Tandem langchain abre palavras-chave de pesquisa profunda

Para unir o processo de execução do projeto e traduzir as instruções da palavra-chave, precisamos basear nosso projeto noprompts.pypara descrever em detalhes o fluxo de execução de cada etapa e suas instruções de palavras-chave correspondentes.

Processo de execução do projeto e instruções de palavras-chave correspondentes

1. gerar consultas de pesquisa para ajudar a planejar relatórios

• Prompt:

  report_planner_query_writer_instructions = """
  你是一名专家技术写手，正在帮助计划一份报告。
  <报告主题>
  {topic}
  </报告主题>
  <报告组织>
  {report_organization}
  </报告组织>
  <任务>
  你的目标是生成 {number_of_queries} 个搜索查询，以帮助收集全面的信息来规划报告部分。
  这些查询应当：
  1. 与报告主题相关
  2. 帮助满足报告组织中规定的要求
  使查询足够具体，以找到高质量、相关的资源，同时覆盖报告结构所需的广度。
  </任务>
  """
  

2. plano para geração de relatórios

• Prompt:

  report_planner_instructions = """
  我需要一个报告计划。
  <任务>
  生成一个报告部分的列表。
  每个部分应当包含以下字段：
  - 名称 - 报告部分的名称。
  - 描述 - 本部分涵盖的主要主题的简要概述。
  - 研究 - 是否需要为本部分报告进行网络研究。
  - 内容 - 本部分的内容，现在可以留空。
  例如，介绍和结论将不需要研究，因为它们将从报告的其他部分提炼信息。
  </任务>
  <主题>
  报告的主题是：
  {topic}
  </主题>
  <报告组织>
  报告应遵循此组织：
  {report_organization}
  </报告组织>
  <上下文>
  以下是用于规划报告部分的上下文：
  {context}
  </上下文>
  <反馈>
  以下是对报告结构的审查反馈（如果有）：
  {feedback}
  </反馈>
  """
  

3. preparação de consultas de pesquisa

• Prompt:

  query_writer_instructions = """
  你是一名专家技术写手，正在编写有针对性的网络搜索查询，以收集撰写技术报告部分的全面信息。
  <部分主题>
  {section_topic}
  </部分主题>
  <任务>
  你的目标是生成 {number_of_queries} 个搜索查询，以帮助收集有关本部分主题的全面信息。
  这些查询应当：
  1. 与主题相关
  2. 检查该主题的不同方面
  使查询足够具体，以找到高质量、相关的资源。
  </任务>
  """
  

4. componente de elaboração de relatórios

• Prompt:

  section_writer_instructions = """
  你是一名专家技术写手，正在撰写技术报告的一个部分。
  <部分主题>
  {section_topic}
  </部分主题>
  <现有部分内容（如果已填写）>
  {section_content}
  </现有部分内容>
  <源材料>
  {context}
  </源材料>
  <撰写指南>
  1. 如果现有部分内容未填写，则从头撰写新的部分。
  2. 如果现有部分内容已填写，请撰写一个新的部分，将现有内容与新信息综合起来。
  <长度和风格>
  - 严格限制在150-200字
  - 不使用营销语言
  - 技术重点
  - 使用简单、清晰的语言
  - 用**加粗**的最重要的见解开头
  - 使用简短的段落（每段最多2-3句话）
  - 使用 ## 作为部分标题（Markdown格式）
  - 仅在有助于澄清观点时使用一个结构元素：
  * 要么是比较2-3个关键项目的集中表格（使用Markdown表格语法）
  * 要么是使用正确的Markdown列表语法的简短列表（3-5项）：
  - 使用 `*` 或 `-` 表示无序列表
  - 使用 `1.` 表示有序列表
  - 确保正确的缩进和间距
  - 以参考以下源材料的###来源结束：
  * 列出每个来源的标题、日期和URL
  * 格式：`- 标题 : URL`
  </长度和风格>
  <质量检查>
  - 恰好150-200字（不包括标题和来源）
  - 仔细使用一个结构元素（表格或列表），仅在有助于澄清观点时
  - 一个具体的例子/案例研究
  - 以加粗见解开头
  - 在创建部分内容之前不作任何序言
  - 在结尾引用来源
  </质量检查>
  """
  

5. avaliação do componente de relatório

• Prompt:

  section_grader_instructions = """
  审核相对于指定主题的报告部分：
  <部分主题>
  {section_topic}
  </部分主题>
  <部分内容>
  {section}
  </部分内容>
  <任务>
  评估该部分是否通过检查技术准确性和深度，充分涵盖了主题。
  如果该部分未满足任何标准，请生成具体的后续搜索查询以收集缺失的信息。
  </任务>
  <格式>
  grade: Literal["pass","fail"] = Field(
  description="评估结果，指示响应是否符合要求（'通过'）或需要修订（'失败'）。"
  )
  follow_up_queries: List[SearchQuery] = Field(
  description="后续搜索查询列表。",
  )
  </格式>
  """
  

6. escrever a seção do relatório final

• Prompt:

  final_section_writer_instructions = """
  你是一名专家技术写手，正在撰写综合报告其他部分信息的部分。
  <部分主题>
  {section_topic}
  </部分主题>
  <可用报告内容>
  {context}
  </可用报告内容>
  <任务>
  1. 部分特定方法：
  对于介绍：
  - 使用 # 作为报告标题（Markdown格式）
  - 50-100字限制
  - 使用简单和清晰的语言
  - 重点介绍报告的核心动机，1-2段
  - 使用清晰的叙述弧线介绍报告
  - 不使用任何结构元素（无列表或表格）
  - 不需要来源部分
  对于结论/总结：
  - 使用 ## 作为部分标题（Markdown格式）
  - 100-150字限制
  - 对于比较报告：
  * 必须包含使用Markdown表格语法的集中比较表
  * 表格应提炼报告中的见解
  * 保持表格条目清晰简洁
  - 对于非比较报告：
  * 仅在有助于提炼报告中的要点时使用一个结构元素：
  * 要么是比较报告中项目的集中表格（使用Markdown表格语法）
  * 要么是使用正确的Markdown列表语法的简短列表：
  - 使用 `*` 或 `-` 表示无序列表
  - 使用 `1.` 表示有序列表
  - 确保正确的缩进和间距
  - 以具体的下一步或影响结束
  - 不需要来源部分
  3. 撰写方法：
  - 使用具体细节而非一般陈述
  - 每个字都要有意义
  - 重点突出最重要的一点
  </任务>
  <质量检查>
  - 对于介绍：50-100字限制，# 作为报告标题，无结构元素，无来源部分
  - 对于结论：100-150字限制，## 作为部分标题，仅使用一个结构元素，无来源部分
  - Markdown格式
  - 不在响应中包含字数或任何序言
  </质量检查>
  """
  

Processo de execução em tandem

1. inicialização (Start)

• importação Tópicos fornecidos pelo usuário, como "Overview of the AI Reasoning market with a focus on Fireworks, Together.ai, Groq" (Visão geral do mercado de raciocínio de IA com foco em Fireworks, Together.ai, Groq).
• curso dos acontecimentos O sistema inicializa o estado e armazena o tópico como parte do estado sem chamadas de modelo de IA.
• exportações Status do tópico: contém o status do tópico para uso nas etapas subsequentes.

2. planejamento

• importação Status do tópico: Contém o status do tópico.
• curso dos acontecimentos Gerar um plano de pesquisa usando um modelo de planejamento, como o padrão OpenAI o3-mini ou o deepseek-r1-distill-llama-70b do Groq. A palavra-chave é: "Dado um tópico [tema], crie um plano de pesquisa, dividido em subtópicos, que siga a estrutura do relatório: introdução, seção principal do corpo e conclusão."
• exportações Status: atualizado para incluir programas de pesquisa (lista de subtópicos), por exemplo, "1. definição do mercado de inferência de IA; 2. papel dos fogos de artifício; 3. JuntosUm estudo de caso do .ai", entre outros.
• Fonte de palavras-chave Estrutura do relatório: Presumivelmente a partir da DEFAULT_REPORT_STRUCTURE do configuration.py, a estrutura consiste em uma introdução, uma seção do corpo principal e uma conclusão, sendo que a seção do corpo principal precisa abranger os principais conceitos, definições e exemplos.

3. geração de consultas

• importação Status do programa de pesquisa: Contém o status do programa de pesquisa.
• curso dos acontecimentos Use o modelo de IA para gerar uma consulta de pesquisa para cada subtópico com a seguinte frase: "Para cada subtópico em [plano de pesquisa], gere [número_de_consultas] consultas de pesquisa para encontrar informações relevantes." O número_de_consultas padrão é 2.
• exportações Status atualizado para incluir a lista de consultas de pesquisa, como "AI Reasoning Market Definition 2023", "Fireworks AI Service Case", etc.
• Fonte de palavras-chave Na documentação do projeto, é mencionado que o número de consultas pode ser configurado, supondo que a palavra de prompt seja uma forma genérica da consulta gerada.

4. pesquisa na Web

• importação Status da consulta de pesquisa: Contém o status da consulta de pesquisa.
• curso dos acontecimentos Execute cada consulta usando a API de pesquisa (por exemplo, Tavily padrão) para obter resultados de pesquisa na Web. Nenhuma chamada de modelo de IA, executada diretamente pela ferramenta.
• exportações Status: O status é atualizado para incluir resultados de pesquisa (URLs ou listas de snippets), como um resumo das páginas retornadas pela Tavily.
• Detalhes técnicos Dependência de tavily-python >= 0.5.0, necessidade de configurar TAVILY_API_KEY.

5 Processamento de dados

• importação Status da pesquisa: Contém o status dos resultados da pesquisa.
• curso dos acontecimentos Use o modelo de IA para resumir os resultados da pesquisa para cada subtópico com a frase de solicitação: "Summarize the search result information for each sub-topic."
• exportações Status atualizado para incluir dados de processamento (resumo), por exemplo, "Definição do mercado de inferência de IA: refere-se ao setor que usa modelos de IA para previsão em tempo real e está crescendo rapidamente até 2023".
• Fonte de palavras-chave Pressupostos para prompts genéricos para tarefas de resumo, com base nos objetivos do projeto para gerar relatórios.

6) Elaboração de relatórios

• importação Status dos dados processados: Contém o status dos dados processados.
• curso dos acontecimentos Use um modelo de escrita (por exemplo, padrão antrópico). Claude 3.5 Soneto) Escreva uma seção de relatório com base em dados processados com as seguintes palavras: "Use dados processados para escrever uma seção de relatório para cada subtema, seguindo a estrutura do relatório."
• exportações Status atualizado para incluir uma seção de relatório, por exemplo, "Introdução: o mercado de raciocínio de IA é uma área importante para a adoção de IA; Seção 1 do corpo principal: o Fireworks fornece serviços de raciocínio eficientes, com casos que incluem implantações em nuvem".
• Fonte de palavras-chave Em conjunto com DEFAULT_REPORT_STRUCTURE, o relatório precisa incluir uma visão geral, conceitos-chave e exemplos.

7. reflexão

• importação Status da seção do relatório: Contém o status da seção do relatório.
• curso dos acontecimentos Use o modelo de IA para revisar o relatório e determinar se mais pesquisas são necessárias, com as seguintes palavras: "Revise a seção do relatório e identifique quaisquer lacunas ou áreas em que mais pesquisas são necessárias. Se for necessária mais pesquisa, sugira novos subtópicos ou consultas."
• exportações Status atualizado para incluir a decisão de iteração (por exemplo, mais pesquisas necessárias) ou o relatório final. Se a iteração for necessária, produza novos subtópicos ou sugestões de consulta.
• Fonte de palavras-chave Observação: mencionar na documentação do projeto que a reflexão e a iteração são apoiadas, presumindo que a palavra-chave seja uma forma genérica de revisão e recomendação.

8. saída

• importação Status do relatório final: Contém o status do relatório final (quando o Reflection decide que o relatório está completo).
• curso dos acontecimentos Compilar todas as seções do relatório para gerar o relatório final no formato Markdown sem chamadas de modelo de IA.
• exportações Relatório final, por exemplo, documento Markdown completo para os usuários baixarem ou visualizarem.