File size: 4,517 Bytes
cc2ed2f 8871df9 cc2ed2f 8871df9 cc2ed2f 8871df9 cc2ed2f 8871df9 cc2ed2f 8871df9 cc2ed2f 8871df9 cc2ed2f | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 | """PromptBuilder — формирование chat-template input для модели.
Соответствует разделу 2.4 пояснительной записки. Один и тот же билдер
используется при обучении (формирование SFT-примеров) и при инференсе
(формирование запроса к загруженной модели), что гарантирует совпадение
формата train- и inference-time промптов.
Помимо схемы и вопроса, билдер опционально принимает BusinessVocabulary
(раздел 3.6 ВКР). Бизнес-термины подмешиваются в системное сообщение,
а не конкатенируются к пользовательскому вопросу — это согласуется с
тем, как современные instruction-tuned модели интерпретируют роли
сообщений в chat-template.
"""
from __future__ import annotations
from typing import TYPE_CHECKING
if TYPE_CHECKING:
from src.business.vocabulary import BusinessVocabulary
BASE_SYSTEM_PROMPT = (
"Ты — ассистент, который преобразует вопросы на русском языке в корректные SQL-запросы. "
"Тебе даётся схема базы данных в виде CREATE TABLE statements и пример нескольких строк. "
"Сгенерируй один SQL-запрос, который отвечает на вопрос пользователя. "
"Возвращай ТОЛЬКО SQL без объяснений, без markdown, без префиксов."
)
def build_user_message(schema: str, question: str) -> str:
"""Пользовательская часть промпта в формате ``### Schema / ### Question / ### SQL:``."""
return f"### Schema:\n{schema}\n\n### Question:\n{question}\n\n### SQL:\n"
def build_system_message(vocabulary: "BusinessVocabulary | None" = None) -> str:
"""Собирает системное сообщение.
Если передан непустой бизнес-словарь, к базовому промпту добавляется
блок с определениями терминов, фильтрами и правилами компании. Это
позволяет адаптировать систему к терминологии конкретной организации
без повторного дообучения модели.
"""
if vocabulary is None or not vocabulary:
return BASE_SYSTEM_PROMPT
context = vocabulary.render_system_context()
if not context:
return BASE_SYSTEM_PROMPT
return BASE_SYSTEM_PROMPT + "\n\n" + context
def build_chat_messages(
schema: str,
question: str,
vocabulary: "BusinessVocabulary | None" = None,
) -> list[dict]:
"""Сообщения для ``tokenizer.apply_chat_template``.
Параметры
---------
schema : str
Текстовое представление схемы (CREATE TABLE + sample rows).
question : str
Вопрос пользователя на русском языке.
vocabulary : BusinessVocabulary, optional
Бизнес-словарь компании. Если передан — добавляется в системное
сообщение, не нарушая структуры пользовательской реплики.
"""
return [
{"role": "system", "content": build_system_message(vocabulary)},
{"role": "user", "content": build_user_message(schema, question)},
]
def build_training_example(
schema: str,
question: str,
sql: str,
vocabulary: "BusinessVocabulary | None" = None,
) -> list[dict]:
"""Полный диалог с эталонной репликой ассистента для Supervised
Fine-Tuning (раздел 2.4 ВКР).
"""
msgs = build_chat_messages(schema, question, vocabulary)
msgs.append({"role": "assistant", "content": sql.strip()})
return msgs
# Обратная совместимость. Имя SYSTEM_PROMPT использовалось в старом коде
# и в тестах; сохраняем алиас, чтобы не ломать импорты.
SYSTEM_PROMPT = BASE_SYSTEM_PROMPT
|