{"repo": "bozheng-li/qa-generation", "files": {"QAGenPipelinesX/qa_gen_pipelines/deployment_local_1759810185/config.yaml": {"805b07cba46c6649ee2c62e0197905ade98d0718": {"t": 1785746820.954946, "n": 2691, "h": "bb025988ff24b653", "c": "# QA Generation Pipelines Configuration - 本地模型版本\n\n# OCR Configuration\nocr:\n  tesseract:\n    lang: \"chi_sim+eng\"  # 支持中英文\n    config: \"--psm 6\"    # Page segmentation mode\n    timeout: 30          # 超时时间(秒)\n\n# Text Chunking Configuration\ntext_chunker:\n  max_chunk_size: 60000  # 最大块大小(字符数) - 优化：充分利用本地模型的上下文窗口\n  overlap_size: 3000   # 重叠大小(字符数) - 优化：保持5%重叠率\n  chunk_on_sentences: true # 按句子分块\n\n# Question Generation Configuration - 本地模型版本\nquestion_generator:\n  # 使用本地模型\n  provider: \"local\"\n  \n  # DeepSeek API配置（备用）\n  deepseek:\n    api_key: \"sk-8d1493cdaf7a4ac9aad494119b570d4e\"  # 从环境变量读取\n    model: \"deepseek-chat\"\n    max_tokens: 2048\n    temperature: 0.7\n    timeout: 60\n    questions_per_chunk: 30\n  \n  # 本地模型配置\n  local:\n    model_name: \"deepseek-r1:32b\"  # 本地模型名称\n    base_url: \"http://localhost:11434\"  # Ollama服务地址（通过SSH隧道）\n    max_tokens: 2048\n    temperature: 0.7\n    timeout: 30000  # 本地模型需要更长时间（500分钟，约8.3小时）\n    questions_per_chunk: 10  # 减少问题数量以加快生成速度\n\n# RAG Configuration\nrag:\n  lightrag:\n    working_dir: \"D:/llm-test/QAGenPipelinesX/working\" # 你可以把它改成你自己的路径，比如 \"E:/llm-project/QAGenPipelinesX/working\"\n    llm_model: \"deepseek-chat\"\n    # 关键修正：所有调用本地模型的参数都放在 llm_config 中\n    embed_model: \"text-embedding-3-large\"\n    max_context_length: 4000\n    # 我们需要在这里为 RAG 指定 OpenAI 的 Key\n    openai:\n      api_key: \"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\" # <--- 你的 OPENAI API KEY\n\n# File Processing Configuration\nfile_processing:\n  input_formats: [\".pdf\"]\n  output_dir: \"./output\"\n  temp_dir: \"./temp\"\n  batch_size: 10\n  \n# Progress Management\nprogress:\n  save_interval: 5  # 每处理5个文件保存一次进度\n  progress_file: \"./progress.json\"\n  \n# Logging Configuration\nlogging:\n  level: \"INFO\"\n  format: \"{time:YYYY-MM-DD HH:mm:ss} | {level} | {message}\"\n  file: \"./logs/qa_gen.log\"\n\n# GSK Operations Prompts\nprompts:\n  system_prompt: |\n    你是一个专业的技术文档问答对生成专家，专门为工业设备、数控系统、技术规格等专业领域生成高质量问题。\n    \n    核心原则：\n    1. 严格基于提供的文档内容生成问题\n    2. 确保每个问题都有明确的、可验证的答案\n    3. 问题必须专业、具体、实用\n    4. 避免模糊、宽泛或无法回答的问题\n    \n    问题类型要求：\n    - 技术规格类：具体参数、性能指标、技术特性\n    - 功能操作类：如何使用、操作步骤、功能说明\n    - 配置设置类：参数配置、系统设置、接口说明\n    - 故障处理类：常见问题、解决方案、注意事项\n    - 应用场景类：适用环境、使用条件、应用范围\n\n  human_prompt: |\n    请分析以下技术文档内容，生成{questions_per_chunk}个专业、精准的技术问题：\n    \n    <Context>\n    {text}\n    </Context>\n    \n    生成要求：\n    1. 每个问题必须以\"问题N：\"开头（N为从1开始的数字）\n    2. 问题必须具体、专业，避免\"是什么\"、\"怎么样\"等模糊表述\n    3. 优先生成涉及具体参数、操作步骤、技术细节的问题\n    4. 确保每个问题的答案都能在文档中找到明确依据\n    5. 问题难度递进：从基础概念到高级应用\n    6. 只生成问题，不要生成答案\n    \n    示例问题格式：\n    - \"问题1：GSK 980TDi数控系统的最大主轴转速是多少？\"\n    - \"问题2：如何配置RS232通信接口的波特率参数？\"\n    - \"问题3：系统在什么情况下会触发急停保护功能？\"\n"}, "da5f6bf8dbd2e5b8d9176f3612af3bd1dd1f3de5": {"t": 1785767879.7119174, "n": 2691, "h": "bb025988ff24b653", "c": "# QA Generation Pipelines Configuration - 本地模型版本\n\n# OCR Configuration\nocr:\n  tesseract:\n    lang: \"chi_sim+eng\"  # 支持中英文\n    config: \"--psm 6\"    # Page segmentation mode\n    timeout: 30          # 超时时间(秒)\n\n# Text Chunking Configuration\ntext_chunker:\n  max_chunk_size: 60000  # 最大块大小(字符数) - 优化：充分利用本地模型的上下文窗口\n  overlap_size: 3000   # 重叠大小(字符数) - 优化：保持5%重叠率\n  chunk_on_sentences: true # 按句子分块\n\n# Question Generation Configuration - 本地模型版本\nquestion_generator:\n  # 使用本地模型\n  provider: \"local\"\n  \n  # DeepSeek API配置（备用）\n  deepseek:\n    api_key: \"sk-8d1493cdaf7a4ac9aad494119b570d4e\"  # 从环境变量读取\n    model: \"deepseek-chat\"\n    max_tokens: 2048\n    temperature: 0.7\n    timeout: 60\n    questions_per_chunk: 30\n  \n  # 本地模型配置\n  local:\n    model_name: \"deepseek-r1:32b\"  # 本地模型名称\n    base_url: \"http://localhost:11434\"  # Ollama服务地址（通过SSH隧道）\n    max_tokens: 2048\n    temperature: 0.7\n    timeout: 30000  # 本地模型需要更长时间（500分钟，约8.3小时）\n    questions_per_chunk: 10  # 减少问题数量以加快生成速度\n\n# RAG Configuration\nrag:\n  lightrag:\n    working_dir: \"D:/llm-test/QAGenPipelinesX/working\" # 你可以把它改成你自己的路径，比如 \"E:/llm-project/QAGenPipelinesX/working\"\n    llm_model: \"deepseek-chat\"\n    # 关键修正：所有调用本地模型的参数都放在 llm_config 中\n    embed_model: \"text-embedding-3-large\"\n    max_context_length: 4000\n    # 我们需要在这里为 RAG 指定 OpenAI 的 Key\n    openai:\n      api_key: \"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\" # <--- 你的 OPENAI API KEY\n\n# File Processing Configuration\nfile_processing:\n  input_formats: [\".pdf\"]\n  output_dir: \"./output\"\n  temp_dir: \"./temp\"\n  batch_size: 10\n  \n# Progress Management\nprogress:\n  save_interval: 5  # 每处理5个文件保存一次进度\n  progress_file: \"./progress.json\"\n  \n# Logging Configuration\nlogging:\n  level: \"INFO\"\n  format: \"{time:YYYY-MM-DD HH:mm:ss} | {level} | {message}\"\n  file: \"./logs/qa_gen.log\"\n\n# GSK Operations Prompts\nprompts:\n  system_prompt: |\n    你是一个专业的技术文档问答对生成专家，专门为工业设备、数控系统、技术规格等专业领域生成高质量问题。\n    \n    核心原则：\n    1. 严格基于提供的文档内容生成问题\n    2. 确保每个问题都有明确的、可验证的答案\n    3. 问题必须专业、具体、实用\n    4. 避免模糊、宽泛或无法回答的问题\n    \n    问题类型要求：\n    - 技术规格类：具体参数、性能指标、技术特性\n    - 功能操作类：如何使用、操作步骤、功能说明\n    - 配置设置类：参数配置、系统设置、接口说明\n    - 故障处理类：常见问题、解决方案、注意事项\n    - 应用场景类：适用环境、使用条件、应用范围\n\n  human_prompt: |\n    请分析以下技术文档内容，生成{questions_per_chunk}个专业、精准的技术问题：\n    \n    <Context>\n    {text}\n    </Context>\n    \n    生成要求：\n    1. 每个问题必须以\"问题N：\"开头（N为从1开始的数字）\n    2. 问题必须具体、专业，避免\"是什么\"、\"怎么样\"等模糊表述\n    3. 优先生成涉及具体参数、操作步骤、技术细节的问题\n    4. 确保每个问题的答案都能在文档中找到明确依据\n    5. 问题难度递进：从基础概念到高级应用\n    6. 只生成问题，不要生成答案\n    \n    示例问题格式：\n    - \"问题1：GSK 980TDi数控系统的最大主轴转速是多少？\"\n    - \"问题2：如何配置RS232通信接口的波特率参数？\"\n    - \"问题3：系统在什么情况下会触发急停保护功能？\"\n"}}, "QAGenPipelinesX/qa_gen_pipelines/deployment_local_1759498980/config.yaml": {"805b07cba46c6649ee2c62e0197905ade98d0718": {"t": 1785746821.106248, "n": 2371, "h": "9585e66cc2a4d67d", "c": "# QA Generation Pipelines Configuration - 本地模型版本\n\n# OCR Configuration\nocr:\n  tesseract:\n    lang: \"chi_sim+eng\"  # 支持中英文\n    config: \"--psm 6\"    # Page segmentation mode\n    timeout: 30          # 超时时间(秒)\n\n# Text Chunking Configuration\ntext_chunker:\n  max_chunk_size: 60000  # 最大块大小(字符数) - 优化：充分利用本地模型的上下文窗口\n  overlap_size: 3000   # 重叠大小(字符数) - 优化：保持5%重叠率\n  chunk_on_sentences: true # 按句子分块\n\n# Question Generation Configuration - 本地模型版本\nquestion_generator:\n  # 使用本地模型\n  provider: \"local\"\n  \n  # DeepSeek API配置（备用）\n  deepseek:\n    api_key: \"sk-8d1493cdaf7a4ac9aad494119b570d4e\"  # 从环境变量读取\n    model: \"deepseek-chat\"\n    max_tokens: 2048\n    temperature: 0.7\n    timeout: 60\n    questions_per_chunk: 30\n  \n  # 本地模型配置\n  local:\n    model_name: \"deepseek-r1:32b\"  # 本地模型名称\n    base_url: \"http://localhost:11434\"  # Ollama服务地址（通过SSH隧道）\n    max_tokens: 2048\n    temperature: 0.7\n    timeout: 3000  # 本地模型需要更长时间（5分钟）\n    questions_per_chunk: 10  # 减少问题数量以加快生成速度\n\n# RAG Configuration\nrag:\n  lightrag:\n    working_dir: \"D:/LLM-Project/QAGenPipelinesX/working\" # 你可以把它改成你自己的路径，比如 \"E:/llm-project/QAGenPipelinesX/working\"\n    llm_model: \"deepseek-chat\"\n    # 关键修正：所有调用本地模型的参数都放在 llm_config 中\n    embed_model: \"text-embedding-3-large\"\n    max_context_length: 4000\n    # 我们需要在这里为 RAG 指定 OpenAI 的 Key\n    openai:\n      api_key: \"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\" # <--- 你的 OPENAI API KEY\n\n# File Processing Configuration\nfile_processing:\n  input_formats: [\".pdf\"]\n  output_dir: \"./output\"\n  temp_dir: \"./temp\"\n  batch_size: 10\n  \n# Progress Management\nprogress:\n  save_interval: 5  # 每处理5个文件保存一次进度\n  progress_file: \"./progress.json\"\n  \n# Logging Configuration\nlogging:\n  level: \"INFO\"\n  format: \"{time:YYYY-MM-DD HH:mm:ss} | {level} | {message}\"\n  file: \"./logs/qa_gen.log\"\n\n# GSK Operations Prompts\nprompts:\n  system_prompt: |\n    你是一个专业的问答对生成助手。\n    你的任务是严格地、仅仅地根据用户在 <Context> 标签中提供的文本内容，生成高质量的问题。\n    确保每个问题的答案都能在提供的 <Context> 文本中直接找到或明确推断出来。\n    不要使用任何 <Context> 之外的知识。\n\n  human_prompt: |\n    这是你需要分析的文本内容：\n    <Context>\n    {text}\n    </Context>\n\n    请严格按照以下要求执行：\n    1. 根据上面的 <Context> 内容，生成{questions_per_chunk}个高质量的、相关的专业问题。\n    2. 每个问题必须以\"问题N：\"开头（N为从1开始的数字）。\n    3. 问题应该由浅入深，覆盖文本中的核心概念和关键信息。\n    4. 不要生成与 <Context> 无关的问题。\n    5. 不要生成答案，只生成问题。\n"}, "da5f6bf8dbd2e5b8d9176f3612af3bd1dd1f3de5": {"t": 1785767880.0331876, "n": 2371, "h": "9585e66cc2a4d67d", "c": "# QA Generation Pipelines Configuration - 本地模型版本\n\n# OCR Configuration\nocr:\n  tesseract:\n    lang: \"chi_sim+eng\"  # 支持中英文\n    config: \"--psm 6\"    # Page segmentation mode\n    timeout: 30          # 超时时间(秒)\n\n# Text Chunking Configuration\ntext_chunker:\n  max_chunk_size: 60000  # 最大块大小(字符数) - 优化：充分利用本地模型的上下文窗口\n  overlap_size: 3000   # 重叠大小(字符数) - 优化：保持5%重叠率\n  chunk_on_sentences: true # 按句子分块\n\n# Question Generation Configuration - 本地模型版本\nquestion_generator:\n  # 使用本地模型\n  provider: \"local\"\n  \n  # DeepSeek API配置（备用）\n  deepseek:\n    api_key: \"sk-8d1493cdaf7a4ac9aad494119b570d4e\"  # 从环境变量读取\n    model: \"deepseek-chat\"\n    max_tokens: 2048\n    temperature: 0.7\n    timeout: 60\n    questions_per_chunk: 30\n  \n  # 本地模型配置\n  local:\n    model_name: \"deepseek-r1:32b\"  # 本地模型名称\n    base_url: \"http://localhost:11434\"  # Ollama服务地址（通过SSH隧道）\n    max_tokens: 2048\n    temperature: 0.7\n    timeout: 3000  # 本地模型需要更长时间（5分钟）\n    questions_per_chunk: 10  # 减少问题数量以加快生成速度\n\n# RAG Configuration\nrag:\n  lightrag:\n    working_dir: \"D:/LLM-Project/QAGenPipelinesX/working\" # 你可以把它改成你自己的路径，比如 \"E:/llm-project/QAGenPipelinesX/working\"\n    llm_model: \"deepseek-chat\"\n    # 关键修正：所有调用本地模型的参数都放在 llm_config 中\n    embed_model: \"text-embedding-3-large\"\n    max_context_length: 4000\n    # 我们需要在这里为 RAG 指定 OpenAI 的 Key\n    openai:\n      api_key: \"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\" # <--- 你的 OPENAI API KEY\n\n# File Processing Configuration\nfile_processing:\n  input_formats: [\".pdf\"]\n  output_dir: \"./output\"\n  temp_dir: \"./temp\"\n  batch_size: 10\n  \n# Progress Management\nprogress:\n  save_interval: 5  # 每处理5个文件保存一次进度\n  progress_file: \"./progress.json\"\n  \n# Logging Configuration\nlogging:\n  level: \"INFO\"\n  format: \"{time:YYYY-MM-DD HH:mm:ss} | {level} | {message}\"\n  file: \"./logs/qa_gen.log\"\n\n# GSK Operations Prompts\nprompts:\n  system_prompt: |\n    你是一个专业的问答对生成助手。\n    你的任务是严格地、仅仅地根据用户在 <Context> 标签中提供的文本内容，生成高质量的问题。\n    确保每个问题的答案都能在提供的 <Context> 文本中直接找到或明确推断出来。\n    不要使用任何 <Context> 之外的知识。\n\n  human_prompt: |\n    这是你需要分析的文本内容：\n    <Context>\n    {text}\n    </Context>\n\n    请严格按照以下要求执行：\n    1. 根据上面的 <Context> 内容，生成{questions_per_chunk}个高质量的、相关的专业问题。\n    2. 每个问题必须以\"问题N：\"开头（N为从1开始的数字）。\n    3. 问题应该由浅入深，覆盖文本中的核心概念和关键信息。\n    4. 不要生成与 <Context> 无关的问题。\n    5. 不要生成答案，只生成问题。\n"}}, "QAGenPipelinesX/qa_gen_pipelines/deployment_local_1759650055/config.yaml": {"805b07cba46c6649ee2c62e0197905ade98d0718": {"t": 1785746842.9524868, "n": 2694, "h": "f06b21bdf6d14e72", "c": "# QA Generation Pipelines Configuration - 本地模型版本\n\n# OCR Configuration\nocr:\n  tesseract:\n    lang: \"chi_sim+eng\"  # 支持中英文\n    config: \"--psm 6\"    # Page segmentation mode\n    timeout: 30          # 超时时间(秒)\n\n# Text Chunking Configuration\ntext_chunker:\n  max_chunk_size: 60000  # 最大块大小(字符数) - 优化：充分利用本地模型的上下文窗口\n  overlap_size: 3000   # 重叠大小(字符数) - 优化：保持5%重叠率\n  chunk_on_sentences: true # 按句子分块\n\n# Question Generation Configuration - 本地模型版本\nquestion_generator:\n  # 使用本地模型\n  provider: \"local\"\n  \n  # DeepSeek API配置（备用）\n  deepseek:\n    api_key: \"sk-8d1493cdaf7a4ac9aad494119b570d4e\"  # 从环境变量读取\n    model: \"deepseek-chat\"\n    max_tokens: 2048\n    temperature: 0.7\n    timeout: 60\n    questions_per_chunk: 30\n  \n  # 本地模型配置\n  local:\n    model_name: \"deepseek-r1:32b\"  # 本地模型名称\n    base_url: \"http://localhost:11434\"  # Ollama服务地址（通过SSH隧道）\n    max_tokens: 2048\n    temperature: 0.7\n    timeout: 30000  # 本地模型需要更长时间（500分钟，约8.3小时）\n    questions_per_chunk: 10  # 减少问题数量以加快生成速度\n\n# RAG Configuration\nrag:\n  lightrag:\n    working_dir: \"D:/LLM-Project/QAGenPipelinesX/working\" # 你可以把它改成你自己的路径，比如 \"E:/llm-project/QAGenPipelinesX/working\"\n    llm_model: \"deepseek-chat\"\n    # 关键修正：所有调用本地模型的参数都放在 llm_config 中\n    embed_model: \"text-embedding-3-large\"\n    max_context_length: 4000\n    # 我们需要在这里为 RAG 指定 OpenAI 的 Key\n    openai:\n      api_key: \"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\" # <--- 你的 OPENAI API KEY\n\n# File Processing Configuration\nfile_processing:\n  input_formats: [\".pdf\"]\n  output_dir: \"./output\"\n  temp_dir: \"./temp\"\n  batch_size: 10\n  \n# Progress Management\nprogress:\n  save_interval: 5  # 每处理5个文件保存一次进度\n  progress_file: \"./progress.json\"\n  \n# Logging Configuration\nlogging:\n  level: \"INFO\"\n  format: \"{time:YYYY-MM-DD HH:mm:ss} | {level} | {message}\"\n  file: \"./logs/qa_gen.log\"\n\n# GSK Operations Prompts\nprompts:\n  system_prompt: |\n    你是一个专业的技术文档问答对生成专家，专门为工业设备、数控系统、技术规格等专业领域生成高质量问题。\n    \n    核心原则：\n    1. 严格基于提供的文档内容生成问题\n    2. 确保每个问题都有明确的、可验证的答案\n    3. 问题必须专业、具体、实用\n    4. 避免模糊、宽泛或无法回答的问题\n    \n    问题类型要求：\n    - 技术规格类：具体参数、性能指标、技术特性\n    - 功能操作类：如何使用、操作步骤、功能说明\n    - 配置设置类：参数配置、系统设置、接口说明\n    - 故障处理类：常见问题、解决方案、注意事项\n    - 应用场景类：适用环境、使用条件、应用范围\n\n  human_prompt: |\n    请分析以下技术文档内容，生成{questions_per_chunk}个专业、精准的技术问题：\n    \n    <Context>\n    {text}\n    </Context>\n    \n    生成要求：\n    1. 每个问题必须以\"问题N：\"开头（N为从1开始的数字）\n    2. 问题必须具体、专业，避免\"是什么\"、\"怎么样\"等模糊表述\n    3. 优先生成涉及具体参数、操作步骤、技术细节的问题\n    4. 确保每个问题的答案都能在文档中找到明确依据\n    5. 问题难度递进：从基础概念到高级应用\n    6. 只生成问题，不要生成答案\n    \n    示例问题格式：\n    - \"问题1：GSK 980TDi数控系统的最大主轴转速是多少？\"\n    - \"问题2：如何配置RS232通信接口的波特率参数？\"\n    - \"问题3：系统在什么情况下会触发急停保护功能？\"\n"}, "da5f6bf8dbd2e5b8d9176f3612af3bd1dd1f3de5": {"t": 1785767880.3981164, "n": 2694, "h": "f06b21bdf6d14e72", "c": "# QA Generation Pipelines Configuration - 本地模型版本\n\n# OCR Configuration\nocr:\n  tesseract:\n    lang: \"chi_sim+eng\"  # 支持中英文\n    config: \"--psm 6\"    # Page segmentation mode\n    timeout: 30          # 超时时间(秒)\n\n# Text Chunking Configuration\ntext_chunker:\n  max_chunk_size: 60000  # 最大块大小(字符数) - 优化：充分利用本地模型的上下文窗口\n  overlap_size: 3000   # 重叠大小(字符数) - 优化：保持5%重叠率\n  chunk_on_sentences: true # 按句子分块\n\n# Question Generation Configuration - 本地模型版本\nquestion_generator:\n  # 使用本地模型\n  provider: \"local\"\n  \n  # DeepSeek API配置（备用）\n  deepseek:\n    api_key: \"sk-8d1493cdaf7a4ac9aad494119b570d4e\"  # 从环境变量读取\n    model: \"deepseek-chat\"\n    max_tokens: 2048\n    temperature: 0.7\n    timeout: 60\n    questions_per_chunk: 30\n  \n  # 本地模型配置\n  local:\n    model_name: \"deepseek-r1:32b\"  # 本地模型名称\n    base_url: \"http://localhost:11434\"  # Ollama服务地址（通过SSH隧道）\n    max_tokens: 2048\n    temperature: 0.7\n    timeout: 30000  # 本地模型需要更长时间（500分钟，约8.3小时）\n    questions_per_chunk: 10  # 减少问题数量以加快生成速度\n\n# RAG Configuration\nrag:\n  lightrag:\n    working_dir: \"D:/LLM-Project/QAGenPipelinesX/working\" # 你可以把它改成你自己的路径，比如 \"E:/llm-project/QAGenPipelinesX/working\"\n    llm_model: \"deepseek-chat\"\n    # 关键修正：所有调用本地模型的参数都放在 llm_config 中\n    embed_model: \"text-embedding-3-large\"\n    max_context_length: 4000\n    # 我们需要在这里为 RAG 指定 OpenAI 的 Key\n    openai:\n      api_key: \"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\" # <--- 你的 OPENAI API KEY\n\n# File Processing Configuration\nfile_processing:\n  input_formats: [\".pdf\"]\n  output_dir: \"./output\"\n  temp_dir: \"./temp\"\n  batch_size: 10\n  \n# Progress Management\nprogress:\n  save_interval: 5  # 每处理5个文件保存一次进度\n  progress_file: \"./progress.json\"\n  \n# Logging Configuration\nlogging:\n  level: \"INFO\"\n  format: \"{time:YYYY-MM-DD HH:mm:ss} | {level} | {message}\"\n  file: \"./logs/qa_gen.log\"\n\n# GSK Operations Prompts\nprompts:\n  system_prompt: |\n    你是一个专业的技术文档问答对生成专家，专门为工业设备、数控系统、技术规格等专业领域生成高质量问题。\n    \n    核心原则：\n    1. 严格基于提供的文档内容生成问题\n    2. 确保每个问题都有明确的、可验证的答案\n    3. 问题必须专业、具体、实用\n    4. 避免模糊、宽泛或无法回答的问题\n    \n    问题类型要求：\n    - 技术规格类：具体参数、性能指标、技术特性\n    - 功能操作类：如何使用、操作步骤、功能说明\n    - 配置设置类：参数配置、系统设置、接口说明\n    - 故障处理类：常见问题、解决方案、注意事项\n    - 应用场景类：适用环境、使用条件、应用范围\n\n  human_prompt: |\n    请分析以下技术文档内容，生成{questions_per_chunk}个专业、精准的技术问题：\n    \n    <Context>\n    {text}\n    </Context>\n    \n    生成要求：\n    1. 每个问题必须以\"问题N：\"开头（N为从1开始的数字）\n    2. 问题必须具体、专业，避免\"是什么\"、\"怎么样\"等模糊表述\n    3. 优先生成涉及具体参数、操作步骤、技术细节的问题\n    4. 确保每个问题的答案都能在文档中找到明确依据\n    5. 问题难度递进：从基础概念到高级应用\n    6. 只生成问题，不要生成答案\n    \n    示例问题格式：\n    - \"问题1：GSK 980TDi数控系统的最大主轴转速是多少？\"\n    - \"问题2：如何配置RS232通信接口的波特率参数？\"\n    - \"问题3：系统在什么情况下会触发急停保护功能？\"\n"}}}}