chaos/hack
1
0 Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
4be66e0b23f619c6fb6fe0ce09ef42befb78f936
hack/tools/scripts/llm-key-hunter/results/_cache/content/bozheng-li_qa-generation.json
T

1 line
24 KiB
JSON
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
{"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"}}}}
Reference in new issue View Git Blame Copy Permalink