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+GET_OBSERVATION_USER_QUERY_PROMPT = {
+    LanguageEnum.CN: """
+用户句子：
+{user_query}
 """,
     LanguageEnum.EN: """
 """

memory_scope/prompts/get_observation_with_time_prompt.py

@@ -0,0 +1,93 @@
+from memory_scope.enumeration.language_enum import LanguageEnum
+
+
+GET_OBSERVATION_WITH_TIME_SYSTEM_PROMPT = {
+    LanguageEnum.CN: """
+任务：从下面的{num_obs}句用户句子中依次提取出关于用户的重要信息，相应的关键词与时间信息。
+每一句用户句子的格式是：<序号> <对话时间> 用户：<句子>
+对每一句句子，只提取非常明确的信息和进行非常确定的推断，不要进行任何猜测。不要重复提取信息，如果句子中的所有信息与前面已经提取出的信息重复了则回答“重复“，如果没有重要信息则回答“无”。
+如果用户信息涉及时间，则结合对话时间推断用户信息的时间信息，没有则不输出。注意区分，对于句子中用户假设的信息或者用户虚构的内容，不要提取信息。
+对每个句子都做一次信息提取，最后一共输出{num_obs}行信息。
+请一步步思考，并一定要按如下格式依次输出，最后的结果一定要加<>:
+思考：思考的依据和过程，50字以内。
+信息：<句子序号> <时间信息或“无”> <明确的重要信息或“重复”或”无“> <关键词>
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+GET_OBSERVATION_WITH_TIME_FEW_SHOT_PROMPT = {
+    LanguageEnum.CN: """
+示例1：
+句子：
+1 2022年5月1日周二3点 用户：帮我写一段给同事张三女儿三岁生日的祝福语。
+2 2022年5月2日周二17点 用户：公元1400年至1550年中国历史大事表。
+3 2022年5月3日周二18点 用户：能给我整理一张如何使用大模型的技巧列表吗，要求内容尽量精简。
+4 2022年7月3日周四12点 用户：上上个月我办了游泳卡。
+
+思考：从第1句可以得知张三是用户的同事，这是关于用户的人际关系的重要信息。其余信息重要性不足。用户信息不涉及时间。
+信息：<1> <> <张三是用户的同事。> <张三, 同事>
+思考：第2句是用户提出的要求，没有明确提及用户个人信息。
+信息：<2> <> <无> <>
+思考：第3句是用户提出的要求，没有明确提及用户个人信息。
+信息：<3> <> <无> <>
+思考：从第4句可以得出用户上上个月办了游泳卡。用户信息涉及时间，结合对话时间为2022年7月，推断用户在2022年5月用户办了游泳卡。
+信息：<4> <2022年5月> <用户在2022年5月办了游泳卡。> <游泳卡>
+
+
+示例2：
+句子：
+1 2020年1月4日周日10点 用户：我花5000元买了100股海天味业。
+2 2023年4月27日周五8点 用户：明天是我和妻子的结婚纪念日，帮我推荐一家餐厅。
+3 2020年1月4日周日10点 用户：我花5000元买了100股海天味业。
+4 2021年6月2日周四23点 用户：谢啦。我中午在公司附近吃，帮我推荐一家阿里巴巴徐汇滨江园区附近的餐厅吧。
+5 2021年7月9日周六11点 用户：两个坏消息，我打羽毛球把拍子打断线了。。。然后我去我朋友家撸猫，结果我猫毛过敏，今天疯狂打喷嚏。。。
+
+思考：从第1句可以得知用户购买了海天味业股票，购买数量为100股，购买金额为5000元，这是关于用户的投资决策的重要信息。用户信息不涉及时间。
+信息：<1> <> <用户购买了海天味业股票，购买数量为100股，购买金额为5000元。> <海天味业, 股票>
+思考：从第2句可以得知用户与妻子的结婚纪念日是明天，这是关于用户重要纪念日的信息。其余信息重要性不足。用户信息涉及时间，结合对话时间为2023年4月27日，
+以及结婚纪念日为周期性日期，推断用户与妻子的结婚纪念日是每年4月28日。
+信息：<2> <每年4月28日> <用户与妻子的结婚纪念日是每年4月28日。> <妻子, 结婚纪念日>
+思考：第3句含有的信息与第1句重复了。
+信息：<3> <> <重复> <>
+思考：从第4句以得知用户在阿里巴巴徐汇滨江园区工作，这是关于用户的工作的重要信息。其余信息重要性不足。用户信息不涉及时间。
+信息：<4> <> <用户在阿里巴巴徐汇滨江园区工作。> <阿里巴巴, 徐汇滨江园区, 工作>
+思考：从第5句可以得知用户前天打羽毛球时把球拍打断了线，但这不是重要的信息。还可以得知用户对猫毛过敏，这是关于用户的健康的重要信息。用户信息不涉及时间。
+信息：<5> <> <用户对猫毛过敏。> <猫毛, 过敏>
+
+
+示例3：
+句子：
+1 2023年6月30日周五15点 用户：上个月我和家人一起去杭州旅游，景色很不错。
+2 2023年7月2日周二10点 用户：昨天是我生日，一个人过的。
+3 2020年7月3日周四11点 用户：提醒我下周一去体检。
+4 2023年5月21日周六14点 用户：有人说兴趣是最好的老师，也建议兴趣和职业联系起来，但我发现喜欢打篮球的人很多，但靠打篮球成职业的稀少，赚钱的更少，此外，怎么分辨兴趣和喜欢
+5 2018年3月6日周四19点 用户：李增杰:这个是星座蛙设，但是我是处女座的，我妈感觉因为我的不正常，我妈不让我看了\n雌猴摸了摸李增杰的头，这样啊\n雌猴打开了哔哩哔哩看了看\n雌猴:要不换个设吧，我听你未来的你说，有一个叫难忘的朱古力232这个人，他弄的设是Windows设
+
+
+思考：从第1句可以得知用户和家人上个月去杭州旅游了，这是关于用户的经历的重要信息。其余信息重要性不足。用户信息涉及时间，结合对话时间为2023年6月推断用户和家人2023年5月去杭州旅游了。
+信息：<1> <2023年5月> <用户和家人2023年5月去杭州旅游了。> <家人, 杭州, 旅游>
+思考：从第2句可以得知用户的生日是昨天，这是关于用户重要纪念日的信息。其余信息重要性不足。用户信息涉及时间，结合对话时间为2023年7月2日，
+以及生日为周期性日期，推断用户的生日是每年7月2日。
+信息：<2> <每年7月2日> <用户的生日是每年7月2日。> <生日>
+思考：从第3句可以得出用户下周一去体检，这是用户要求记忆的重要信息。用户信息涉及时间，结合对话时间为2020年7月3日周四，推断用户2020年7月6日周一去体检。
+信息：<3> <2020年7月6日周一> <用户2020年7月6日周一去体检。> <体检>
+思考：第4句是用户对他人观点的讨论和疑问，没有明确提及用户个人信息。
+信息：<4> <> <无> <>
+思考：第5句是用户创作的内容，没有明确提及用户个人信息。
+信息：<5> <> <无> <>
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+GET_OBSERVATION_WITH_TIME_USER_QUERY_PROMPT = {
+    LanguageEnum.CN: """
+用户句子：
+{user_query}
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+

memory_scope/prompts/info_filter_prompt.py

@@ -13,7 +13,7 @@ INFO_FILTER_SYSTEM_PROMPT = {
 """
 }
 
-INFO_FILTER_FEW_SHOT = {
+INFO_FILTER_FEW_SHOT_PROMPT = {
     LanguageEnum.CN: """
 示例1
 句子：
@@ -69,7 +69,7 @@ INFO_FILTER_FEW_SHOT = {
 """
 }
 
-INFO_FILTER_USER_QUERY = {
+INFO_FILTER_USER_QUERY_PROMPT = {
     LanguageEnum.CN: """
 句子：
 {user_query}

memory_scope/prompts/update_profile_prompt.py

@@ -0,0 +1,132 @@
+from memory_scope.enumeration.language_enum import LanguageEnum
+
+
+UPDATE_PLURAL_PROFILE_SYSTEM_PROMPT = {
+    LanguageEnum.CN: """
+从下面的句子中提取出给定类别的用户资料信息，并判断和已有信息是否重复。只输出无重复的新信息。若无法提取该类别的用户资料的新信息则回答无。
+请一步步思考，并按如下格式输出:
+思考: 思考的依据和过程，150字以内。
+用户资料: <信息>或<无>, 一定加<>
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+UPDATE_PLURAL_PROFILE_FEW_SHOT_PROMPT = {
+    LanguageEnum.CN: """
+示例1:
+句子：用户上周去了西溪游泳馆游泳，那个游泳馆人非常多。
+句子：用户计划每周六和朋友张三去朝阳体育馆打羽毛球。
+类别：运动（用户喜欢的运动）
+已有信息：运动（用户喜欢的运动）：游泳
+思考：从第一句句子可以得出游泳是用户喜欢的运动之一，但与已有信息重复。从第二句句子可以得出羽毛球是用户喜欢的运动之一，是新的信息。
+用户资料: <羽毛球>
+
+示例2:
+句子：用户对咖啡因过敏。
+句子：用户不喜欢吃香菇。
+类别：过敏（用户的已知过敏反应）
+已有信息：过敏（用户的已知过敏反应）: 咖啡因
+思考：从第一句句子可以得出咖啡因是用户的已知过敏反应之一，但与已有信息重复。从第二句句子只能得出用户不喜欢香菇而非对香菇过敏，无法得出新的用户已知过敏信息。
+用户资料: <无>
+
+示例3:
+句子：用户热衷于动作类类游戏如只狼、艾尔登法环。
+句子：用户在休闲时间经常长时间玩策略类游戏如文明6。
+句子：用户是音乐发烧友，关注各个品牌的耳机的音质和性价比。
+类别：爱好（用户的业余爱好）
+已有信息：爱好（用户的业余爱好）:
+思考：从第一句句子可以得出动作类游戏是用户的爱好之一，是新的信息。从第二句句子可以得出策略类游戏是用户的爱好之一，是新的信息。从第三句句子可以得出音乐是用户的爱好之一，是新的信息。
+用户资料: <动作类游戏, 策略类游戏, 音乐>
+
+示例4:
+句子：关于职场沟通你有什么具体的建议吗？最好结合一个实例。我一直听人说要加强沟通，经常和上司沟通，同步项目的进展，但是我总是感觉还有许多事情要做。
+句子：项目并没有达到一个充分的可以汇报的状态，然后准备汇报材料又很费时间，导致有时候我没有及时和上司同步项目状态。针对这个情况你有什么建议？
+类别：职业（用户的职业）
+已有信息：职业（用户的职业）：工程师
+思考：句子中虽然提及了职场沟通等工作相关内容，但是并不能推断出用户的职位是什么，只能推知与宽泛的项目实施与管理相关。
+用户资料: <无>
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+UPDATE_PLURAL_PROFILE_USER_QUERY_PROMPT = {
+    LanguageEnum.CN: """
+{user_query}
+类别：{update_profile}
+已有信息：{update_profile_value}
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+
+UPDATE_UNIQUE_PROFILE_SYSTEM_PROMPT = {
+    LanguageEnum.CN: """
+从下面的句子中提取出给定类别的用户资料信息，并判断与已有信息是否矛盾。若矛盾则输出更新的信息，若不矛盾则保留已有信息，整合已有信息和新信息并输出。
+请一步步思考，并按如下格式输出:
+思考: 思考的依据和过程，150字以内。
+用户资料: <信息>, 一定加<>
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+UPDATE_UNIQUE_PROFILE_FEW_SHOT_PROMPT = {
+    LanguageEnum.CN: """
+示例1:
+句子：因为昨天成都下大雨，用户全身都被淋湿了。
+句子：用户关心明天成都的天气预报。
+类别：地区（用户所在地区）
+已有信息：地区（用户所在地区）: 杭州
+思考：从第一句句子可以得出用户在成都。第二句句子没有直接透露用户所在地信息，但与第一句句子用户在成都的信息吻合。这与已有信息（用户在杭州）矛盾，输出更新的信息。
+用户资料：<成都>
+
+示例2:
+句子：用户女朋友下个月过生日。
+句子：用户生日在7月15日。
+类别：生日（用户的生日）。
+已有信息：生日（用户的生日）：1987年7月15日。
+思考：第一句句子中提及生日，但并不是用户的生日，无法得出用户生日信息。从第二句句子可以得出用户生日在7月15日，与已有信息不矛盾，整合可以得出用户生日是1987年7月15日。
+用户资料: <1987年7月15日>
+
+示例3:
+句子：用户在招商银行工作。
+句子：用户刚刚毕业，第一份工作是银行前台。
+句子：用户的理想工作是职业游戏选手。
+类别：职业（用户的职业）
+已有信息：职业（用户的职业）：
+思考：整合第一和第二句句子的信息可以得出用户的现在的职业是招商银行前台。第三句句子说明了用户的理想工作但并不是现在的职业。
+用户资料：<招商银行前台>
+
+示例4:
+句子：用户大学期间接触过优化算法的研究。
+类别：学习专业 (用户大学学习的专业)
+已有信息：学习专业 (用户大学学习的专业)：与人工智能相关
+思考：从句子可以得出用户大学学习的专业与优化算法相关，这与已有信息（用户大学学习的专业与人工智能相关）不矛盾，整合可以得出用户大学学习的专业与人工智能和优化算法相关。
+用户资料：<与人工智能和优化算法相关>
+
+示例5:
+句子：今天和同学去打球了。
+句子：明天和女朋友一起去杭州旅游。
+类别：学习专业 (用户大学学习的专业)
+已有信息：学习专业 (用户大学学习的专业)：
+思考：两个句子和学习专业都没有关联，没有新提取的信息。
+用户资料：<无>
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+UPDATE_UNIQUE_PROFILE_USER_QUERY_PROMPT = {
+    LanguageEnum.CN: """
+{user_query}
+类别：{update_profile}
+已有信息：{update_profile_value}
+""",
+    LanguageEnum.EN: """
+"""
+}
+
+