ai-business-write/技术文档/字段与提示词规则说明.md

字段与提示词规则对应关系说明

一、概述

本文档详细说明系统中所有字段的定义、存储位置，以及大模型抽取规则（提示词）的构建方式和存储位置。

二、字段存储位置

2.1 数据库表结构

字段信息存储在 MySQL数据库 中，涉及以下三个表：

1. f_polic_field - 字段定义表

• 存储内容：所有字段的基本定义信息
• 关键字段：
  • id: 字段ID
  • tenant_id: 租户ID（固定值：615873064429507639）
  • name: 字段名称（中文显示名）
  • filed_code: 字段编码（注意：表中字段名拼写为 filed_code，不是 field_code）
  • field_type: 字段类型（1=输入字段，2=输出字段）
  • state: 状态（0=未启用，1=启用）

2. f_polic_file_config - 文件模板配置表

• 存储内容：文档模板的基本配置信息
• 关键字段：
  • id: 文件配置ID
  • name: 文件名称（如："初步核实审批表"）
  • input_data: JSON格式的配置数据，包含 template_code 和 business_type
  • file_path: MinIO存储路径

3. f_polic_file_field - 文件和字段关联表

• 存储内容：文件模板与输出字段的关联关系
• 关键字段：
  • file_id: 文件配置ID（关联 f_polic_file_config.id）
  • filed_id: 字段ID（关联 f_polic_field.id）

2.2 数据库连接信息

• IP地址: 152.136.177.240
• 端口: 5012
• 用户名: finyx
• 密码: 6QsGK6MpePZDE57Z
• 数据库名称: finyx

2.3 字段查询逻辑

字段查询代码位置：services/field_service.py

输入字段查询（field_type=1）

# 位置：services/field_service.py 第82-92行
sql_input = """
    SELECT f.id, f.name, f.filed_code as field_code, f.field_type
    FROM f_polic_field f
    WHERE f.tenant_id = %s
    AND f.field_type = 1
    AND (f.filed_code = 'clue_info' OR f.filed_code = 'target_basic_info_clue')
    ORDER BY f.id
"""

输出字段查询（field_type=2）

# 位置：services/field_service.py 第44-53行
sql = """
    SELECT f.id, f.name, f.filed_code as field_code, f.field_type
    FROM f_polic_field f
    INNER JOIN f_polic_file_field ff ON f.id = ff.filed_id
    INNER JOIN f_polic_file_config fc ON ff.file_id = fc.id
    WHERE f.tenant_id = %s
    AND f.field_type = 2
    AND fc.name = '初步核实审批表'
    ORDER BY f.id
"""

注意：目前系统只支持"初步核实审批表"，输出字段通过文件名称关联查询。

三、当前所有字段列表

3.1 输入字段（field_type=1）

字段名称	字段编码 (field_code)	说明	存储位置
线索信息	clue_info	线索信息（用于AI解析）	f_polic_field 表
被核查人员工作基本情况线索	target_basic_info_clue	被核查人员工作基本情况线索（用于AI解析）	f_polic_field 表

3.2 输出字段（field_type=2）

字段名称	字段编码 (field_code)	说明	存储位置
被核查人姓名	target_name	被核查人姓名	f_polic_field 表
被核查人员单位及职务	target_organization_and_position	被核查人员单位及职务（包括兼职）	f_polic_field 表
被核查人员单位	target_organization	被核查人员单位	f_polic_field 表
被核查人员职务	target_position	被核查人员职务	f_polic_field 表
被核查人员性别	target_gender	被核查人员性别（男/女）	f_polic_field 表
被核查人员出生年月	target_date_of_birth	被核查人员出生年月（YYYYMM格式）	f_polic_field 表
被核查人员年龄	target_age	被核查人员年龄（数字，单位：岁）	f_polic_field 表
被核查人员文化程度	target_education_level	被核查人员文化程度（如：本科、大专、高中等）	f_polic_field 表
被核查人员政治面貌	target_political_status	被核查人员政治面貌（中共党员、群众等）	f_polic_field 表
被核查人员职级	target_professional_rank	被核查人员职级（如：正处级）	f_polic_field 表
线索来源	clue_source	线索来源	f_polic_field 表
主要问题线索	target_issue_description	主要问题线索描述	f_polic_field 表
初步核实审批表承办部门意见	department_opinion	初步核实审批表承办部门意见	f_polic_field 表
初步核实审批表填表人	filler_name	初步核实审批表填表人	f_polic_field 表

3.3 谈话前安全风险评估表字段（带默认值）

字段名称	字段编码 (field_code)	说明	默认值	存储位置
被核查人员家庭情况	target_family_situation	被核查人员家庭情况	家庭关系和谐稳定	f_polic_field 表
被核查人员社会关系	target_social_relations	被核查人员社会关系	社会交往较多，人机关系基本正常	f_polic_field 表
被核查人员健康状况	target_health_status	被核查人员健康状况	良好	f_polic_field 表
被核查人员性格特征	target_personality	被核查人员性格特征	开朗	f_polic_field 表
被核查人员承受能力	target_tolerance	被核查人员承受能力	较强	f_polic_field 表
被核查人员涉及问题严重程度	target_issue_severity	被核查人员涉及问题严重程度	较轻	f_polic_field 表
被核查人员涉及其他问题的可能性	target_other_issues_possibility	被核查人员涉及其他问题的可能性	较小	f_polic_field 表
被核查人员此前被审查情况	target_previous_investigation	被核查人员此前被审查情况	无	f_polic_field 表
被核查人员社会负面事件	target_negative_events	被核查人员社会负面事件	无	f_polic_field 表
被核查人员其他情况	target_other_situation	被核查人员其他情况	无	f_polic_field 表
风险等级	risk_level	风险等级	低	f_polic_field 表

四、字段默认值机制

4.1 默认值配置存储

字段默认值存储在配置文件中，方便快速修改和调整。

存储位置：config/field_defaults.json

4.2 默认值说明

重要说明：系统在AI提取阶段不会自动应用默认值。如果AI未提取到字段值，系统会返回空字符串。

默认值信息提供给前端开发人员，前端可以根据业务需求决定是否在界面上显示默认值或应用默认值。

4.2.1 默认值应用规则（前端参考）

1. AI提取阶段：系统首先尝试使用AI从输入文本中提取字段值
2. 空值处理：如果AI提取的字段值为空或未提取到，系统返回空字符串
3. 前端应用：前端可以根据业务需求，在用户界面中显示默认值提示，或允许用户选择应用默认值
4. 优先级：AI提取的值优先于默认值

4.3 默认值配置示例

{
  "field_defaults": {
    "target_family_situation": "家庭关系和谐稳定",
    "target_social_relations": "社会交往较多，人机关系基本正常",
    "target_health_status": "良好",
    "target_personality": "开朗",
    "target_tolerance": "较强",
    "target_issue_severity": "较轻",
    "target_other_issues_possibility": "较小",
    "target_previous_investigation": "无",
    "target_negative_events": "无",
    "target_other_situation": "无",
    "risk_level": "低"
  }
}

4.4 默认值相关代码位置

默认值相关代码在以下位置（供前端参考，系统不会自动应用）：

1. 默认值加载：services/field_service.py 的 _load_field_defaults 方法
2. 默认值获取：services/field_service.py 的 get_field_default_value 方法（前端可通过API获取）
3. 默认值配置：config/field_defaults.json 配置文件

注意：系统在 /ai/extract 接口中不会自动应用默认值，如果AI未提取到值，返回空字符串。

五、提示词规则（Prompt）存储位置

5.1 存储方式

提示词规则存储在配置文件中，方便快速修改和调整。

存储位置：config/prompt_config.json

5.2 配置文件说明

配置文件采用 JSON 格式，包含以下部分：

• prompt_template: 提示词模板结构（介绍文本、标签、要求列表等）
• field_formatting: 字段格式化规则（输入/输出字段的显示格式）
• business_type_rules: 业务类型特定规则（可为不同业务类型设置特殊规则）

详细配置说明请参考：config/README.md

5.3 提示词构建逻辑

提示词由以下部分组成：

1. 输入文本部分：将用户输入的 inputData 转换为文本格式

   # 位置：services/field_service.py 第144-149行
   input_text = ""
   for item in input_data:
       field_code = item.get('fieldCode', '')
       field_value = item.get('fieldValue', '')
       input_text += f"{field_code}: {field_value}\n"
   

2. 输出字段说明部分：从数据库查询的输出字段，生成字段列表说明

   # 位置：services/field_service.py 第151-156行
   output_fields_desc = ""
   for field in output_fields:
       field_name = field['name']
       field_code = field['field_code']
       output_fields_desc += f"- {field_name} (字段编码: {field_code})\n"
   

3. JSON格式示例部分：根据输出字段动态生成JSON示例

   # 位置：services/field_service.py 第158-161行
   json_example = {}
   for field in output_fields:
       json_example[field['field_code']] = ""
   

4. 固定规则部分：硬编码的提取要求和格式规范

   # 位置：services/field_service.py 第163-181行
   prompt = f"""请从以下输入文本中提取结构化信息。
   
   

输入文本： {input_text}

需要提取的字段： {output_fields_desc}

请严格按照以下JSON格式返回结果，只返回JSON，不要包含其他文字说明： {json.dumps(json_example, ensure_ascii=False, indent=2)}

要求：

1. 仔细分析输入文本，准确提取每个字段的值
2. 如果某个字段在输入文本中找不到对应信息，该字段值设为空字符串""
3. 日期格式统一为YYYYMM（如：198005表示1980年5月）
4. 性别统一为"男"或"女"
5. 政治面貌使用标准表述（如：中共党员、群众等）
6. 只返回JSON对象，不要包含markdown代码块标记 """

5.4 完整提示词示例

假设输入数据为：

{
  "fieldCode": "clue_info",
  "fieldValue": "被举报用户名称是张三，年龄30岁，某公司总经理"
}

输出字段为14个字段，生成的提示词如下：

请从以下输入文本中提取结构化信息。

输入文本：
clue_info: 被举报用户名称是张三，年龄30岁，某公司总经理

需要提取的字段：
- 被核查人姓名 (字段编码: target_name)
- 被核查人员单位及职务 (字段编码: target_organization_and_position)
- 被核查人员单位 (字段编码: target_organization)
- 被核查人员职务 (字段编码: target_position)
- 被核查人员性别 (字段编码: target_gender)
- 被核查人员出生年月 (字段编码: target_date_of_birth)
- 被核查人员年龄 (字段编码: target_age)
- 被核查人员文化程度 (字段编码: target_education_level)
- 被核查人员政治面貌 (字段编码: target_political_status)
- 被核查人员职级 (字段编码: target_professional_rank)
- 线索来源 (字段编码: clue_source)
- 主要问题线索 (字段编码: target_issue_description)
- 初步核实审批表承办部门意见 (字段编码: department_opinion)
- 初步核实审批表填表人 (字段编码: filler_name)

请严格按照以下JSON格式返回结果，只返回JSON，不要包含其他文字说明：
{
  "target_name": "",
  "target_organization_and_position": "",
  "target_organization": "",
  "target_position": "",
  "target_gender": "",
  "target_date_of_birth": "",
  "target_age": "",
  "target_education_level": "",
  "target_political_status": "",
  "target_professional_rank": "",
  "clue_source": "",
  "target_issue_description": "",
  "department_opinion": "",
  "filler_name": ""
}

要求：
1. 仔细分析输入文本，准确提取每个字段的值
2. 如果某个字段在输入文本中找不到对应信息，该字段值设为空字符串""
3. 日期格式统一为YYYYMM（如：198005表示1980年5月）
4. 性别统一为"男"或"女"
5. 政治面貌使用标准表述（如：中共党员、群众等）
6. 只返回JSON对象，不要包含markdown代码块标记

六、字段与提示词规则的对应关系

6.1 对应关系图

业务类型 (businessType: "INVESTIGATION")
    ↓
查询文件配置 (f_polic_file_config.name = "初步核实审批表")
    ↓
查询输出字段 (通过 f_polic_file_field 关联)
    ↓
获取字段列表 (从 f_polic_field 表)
    ↓
构建提示词 (在代码中动态构建)
    ↓
调用AI服务 (services/ai_service.py)

6.2 关键代码位置

1. 字段查询：services/field_service.py 的 get_output_fields_by_business_type 方法
2. 提示词构建：services/field_service.py 的 build_extract_prompt 方法
3. AI调用：services/ai_service.py 的 extract_fields 方法
4. API接口：app.py 的 /api/ai/extract 路由

七、系统限制与扩展说明

7.1 当前限制

1. 业务类型支持：目前只支持 businessType: "INVESTIGATION"（调查核实）
2. 文件模板支持：目前只支持"初步核实审批表"
3. 提示词规则：提示词规则硬编码在代码中，无法通过配置修改

7.2 扩展方式

添加新的业务类型

1. 在数据库中创建新的文件配置记录（f_polic_file_config 表）
2. 创建对应的字段记录（f_polic_field 表）
3. 建立文件和字段的关联关系（f_polic_file_field 表）
4. 修改 services/field_service.py 中的查询逻辑，支持根据 business_type 查询不同的文件配置
5. 在 config/prompt_config.json 的 business_type_rules 中添加新业务类型的规则

修改提示词规则

现在可以直接修改配置文件，无需修改代码！

1. 编辑 config/prompt_config.json 文件
2. 修改 prompt_template 部分来调整提示词文本和结构
3. 修改 field_formatting 部分来调整字段显示格式
4. 在 business_type_rules 中添加或修改业务类型特定规则
5. 重启服务使配置生效

详细说明请参考：config/README.md

为不同字段添加特殊规则

可以在配置文件的 business_type_rules 中为不同业务类型添加特定的提取规则说明。

八、相关文件

• services/field_service.py - 字段服务和提示词构建逻辑
• services/ai_service.py - AI服务调用逻辑
• app.py - API接口定义
• init_preliminary_verification_fields.py - 字段初始化脚本
• 初步核实审批表数据设计说明.md - 字段设计文档

九、总结

1. 字段存储：所有字段定义存储在MySQL数据库的 f_polic_field 表中
2. 提示词规则：提示词规则存储在 config/prompt_config.json 配置文件中，方便快速修改和调整
3. 字段默认值：字段默认值存储在 config/field_defaults.json 配置文件中，如果AI未提取到值，系统会自动应用默认值
4. 对应关系：通过 business_type → 文件配置 → 输出字段 → 从配置文件读取规则 → 动态构建提示词的流程建立对应关系
5. 扩展性：当前系统设计支持扩展新的业务类型和字段，提示词规则和默认值可通过配置文件灵活调整，无需修改代码