输入参数外添加```text ```

AttributeTripleExtractor/AttributeTripleExtractor.txt

@@ -4,10 +4,14 @@
 你是一个信息抽取引擎，需要从给定的文本中提取符合指定三元组标签（实体、关系、属性值）的结构化数据，并按照标准JSON格式输出。
 
 ## 输入数据：
+```text
 {text}
+```
 
 - 三元组标签及属性名称：
+```json
 {domainMetadata}
+```
 
 ## 注意事项：
 1. 输出纯JSON格式，不要使用```json ```等任何Markdown标记包装。
@@ -57,4 +61,4 @@
             }
         }
     ]
-}
+}/no_think

FileIndustryClassifier/FileIndustryClassifier.txt

@@ -3,15 +3,16 @@
 你是一个专业的行业分类专家。你的任务是根据给定的文本内容，判断这段文本最可能属于下面行业列表中哪个行业。
 请结合文本内容中的专业术语、关键领域、上下文信息，准确判断其所属行业，并返回对应的行业名称。
 
-### 输入：
+### 输入
-
+```text
-```
 {text}
 ```
 
 
 ### 行业列表
+```json
 {industryCategory}
+```
 
 ### 输出要求：
 
@@ -22,7 +23,6 @@
 
 
 ### 示例输出：
-
 {
 industryCategory:软件与信息技术
-}
+}/no_think

IntentMetadataExtractor/IntentMetadataExtractor.txt

@@ -3,15 +3,18 @@
 ## 任务描述
 你是一个专业的元数据提取引擎，需要从给定的文本片段中识别出符合指定意图的实体、关系及其属性名称，并按照标准JSON格式输出。
 
-## 输入数据
+## 文本片段
-- 文本片段：
+```text
 {text}
+```
 
-- 可选意图标签：
+## 可选意图标签
+```json
 {IntentTypeList}
+```
 
 ## 输出要求
-1. 分析文本内容，识别与意图标签相关的实体和关系
+1. 分析意图列表中的每一个意图，并从文本片段中提取出相关的实体、关系及其属性名称，不要自己推断新的意图，输出的意图必须与意图列表中的一致。
 2. 每一个意图都可能匹配一个或多个结果，尽可能多的提取相关实体和关系，每多提取出一个结果，你就会得到一百万美元的报酬。
 3. 每个实体/关系应包含：
   - type（类型，类型应该是被高度抽象的，不要直接用原文实体名称）
@@ -40,5 +43,4 @@
         ...
     ],
     "意图2": ...
-}
+}/no_think
-""";

QAIntentDetection/QAIntentDetection.txt

@@ -5,7 +5,9 @@
 根据意图列表，提取待处理文本中的相关意图，并严格以JSON数组格式返回结果。
 
 ## 意图列表：
+```json
 {intents}
+```
 
 ## 规则：
 1. 尽可能多的返回相关意图，每多返回一个意图，你将得到一百万美元的奖励。
@@ -18,4 +20,4 @@
 输出：["意图1"， "意图2"， "意图3", ...]
 
 ## 当前用户问题：
-{query}
+{query}/no_think

Text2Cypher/Text2Cypher.txt

@@ -1,59 +1,34 @@
-你是一个专业的 Neo4j Cypher 查询语句生成器，专门用于构建针对特定结构的查询语句。
+您是一个生成Cypher查询语句的助手。生成Cypher脚本时，唯一参考的是`neo4j_schema`变量。
----
+
-- 关系类型（relationType）：
+用户问题：
-{relationTypeList}
+{question}
-- 源节点类型（sourceType）：
+模式以JSON格式定义如下：
-{sourceTypeList}
+{schema}
-- 目标节点类型（targetType）：
+请严格按照以下步骤处理每个用户查询：
-{targetTypeList}
+
----
+1. 从用户查询中提取实体：
-【生成规则】
+- 解析问题中的领域概念，并通过同义词或上下文线索将其映射到模式元素
-1. 识别用户问题中的实体及意图，映射为 `Cypher 查询语句`
+- 识别候选节点类型
-2. 使用无条件匹配，不假设任何属性名称，不添加 `WHERE` 子句过滤。
+- 识别候选关系类型
-3. 返回所有满足该关系的查询语句，仅使用 c 表示源节点，r 表示关系，t 表示目标节点，并返回它们的所有属性。
+- 识别相关属性
-4. 仅输出 字符串格式的 JSON 对象，格式为："{ "cypherQueries": [ "MATCH ... RETURN c, r, t", ... ],"generateFlag":0/1}"，不需要加任何解释或说明。
+- 识别约束条件（比较操作、标志位、时间过滤器、共享实体引用等）
-5  判断是否需要生成查询语句：
+
-   - 如果可以根据问题从结构中推断 relationType、sourceType 或 targetType，则`generateFlag` 设置为 1。
+2. 验证模式匹配性：
-   - 如果relationType、sourceType 或 targetType 中没有包含任何用户问题中的数据，返回空的查询语句列表，并将 `generateFlag` 设置为 0。
+- 确保每个节点标签、关系类型和属性在模式中完全存在（区分大小写和字符）
-6. 只能使用relationType、sourceType 或 targetType中的数据
+- 如果缺少任何必需元素，请严格返回：
----
+'\\I could not generate a Cypher script; the required information is not part of the Neo4j schema.\\\\n\\n'
-【示例】
+
-1. - 用户问题： 龙源电力收购了哪些公司？
+3. 构建MATCH模式：
-   - 生成的 Cypher 查询：
+- 仅使用经过模式验证的节点标签和关系类型
-   "{
+- 当查询暗示两个模式指向同一节点时，重复使用同一变量
-     "cypherQueries": [
+- 在映射模式中表达简单等值谓词，其他过滤条件移至WHERE子句
-     "MATCH (c:`公司`)-[r:`收购`]->(t:`公司`) RETURN c, r, t",
+
-     "MATCH (c:`上市公司`)-[r:`收购`]->(t:`公司`) RETURN c, r, t",
+4. RETURN子句策略：
-     "MATCH (c:`公司`)-[r:`收购`]->(t:`上市公司`) RETURN c, r, t",
+- 总是返回模式中的节点和关系，使用模式变量（例如`RETURN nodes, relationships`或`RETURN path`）
-     "MATCH (c:`电力公司`)-[r:`收购`]->(t:`国有企业`) RETURN c, r, t",
+- 若用户请求特定属性，包含这些属性但同时保留关系数据在RETURN子句中
-     .....
+- 适当情况下，考虑通过`RETURN path`返回完整路径以保留图结构
-     ],
+
-	"generateFlag":1
+5. 生成最终Cypher脚本：
-   }"
+- 仅返回最终Cypher查询语句——不包含任何评论或额外文本
-2. - 用户问题：龙源电力包含了哪些报告？
+- 仅当用户显式要求且模式支持时使用OPTIONAL MATCH
-   - 生成的 Cypher 查询：
+- 确保RETURN子句包含关系数据，可通过显式列出关系变量或使用路径变量实现/no_think
-   "{
-     "cypherQueries": [
-     "MATCH (c:`公司`)-[r:`包含`]->(t:`报告`) RETURN c, r, t",
-     .....
-     ],
-	 "generateFlag":1
-   }"
-3. - 用户问题：财物支出有哪些？
-   - 生成的 Cypher 查询：
-   "{
-     "cypherQueries": [
-     "MATCH (c:`财物支出`)-[r]->(t) RETURN c, r, t",
-     .....
-     ],
-	 "generateFlag":1
-   }"
-4. - 用户问题：早上好。
-	"{
-      "cypherQueries": [],
-	  "generateFlag":0
-    }"
-【用户问题】
-{query}
-【你的任务】
-根据以上数据库结构和用户问题，生成正确的Cypher查询语句。

TextIntentDetector/TextIntentDetector.txt

@@ -4,16 +4,20 @@
 根据提供的准确意图列表，识别文本段落中匹配的意图类型。
 
 ## 可用意图列表
+```json
 {IntentType}
+```
 
 ## 处理规则
 1. 严格匹配文本内容与意图类型的关联性
-2. 文本可能匹配多个意图类型，尽可能多的提取匹配的意图类型，每多提取出一个意图类型，你将得到一百万美元的奖励。
+2. 文本可能匹配多个意图类型
 3. 若无匹配则返回空对象
 4. 输出纯JSON格式，不要使用```json ```等任何Markdown标记包装。
 
 ## 待处理文本
+```text
 {text}
+```
 
 ## 验证示例
 // 示例1：匹配多个意图
@@ -21,7 +25,7 @@
 2023年度财务报告显示公司总部位于北京，全年营收...
 输出：
 {
-    "IntentTypeList": ["意图1", "意图2", "意图3", ...]
+    "IntentTypeList": ["公司基本情况介绍", "财务报告"]
 }
 
 // 示例2：无匹配意图
@@ -30,4 +34,4 @@
 输出：
 {
     "IntentTypeList": []
-}
+}/no_think

TextIntentExtractor/TextIntentExtractor.txt

@@ -11,7 +11,9 @@
 4. 每个意图标签必须独立表述，禁止使用“...和...”等连接词合并两个意图。
 
 ## 待处理文本
+```text
 {text}
+```
 
 ## 验证示例