e98da6b53e
- Updated `run.py` to conditionally print startup information only in the reloader process to avoid duplicate logs in debug mode. - Modified `__init__.py` to log startup and completion messages based on the reloader process condition. - Added warnings suppression in `graph_builder.py` for Pydantic v2 regarding Field usage. - Revised `ontology_generator.py` to enforce strict design guidelines for entity types and relationships, ensuring compliance with new requirements. - Improved logging behavior in `logger.py` to prevent log propagation to the root logger, avoiding duplicate outputs.
453 lines
16 KiB
Python
453 lines
16 KiB
Python
"""
|
||
本体生成服务
|
||
接口1：分析文本内容，生成适合社会模拟的实体和关系类型定义
|
||
"""
|
||
|
||
import json
|
||
from typing import Dict, Any, List, Optional
|
||
from ..utils.llm_client import LLMClient
|
||
|
||
|
||
# 本体生成的系统提示词
|
||
ONTOLOGY_SYSTEM_PROMPT = """你是一个专业的知识图谱本体设计专家。你的任务是分析给定的文本内容和模拟需求，设计适合**社交媒体舆论模拟**的实体类型和关系类型。
|
||
|
||
**重要：你必须输出有效的JSON格式数据，不要输出任何其他内容。**
|
||
|
||
## 核心任务背景
|
||
|
||
我们正在构建一个**社交媒体舆论模拟系统**。在这个系统中：
|
||
- 每个实体都是一个可以在社交媒体上发声、互动、传播信息的"账号"或"主体"
|
||
- 实体之间会相互影响、转发、评论、回应
|
||
- 我们需要模拟舆论事件中各方的反应和信息传播路径
|
||
|
||
因此，**实体必须是现实中真实存在的、可以在社媒上发声和互动的主体**：
|
||
|
||
**可以是**：
|
||
- 具体的个人（公众人物、当事人、意见领袖、专家学者、普通人）
|
||
- 公司、企业（包括其官方账号）
|
||
- 组织机构（大学、协会、NGO、工会等）
|
||
- 政府部门、监管机构
|
||
- 媒体机构（报纸、电视台、自媒体、网站）
|
||
- 社交媒体平台本身
|
||
- 特定群体代表（如校友会、粉丝团、维权群体等）
|
||
|
||
**不可以是**：
|
||
- 抽象概念（如"舆论"、"情绪"、"趋势"）
|
||
- 主题/话题（如"学术诚信"、"教育改革"）
|
||
- 观点/态度（如"支持方"、"反对方"）
|
||
|
||
## 输出格式
|
||
|
||
请输出JSON格式，包含以下结构：
|
||
|
||
```json
|
||
{
|
||
"entity_types": [
|
||
{
|
||
"name": "实体类型名称（英文，PascalCase）",
|
||
"description": "简短描述（英文，不超过100字符）",
|
||
"attributes": [
|
||
{
|
||
"name": "属性名（英文，snake_case）",
|
||
"type": "text",
|
||
"description": "属性描述"
|
||
}
|
||
],
|
||
"examples": ["示例实体1", "示例实体2"]
|
||
}
|
||
],
|
||
"edge_types": [
|
||
{
|
||
"name": "关系类型名称（英文，UPPER_SNAKE_CASE）",
|
||
"description": "简短描述（英文，不超过100字符）",
|
||
"source_targets": [
|
||
{"source": "源实体类型", "target": "目标实体类型"}
|
||
],
|
||
"attributes": []
|
||
}
|
||
],
|
||
"analysis_summary": "对文本内容的简要分析说明（中文）"
|
||
}
|
||
```
|
||
|
||
## 设计指南（极其重要！）
|
||
|
||
### 1. 实体类型设计 - 必须严格遵守
|
||
|
||
**数量要求：必须正好10个实体类型**
|
||
|
||
**层次结构要求（必须同时包含具体类型和兜底类型）**：
|
||
|
||
你的10个实体类型必须包含以下层次：
|
||
|
||
A. **兜底类型（必须包含，放在列表最后2个）**：
|
||
- `Person`: 任何自然人个体的兜底类型。当一个人不属于其他更具体的人物类型时，归入此类。
|
||
- `Organization`: 任何组织机构的兜底类型。当一个组织不属于其他更具体的组织类型时，归入此类。
|
||
|
||
B. **具体类型（8个，根据文本内容设计）**：
|
||
- 针对文本中出现的主要角色，设计更具体的类型
|
||
- 例如：如果文本涉及学术事件，可以有 `Student`, `Professor`, `University`
|
||
- 例如：如果文本涉及商业事件，可以有 `Company`, `CEO`, `Employee`
|
||
|
||
**为什么需要兜底类型**：
|
||
- 文本中会出现各种人物，如"中小学教师"、"路人甲"、"某位网友"
|
||
- 如果没有专门的类型匹配，他们应该被归入 `Person`
|
||
- 同理，小型组织、临时团体等应该归入 `Organization`
|
||
|
||
**具体类型的设计原则**：
|
||
- 从文本中识别出高频出现或关键的角色类型
|
||
- 每个具体类型应该有明确的边界，避免重叠
|
||
- description 必须清晰说明这个类型和兜底类型的区别
|
||
|
||
### 2. 关系类型设计
|
||
|
||
- 数量：6-10个
|
||
- 关系应该反映社媒互动中的真实联系
|
||
- 确保关系的 source_targets 涵盖你定义的实体类型
|
||
|
||
### 3. 属性设计
|
||
|
||
- 每个实体类型1-3个关键属性
|
||
- **注意**：属性名不能使用 `name`、`uuid`、`group_id`、`created_at`、`summary`（这些是系统保留字）
|
||
- 推荐使用：`full_name`, `title`, `role`, `position`, `location`, `description` 等
|
||
|
||
## 实体类型参考
|
||
|
||
**个人类（具体）**：
|
||
- Student: 学生
|
||
- Professor: 教授/学者
|
||
- Journalist: 记者
|
||
- Celebrity: 明星/网红
|
||
- Executive: 高管
|
||
- Official: 政府官员
|
||
- Lawyer: 律师
|
||
- Doctor: 医生
|
||
|
||
**个人类（兜底）**：
|
||
- Person: 任何自然人（不属于上述具体类型时使用）
|
||
|
||
**组织类（具体）**：
|
||
- University: 高校
|
||
- Company: 公司企业
|
||
- GovernmentAgency: 政府机构
|
||
- MediaOutlet: 媒体机构
|
||
- Hospital: 医院
|
||
- School: 中小学
|
||
- NGO: 非政府组织
|
||
|
||
**组织类（兜底）**：
|
||
- Organization: 任何组织机构（不属于上述具体类型时使用）
|
||
|
||
## 关系类型参考
|
||
|
||
- WORKS_FOR: 工作于
|
||
- STUDIES_AT: 就读于
|
||
- AFFILIATED_WITH: 隶属于
|
||
- REPRESENTS: 代表
|
||
- REGULATES: 监管
|
||
- REPORTS_ON: 报道
|
||
- COMMENTS_ON: 评论
|
||
- RESPONDS_TO: 回应
|
||
- SUPPORTS: 支持
|
||
- OPPOSES: 反对
|
||
- COLLABORATES_WITH: 合作
|
||
- COMPETES_WITH: 竞争
|
||
"""
|
||
|
||
|
||
class OntologyGenerator:
|
||
"""
|
||
本体生成器
|
||
分析文本内容，生成实体和关系类型定义
|
||
"""
|
||
|
||
def __init__(self, llm_client: Optional[LLMClient] = None):
|
||
self.llm_client = llm_client or LLMClient()
|
||
|
||
def generate(
|
||
self,
|
||
document_texts: List[str],
|
||
simulation_requirement: str,
|
||
additional_context: Optional[str] = None
|
||
) -> Dict[str, Any]:
|
||
"""
|
||
生成本体定义
|
||
|
||
Args:
|
||
document_texts: 文档文本列表
|
||
simulation_requirement: 模拟需求描述
|
||
additional_context: 额外上下文
|
||
|
||
Returns:
|
||
本体定义（entity_types, edge_types等）
|
||
"""
|
||
# 构建用户消息
|
||
user_message = self._build_user_message(
|
||
document_texts,
|
||
simulation_requirement,
|
||
additional_context
|
||
)
|
||
|
||
messages = [
|
||
{"role": "system", "content": ONTOLOGY_SYSTEM_PROMPT},
|
||
{"role": "user", "content": user_message}
|
||
]
|
||
|
||
# 调用LLM
|
||
result = self.llm_client.chat_json(
|
||
messages=messages,
|
||
temperature=0.3,
|
||
max_tokens=4096
|
||
)
|
||
|
||
# 验证和后处理
|
||
result = self._validate_and_process(result)
|
||
|
||
return result
|
||
|
||
# 传给 LLM 的文本最大长度（5万字）
|
||
MAX_TEXT_LENGTH_FOR_LLM = 50000
|
||
|
||
def _build_user_message(
|
||
self,
|
||
document_texts: List[str],
|
||
simulation_requirement: str,
|
||
additional_context: Optional[str]
|
||
) -> str:
|
||
"""构建用户消息"""
|
||
|
||
# 合并文本
|
||
combined_text = "\n\n---\n\n".join(document_texts)
|
||
original_length = len(combined_text)
|
||
|
||
# 如果文本超过5万字，截断（仅影响传给LLM的内容，不影响图谱构建）
|
||
if len(combined_text) > self.MAX_TEXT_LENGTH_FOR_LLM:
|
||
combined_text = combined_text[:self.MAX_TEXT_LENGTH_FOR_LLM]
|
||
combined_text += f"\n\n...(原文共{original_length}字，已截取前{self.MAX_TEXT_LENGTH_FOR_LLM}字用于本体分析)..."
|
||
|
||
message = f"""## 模拟需求
|
||
|
||
{simulation_requirement}
|
||
|
||
## 文档内容
|
||
|
||
{combined_text}
|
||
"""
|
||
|
||
if additional_context:
|
||
message += f"""
|
||
## 额外说明
|
||
|
||
{additional_context}
|
||
"""
|
||
|
||
message += """
|
||
请根据以上内容，设计适合社会舆论模拟的实体类型和关系类型。
|
||
|
||
**必须遵守的规则**：
|
||
1. 必须正好输出10个实体类型
|
||
2. 最后2个必须是兜底类型：Person（个人兜底）和 Organization（组织兜底）
|
||
3. 前8个是根据文本内容设计的具体类型
|
||
4. 所有实体类型必须是现实中可以发声的主体，不能是抽象概念
|
||
5. 属性名不能使用 name、uuid、group_id 等保留字，用 full_name、org_name 等替代
|
||
"""
|
||
|
||
return message
|
||
|
||
def _validate_and_process(self, result: Dict[str, Any]) -> Dict[str, Any]:
|
||
"""验证和后处理结果"""
|
||
|
||
# 确保必要字段存在
|
||
if "entity_types" not in result:
|
||
result["entity_types"] = []
|
||
if "edge_types" not in result:
|
||
result["edge_types"] = []
|
||
if "analysis_summary" not in result:
|
||
result["analysis_summary"] = ""
|
||
|
||
# 验证实体类型
|
||
for entity in result["entity_types"]:
|
||
if "attributes" not in entity:
|
||
entity["attributes"] = []
|
||
if "examples" not in entity:
|
||
entity["examples"] = []
|
||
# 确保description不超过100字符
|
||
if len(entity.get("description", "")) > 100:
|
||
entity["description"] = entity["description"][:97] + "..."
|
||
|
||
# 验证关系类型
|
||
for edge in result["edge_types"]:
|
||
if "source_targets" not in edge:
|
||
edge["source_targets"] = []
|
||
if "attributes" not in edge:
|
||
edge["attributes"] = []
|
||
if len(edge.get("description", "")) > 100:
|
||
edge["description"] = edge["description"][:97] + "..."
|
||
|
||
# Zep API 限制：最多 10 个自定义实体类型，最多 10 个自定义边类型
|
||
MAX_ENTITY_TYPES = 10
|
||
MAX_EDGE_TYPES = 10
|
||
|
||
# 兜底类型定义
|
||
person_fallback = {
|
||
"name": "Person",
|
||
"description": "Any individual person not fitting other specific person types.",
|
||
"attributes": [
|
||
{"name": "full_name", "type": "text", "description": "Full name of the person"},
|
||
{"name": "role", "type": "text", "description": "Role or occupation"}
|
||
],
|
||
"examples": ["ordinary citizen", "anonymous netizen"]
|
||
}
|
||
|
||
organization_fallback = {
|
||
"name": "Organization",
|
||
"description": "Any organization not fitting other specific organization types.",
|
||
"attributes": [
|
||
{"name": "org_name", "type": "text", "description": "Name of the organization"},
|
||
{"name": "org_type", "type": "text", "description": "Type of organization"}
|
||
],
|
||
"examples": ["small business", "community group"]
|
||
}
|
||
|
||
# 检查是否已有兜底类型
|
||
entity_names = {e["name"] for e in result["entity_types"]}
|
||
has_person = "Person" in entity_names
|
||
has_organization = "Organization" in entity_names
|
||
|
||
# 需要添加的兜底类型
|
||
fallbacks_to_add = []
|
||
if not has_person:
|
||
fallbacks_to_add.append(person_fallback)
|
||
if not has_organization:
|
||
fallbacks_to_add.append(organization_fallback)
|
||
|
||
if fallbacks_to_add:
|
||
current_count = len(result["entity_types"])
|
||
needed_slots = len(fallbacks_to_add)
|
||
|
||
# 如果添加后会超过 10 个，需要移除一些现有类型
|
||
if current_count + needed_slots > MAX_ENTITY_TYPES:
|
||
# 计算需要移除多少个
|
||
to_remove = current_count + needed_slots - MAX_ENTITY_TYPES
|
||
# 从末尾移除（保留前面更重要的具体类型）
|
||
result["entity_types"] = result["entity_types"][:-to_remove]
|
||
|
||
# 添加兜底类型
|
||
result["entity_types"].extend(fallbacks_to_add)
|
||
|
||
# 最终确保不超过限制（防御性编程）
|
||
if len(result["entity_types"]) > MAX_ENTITY_TYPES:
|
||
result["entity_types"] = result["entity_types"][:MAX_ENTITY_TYPES]
|
||
|
||
if len(result["edge_types"]) > MAX_EDGE_TYPES:
|
||
result["edge_types"] = result["edge_types"][:MAX_EDGE_TYPES]
|
||
|
||
return result
|
||
|
||
def generate_python_code(self, ontology: Dict[str, Any]) -> str:
|
||
"""
|
||
将本体定义转换为Python代码（类似ontology.py）
|
||
|
||
Args:
|
||
ontology: 本体定义
|
||
|
||
Returns:
|
||
Python代码字符串
|
||
"""
|
||
code_lines = [
|
||
'"""',
|
||
'自定义实体类型定义',
|
||
'由MiroFish自动生成，用于社会舆论模拟',
|
||
'"""',
|
||
'',
|
||
'from pydantic import Field',
|
||
'from zep_cloud.external_clients.ontology import EntityModel, EntityText, EdgeModel',
|
||
'',
|
||
'',
|
||
'# ============== 实体类型定义 ==============',
|
||
'',
|
||
]
|
||
|
||
# 生成实体类型
|
||
for entity in ontology.get("entity_types", []):
|
||
name = entity["name"]
|
||
desc = entity.get("description", f"A {name} entity.")
|
||
|
||
code_lines.append(f'class {name}(EntityModel):')
|
||
code_lines.append(f' """{desc}"""')
|
||
|
||
attrs = entity.get("attributes", [])
|
||
if attrs:
|
||
for attr in attrs:
|
||
attr_name = attr["name"]
|
||
attr_desc = attr.get("description", attr_name)
|
||
code_lines.append(f' {attr_name}: EntityText = Field(')
|
||
code_lines.append(f' description="{attr_desc}",')
|
||
code_lines.append(f' default=None')
|
||
code_lines.append(f' )')
|
||
else:
|
||
code_lines.append(' pass')
|
||
|
||
code_lines.append('')
|
||
code_lines.append('')
|
||
|
||
code_lines.append('# ============== 关系类型定义 ==============')
|
||
code_lines.append('')
|
||
|
||
# 生成关系类型
|
||
for edge in ontology.get("edge_types", []):
|
||
name = edge["name"]
|
||
# 转换为PascalCase类名
|
||
class_name = ''.join(word.capitalize() for word in name.split('_'))
|
||
desc = edge.get("description", f"A {name} relationship.")
|
||
|
||
code_lines.append(f'class {class_name}(EdgeModel):')
|
||
code_lines.append(f' """{desc}"""')
|
||
|
||
attrs = edge.get("attributes", [])
|
||
if attrs:
|
||
for attr in attrs:
|
||
attr_name = attr["name"]
|
||
attr_desc = attr.get("description", attr_name)
|
||
code_lines.append(f' {attr_name}: EntityText = Field(')
|
||
code_lines.append(f' description="{attr_desc}",')
|
||
code_lines.append(f' default=None')
|
||
code_lines.append(f' )')
|
||
else:
|
||
code_lines.append(' pass')
|
||
|
||
code_lines.append('')
|
||
code_lines.append('')
|
||
|
||
# 生成类型字典
|
||
code_lines.append('# ============== 类型配置 ==============')
|
||
code_lines.append('')
|
||
code_lines.append('ENTITY_TYPES = {')
|
||
for entity in ontology.get("entity_types", []):
|
||
name = entity["name"]
|
||
code_lines.append(f' "{name}": {name},')
|
||
code_lines.append('}')
|
||
code_lines.append('')
|
||
code_lines.append('EDGE_TYPES = {')
|
||
for edge in ontology.get("edge_types", []):
|
||
name = edge["name"]
|
||
class_name = ''.join(word.capitalize() for word in name.split('_'))
|
||
code_lines.append(f' "{name}": {class_name},')
|
||
code_lines.append('}')
|
||
code_lines.append('')
|
||
|
||
# 生成边的source_targets映射
|
||
code_lines.append('EDGE_SOURCE_TARGETS = {')
|
||
for edge in ontology.get("edge_types", []):
|
||
name = edge["name"]
|
||
source_targets = edge.get("source_targets", [])
|
||
if source_targets:
|
||
st_list = ', '.join([
|
||
f'{{"source": "{st.get("source", "Entity")}", "target": "{st.get("target", "Entity")}"}}'
|
||
for st in source_targets
|
||
])
|
||
code_lines.append(f' "{name}": [{st_list}],')
|
||
code_lines.append('}')
|
||
|
||
return '\n'.join(code_lines)
|
||
|