iomgaa
89c82d2031
主要特性： - 基于Prompter动态生成的描述和指令构建智能体 - 在初始化时接收description和instructions参数 - 将Prompter生成的指令与固定的输入输出格式要求拼接 - 简洁的run方法，与其他agent保持一致的调用方式 - 支持根据患者现病史和既往史生成针对性问诊问题 🤖 Generated with [Claude Code](https://claude.ai/code) Co-Authored-By: Claude <noreply@anthropic.com>
53 lines
1.8 KiB
Python
53 lines
1.8 KiB
Python
from agent_system.base import BasePrompt
|
||
|
||
|
||
class InquirerPrompt(BasePrompt):
|
||
"""
|
||
询问者智能体的提示词模板
|
||
|
||
该提示词模板的description和instructions主体内容由Prompter智能体动态生成，
|
||
只在末尾添加固定的输入信息和输出格式要求。
|
||
"""
|
||
|
||
# 基础描述，将被prompter结果动态替换
|
||
description = ""
|
||
|
||
# 基础指令，将被prompter结果动态替换
|
||
instructions = []
|
||
|
||
@staticmethod
|
||
def get_example_output() -> str:
|
||
"""
|
||
获取示例输出格式，用于指导 LLM 生成符合要求的结构化输出
|
||
|
||
Returns:
|
||
str: JSON 格式的示例输出
|
||
"""
|
||
return """{
|
||
"current_chat": "根据您描述的头痛情况，我想进一步了解一些细节。请问您的头痛是什么时候开始的？是突然出现还是逐渐加重的？另外，头痛主要集中在头部的哪个位置？"
|
||
}"""
|
||
|
||
@staticmethod
|
||
def get_fixed_format_instructions() -> list:
|
||
"""
|
||
获取固定的输入输出格式指令
|
||
|
||
Returns:
|
||
list: 固定的格式指令列表
|
||
"""
|
||
return [
|
||
"",
|
||
"## 患者信息输入格式",
|
||
"- 现病史: 患者当前疾病的详细描述",
|
||
"- 既往史: 患者过往的疾病史和治疗史",
|
||
"",
|
||
"## 输出要求",
|
||
"生成的问诊问题应该:",
|
||
"1. 针对患者的具体病情背景",
|
||
"2. 使用通俗易懂的语言表达",
|
||
"3. 有助于获取更多诊断相关信息",
|
||
"4. 符合医患交流的实际情况",
|
||
"",
|
||
"## 示例输出格式（JSON）",
|
||
InquirerPrompt.get_example_output()
|
||
] |