pdf-qa-server/src/main/java/com/supervision/pdfqaserver/cache/PromptCache.java

package com.supervision.pdfqaserver.cache;

import java.util.HashMap;
import java.util.Map;

/**
 * 提示词缓存
 */
public class PromptCache {

    public static final String DOERE_TEXT = "DOERE_TEXT";
    public static final String DOERE_TABLE = "DOERE_TABLE";
    public static final String TEXT_TO_CYPHER = "TEXT_TO_CYPHER";
    public static final String GENERATE_ANSWER = "GENERATE_ANSWER";

    public static final String CHINESE_TO_ENGLISH = "CHINESE_TO_ENGLISH";

    public static final String ERE_TO_INSERT_CYPHER = "ERE_TO_INSERT_CYPHER";

    public static final String CLASSIFY_TABLE = "CLASSIFY_TABLE";

    public static final Map<String, String> promptMap = new HashMap<>();

    static {
        init();
    }
    private static void init(){
        promptMap.put(DOERE_TEXT, DOERE_TEXT_PROMPT);
        promptMap.put(DOERE_TABLE, DOERE_TABLE_PROMPT);
        promptMap.put(CHINESE_TO_ENGLISH, CHINESE_TO_ENGLISH_PROMPT);
        promptMap.put(ERE_TO_INSERT_CYPHER, ERE_TO_INSERT_CYPHER_PROMPT);
        promptMap.put(TEXT_TO_CYPHER, TEXT_TO_CYPHER_PROMPT);
        promptMap.put(GENERATE_ANSWER, GENERATE_ANSWER_PROMPT);
        promptMap.put(CLASSIFY_TABLE, CLASSIFY_TABLE_PROMPT);
    }



    private static final String DOERE_TEXT_PROMPT = """
            你是一个高级信息抽取引擎，请从给定文本中提取以下结构化信息并以JSON数据输出，不要进行解释：
                                
                1. **节点提取**：
                   - 识别所有实体作为节点
                   - 自动推断每个节点的类型
                   - 记录节点的所有相关属性（键值对形式）
                                
                2. **关系提取**：
                   - 识别所有节点间的关系
                   - 自动推断关系类型
                   - 记录关系的所有相关属性（键值对形式）
                                
                3. **类型化三元组**：
                   - 生成由 (头节点类型, 关系类型, 尾节点类型) 组成的元组
                                
                **输出要求**：
                - 输出纯JSON格式，不要使用```json ```等任何Markdown标记包装
                - 使用如下JSON Schema：
                {
                  "nodes": [
                    {
                      "name": "节点名称",
                      "type": "节点类型",
                      "attributes": {
                        "属性名1": "属性值1",
                        "属性名2": "属性值2"
                      }
                    }
                  ],
                  "relations": [
                    {
                      "source": "头节点名称",
                      "target": "尾节点名称",
                      "type": "关系类型",
                      "attributes": {
                        "关系属性名1": "关系属性值1"
                      }
                    }
                  ],
                  "typed_triplets": [
                    ["头节点类型", "关系类型", "尾节点类型"]
                  ]
                }
                                
                                
                **处理规则**：
                1. 节点类型和关系类型由你根据上下文语义自动创建（如"科学家"/"发明"/"研究所"）
                2. 属性字段应包含文本中明确提及或可推导的特征（如数值、时间、状态等）
                3. 对同一实体的不同指代需进行合并（如"特斯拉"和"埃隆·马斯克的公司"）
                                
                **示例文本**：
                "爱因斯坦在1905年发表了狭义相对论论文，这篇革命性理论后来被普林斯顿高等研究院深入研究"
                                
                **期望输出**：
                                
                {
                  "nodes": [
                    {
                      "name": "爱因斯坦",
                      "type": "物理学家",
                      "attributes": {
                        "领域": "理论物理"
                      }
                    },
                    {
                      "name": "狭义相对论",
                      "type": "科学理论",
                      "attributes": {
                        "发表年份": 1905,
                        "重要性": "革命性"
                      }
                    },
                    {
                      "name": "普林斯顿高等研究院",
                      "type": "科研机构",
                      "attributes": {
                        "研究领域": "理论科学"
                      }
                    }
                  ],
                  "relations": [
                    {
                      "source": "爱因斯坦",
                      "target": "狭义相对论",
                      "type": "发表",
                      "attributes": {
                        "时间": 1905
                      }
                    },
                    {
                      "source": "普林斯顿高等研究院",
                      "target": "狭义相对论",
                      "type": "研究",
                      "attributes": {
                        "强度描述": "深入"
                      }
                    }
                  ],
                  "typed_triplets": [
                    ["物理学家", "发表", "科学理论"],
                    ["科研机构", "研究", "科学理论"]
                  ]
                }
                                
                请处理以下文本：
                {}
            """;

    private static final String DOERE_TABLE_PROMPT = """
            你是一个表格数据处理专家，请严格按以下要求从给出的表格中提取数据，直接给出结果，不进行解释：
                        
            **处理规则：**
            1. 完全保留原始表头字段名称，不做任何中英文转换或修改
            2. 将每行数据转换为一个独立对象
            3. 所有数值保留原始格式（包括逗号分隔符和小数点）
            4. 表格第一列作为主键字段
                        
            **输出格式：**
            {
              "table_data": [
                {
                  "[第一列表头]": "[第一列值]",
                  "[第二列表头]": "[第二列值]",
                  "[第三列表头]": "[第三列值]"
                },
                // 后续行...
              ]
            }
            
                        
            **示例表格：**
            | 账龄 | 期末余额 | 年初余额 |
            | --- | --- | --- |
            | 1年以内 | 310,844,201.27 | 337,641,834.84 |
            | 1至2年 | 52,374,904.35 | 15,041,750.36 |
                        
            **期望输出：**
                        
            {
              "table_data": [
                {
                  "账龄": "1年以内",
                  "期末余额": "310,844,201.27",
                  "年初余额": "337,641,834.84"
                },
                {
                  "账龄": "1至2年",
                  "期末余额": "52,374,904.35",
                  "年初余额": "15,041,750.36"
                }
              ]
            }
                        
            请处理以下表格：
            {}
            """;

    private static final String TEXT_TO_CYPHER_PROMPT = """
            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。
                 
                 ---
                 
                 **【数据库结构说明】**
                 
                 - **关系类型（relationType）**：
                 {relationTypeList}
                 
                 - **源节点类型（sourceType）**：
                 {sourceTypeList}
                 
                 - **目标节点类型（targetType）**：
                 {targetTypeList}
                 
                 ---
                 
                 **【生成规则】**
                 
                 1. 识别用户问题中的实体及意图，映射为 `Cypher 查询语句`
                 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。
                 3. 返回所有满足该关系的查询语句，并包含节点和关系的**所有属性**。
                 4. 仅输出 字符串格式的json对象，不需要加任何解释。
                 5. 如无法从结构中推断 relationType、sourceType 或 targetType，输出：
                    "无法根据数据库结构生成查询"
                 
                 ---
                 
                 **【示例】**
                 
                 1. - **用户问题：** 查询“宝塔盛华商贸集团”的基本信息？
                    - **生成的 Cypher 查询：**
                    "\\{
                      "cypherQueries": [
                        "MATCH (c:Company)-[r:HAS_LEGAL_REP]->(t) RETURN c, r, t",
                        "MATCH (c:Company)-[r:HAS_PHONE]->(t) RETURN c, r, t",
                        .....
                      ]
                    \\}"
                 
                 2. - **用户问题：** 查询“宝塔盛华商贸集团”出具的电子银行承兑汇票金额是多少？
                    - **生成的 Cypher 查询：**
                     "\\{
                       "cypherQueries": [
                        "MATCH (c:Company)-[r:IssueDocument]->(t:FinancialBill) RETURN c, r, t",
                        .....
                       ]
                     \\}"
                 
                 【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。
           """;

    private static final String GENERATE_ANSWER_PROMPT = """
            一、任务说明
            你是一个审计报告的整理助手，你需要对用户询问的问题根据产考数据进行回答。
            二、用户输入：
            {query}
            三、参考文本：
            {example_text}
            四、注意事项
            1. 数据核实：需确认是否使用参考文本中的数据。
            2. 信息时效：可能需要确认数据的时间。
            3. 问题范围界定：当用户提问超出审计报告分析范畴时，统一采用以下话术回复：
            "您好！当前系统功能聚焦于审计报告相关内容分析，您的问题暂不在支持范围内。如需查询财务数据、票据详情或其他审计相关信息，请提供具体问题，我们将全力协助。"
            """;

    private static final String CHINESE_TO_ENGLISH_PROMPT = """
            你是一个Neo4j图数据库命名规范转换专家，请将以下中文短语转换为符合Neo4j命名规范的英文名称。要求：
                        
            1. **命名规范**：
               - 使用`UpperCamelCase`命名实体（如`ProductCategory`）
               - 禁止特殊字符（如空格、括号、引号、换行符等）
               - 优先选择技术领域通用术语
                        
            2. **转换规则**：
               - 直译或意译均可，但需确保语义清晰
               - 若中文含多义词，选择最贴近技术场景的译法
               - 对品牌/专有名词保留原始英文（如"腾讯"→ Tencent）
                        
            3. **输入输出示例**：
               - 输入: "用户订单" → 输出: UserOrder
               - 输入: "属于2023年" → 输出: BELONGS_TO_2023
               - 输入: "5G网络设备" → 输出: 5GNetworkDevice
               - 输入: "评分大于90" → 输出: SCORE_ABOVE_90
                        
            4. **待转换文本**：
               {}
                        
            5. **输出要求**：
               - 不要使用``````等任何Markdown标记包装
               - 只需返回转换后的英文名称，无需解释。
            """;


    private static final String  ERE_TO_INSERT_CYPHER_PROMPT = """
            请将以下三元组数据转换为Neo4j的Cypher语句，要求：
            1. **节点**用`(n:Label {name: "Value"})`表示，其中`Label`是实体类型（如`Person`、`Company`）；
            2. **关系**用`[r:RELATION_TYPE]`表示，保持与三元组中关系一致；
            3. 如果节点或关系已存在，使用`MERGE`避免重复创建；
            4. 返回完整的Cypher语句，不要解释。
                        
            ### 输入三元组示例
            [
              {"source": "人物","sourceType": "Person", "relation": "创始人", "relationType": "FOUNDED","target": "公司","targetType": "Company"},
            {"source": "公司","sourceType": "Company ", "relation": "位于", "relationType": "LOCATED_IN","target": "城市","targetType": "City "}
            ]
                        
            ### 输出示例
                        
            MERGE (p:Person {name: "人物"})
            MERGE (c:Company {name: "公司"})
            MERGE (city:City {name: "城市"})
            MERGE (p)-[r1:FOUNDED]->(c)
            MERGE (c)-[r2:LOCATED_IN]->(city)
                        
            ### 规则补充
            1. 实体类型映射：
               - "人物" → `Person`
               - "公司" → `Company`
               - "城市" → `City`
            2. 关系类型映射：
               - "创始人" → `FOUNDED`
               - "位于" → `LOCATED_IN`
            3. 属性统一用`name`字段存储实体名称。
                        
            ### 禁止行为
            1. 不要为关系添加属性（除非明确提供）；
            2. 不要使用中文标签（如`人物`→`Person`）；
            3. 不要省略MERGE的安全约束。
            ### 请转换以下三元组：
            {}
            """;

    private static final String CLASSIFY_TABLE_PROMPT = """
            你是一个表格数据处理专家，直接给出结果，不要解释。
            **请根据表格行的标题类型，区分表格行标题是否是描述性标题：**
                        
            1. **描述性标题型定义**
               - 行标题为**描述性文本**（如审计事项说明、应对措施等）
               - 内容以**段落式文字**为主，而非结构化数据
               - 列数较少（通常2列），且列标题为**概括性说明**（如"关键审计事项"、"审计应对"）
               - 示例：
                 ```
                 | 关键审计事项               | 在审计中如何应对该事项       |
                 |---------------------------|-----------------------------|
                 | 无形资产减值准备...        | 我们对管理层...进行测试... |
                 ```
                        
            2. **分类标签型定义**
               - 行标题为**分类标签**（如会计科目、项目名称）
               - 内容以**结构化数据**为主（如数字、日期、代码）
               - 列数较多（通常≥6列），且列标题为**具体分类**（如"2023年12月31日"、"附注"）
               - 示例：
                 ```
                 | 项目         | 附注 | 2023年12月31日       | 2023年1月1日       |
                 |--------------|------|---------------------|-------------------|
                 | 货币资金     | 六.1 | 4,879,272,436.13    | 20,493,232,077.05 |
                 ```
                        
            **输出要求**
               - 如果是描述性标题输出**是**，否则输出**否**
               - 不需要解释说明
                        
            **示例表格**
            	| 三产收人确认 关键审计事项 | 在审计中如何应对该事项 |
            	| --- | --- |
            	| 如财务报表附注六注释49营业收入、营 业成本所示，2023年营业收入376\\.42亿 元与上年相比减少5\\.57%，由于收入是 龙源电力的关键绩效指标之一，我们将 其收入的确认作为关键审计事项。 | 我们对收入确认执行的审计程序包括： 1、评价管理层与销售和收款相关的内部控制的设 计和运行有效性；|
            	
            	**期望输出**
            	是
            	
            	请处理以下表格：
            	{}
            """;
}