hz4th_coder
9260542aa8
- 新增数据质量评估：按类别核心字段（参数/上下文/发布日期/组织等）计算覆盖度 - 质量不足自动重新探索（限1次）：根据缺失字段生成4个针对性搜索词，重新搜索+抓取+提取 - 填充模板升级：补充AI模型完整字段（架构/开源/价格/能力），要求输出带URL的data_sources - 提交附引用链接：从提取内容收集标题+URL，随产品数据提交给ParamHub - 新增审核监控线程：提交后轮询审核状态，检测到拒绝时记录拒绝理由 - 审核拒绝复盘：大模型分析拒绝理由→生成定向搜索词→补搜缺失信息→重新提取填充→重新提交 - 复盘实测：deepseek-v4-flash-0731 被拒(缺参数量)后自动补全 37B/MoE/128K/价格，重新提交成功
86 lines
3.4 KiB
Plaintext
86 lines
3.4 KiB
Plaintext
## 任务背景
|
||
|
||
### 产品基本信息
|
||
- **产品名称：** {{product_name}}
|
||
- **产品类别：** {{category}}
|
||
- **子类别：** {{subcategory}}
|
||
|
||
### 相关内容数据ID
|
||
上一步已筛选出以下与产品直接相关且对参数提取有用的内容库数据ID：
|
||
{{relevant_content_ids}}
|
||
|
||
## 任务要求
|
||
|
||
请完成以下工作：
|
||
|
||
### 1. 确定字段配置
|
||
根据产品类别（{{category}}）确定字段：
|
||
|
||
- **AI模型** → `/api/models` 字段包括：
|
||
`name`(必填), `organization`(厂商), `parameters`(参数量如"70B"), `architecture`(架构),
|
||
`context_length`(上下文长度), `mmlu`(能力评分), `humaneval`(代码能力),
|
||
`is_open_source`(是否开源true/false), `license`(许可证),
|
||
`input_price`(输入价格), `output_price`(输出价格), `publish_date`(发布日期),
|
||
`description`(简介), `visible`, `is_pinned`
|
||
|
||
- **GPU** → `/api/gpus` 字段：name, manufacturer, memory_gb, cuda_cores, tensor_cores, price_usd, release_year, visible, is_pinned
|
||
- **CPU** → `/api/cpus` 字段：name, manufacturer, cores, threads, base_clock, boost_clock, price_usd, visible, is_pinned
|
||
- 其他动态分类 → `/api/items/{category_id}`
|
||
|
||
### 2. 从内容库获取数据内容
|
||
根据上述数据ID，从内容库中获取每条数据的完整内容和URL。
|
||
|
||
### 3. 整理产品参数
|
||
根据获取到的内容，提取并整理产品的各项参数，严格按照字段格式填充。
|
||
|
||
**提取原则（重要）：**
|
||
- 优先提取**型号级精确参数**：参数量、上下文长度、能力指标、价格、发布日期等
|
||
- 找不到型号级参数时，**品牌/系列级信息用于填充基础字段**：organization、series、publish_date
|
||
- **能力表现**：如内容提及 mmlu/benchmark/评测分数、代码能力、推理速度等务必提取
|
||
- **价格**：如内容提及 API 定价（每百万token价格）、硬件价格等务必提取
|
||
- **开源信息**：如内容提及开源/开源协议务必提取 is_open_source/license
|
||
- 不要编造或推测任何参数，只使用内容中实际存在的信息
|
||
- 找不到的字段留空即可，**不要强行编造**
|
||
|
||
### 4. 格式检查
|
||
- 必填字段：name 必须有值
|
||
- 数字字段必须是数字（context_length/mmlu/价格等），布尔字段必须是 true/false
|
||
- 如果发现格式问题，请修正后重新输出
|
||
|
||
### 5. 输出要求
|
||
请以JSON格式输出（不要提交，只输出数据）：
|
||
```json
|
||
{
|
||
"success": true,
|
||
"product_data": {
|
||
"name": "产品名称",
|
||
"organization": "厂商",
|
||
"parameters": "70B",
|
||
"context_length": 4096,
|
||
"mmlu": 85.5,
|
||
"publish_date": "2024-01-01",
|
||
"is_open_source": true,
|
||
"input_price": 1.0,
|
||
"output_price": 2.0,
|
||
"visible": true,
|
||
"is_pinned": false
|
||
},
|
||
"data_sources": [
|
||
{"id": 1, "title": "来源标题", "url": "https://来源链接", "used_for": "该来源提供了哪些字段"}
|
||
],
|
||
"format_check": {
|
||
"passed": true,
|
||
"issues_found": [],
|
||
"issues_fixed": []
|
||
},
|
||
"message": "数据生成说明"
|
||
}
|
||
```
|
||
|
||
**注意：**
|
||
- `data_sources` 必须是数组，每项包含 `id`、`title`、`url`（原文链接）、`used_for`（该来源提供了哪些字段）
|
||
- 不要编造或推测任何参数，只使用内容中实际存在的信息
|
||
- 如果某些字段无法从内容中提取，可以留空
|
||
- 不要执行任何提交操作，只生成并输出数据
|
||
- 确保输出的JSON格式正确，可以被程序解析
|