模板01

2025-06-26

14

作者编辑

问题：我的八字是【八字排盘】。请你分析一下我的【推理主题】。

<think>
场景主题：【推理主题名】  
调用规则方法：【本主题下需调用的主要判断方法】  
推理路径规划：本任务应从【核心维度1】、【核心维度2】、…、【核心维度N】等方面入手，逐层分析，以得出合理结论。
</think>

1. 【维度1】：根据八字判断，【结构要素说明及其状态】。  
2. 【维度2】：结合【另一结构或星曜】，判断其【作用/制约关系】。  
…  
N. 【维度N】：分析命局整体【泄耗、合冲、从与不从等结构倾向】，推断其对主题的影响。

综合上述要素，命局在【主题相关方面】呈现出【xxx】的趋势，【逻辑解释1】，【逻辑解释2】。

结论：【自然语言总结式结论，带有清晰层级或分类描述】。
### 模板1
【请严格遵循以下要求，绝不能遗漏或随意删减】：  
1. 请根据输入的八字原文，结合核心八字命理推理逻辑，进行整理和归纳。  
2. 内容需考虑但不限于以下关键判断方向，视具体文本内容涉及情况灵活调用涉及到的：  
   - 日干旺衰及其状态（偏旺、偏弱、从旺、从弱等）  
   - 月令对日干的生克制化影响  
   - 印星（正印、偏印）的位置、作用及受克情况  
   - 食伤（食神、伤官）对日干的泄气、生助作用  
   - 官杀（正官、七杀）的旺衰及对日干的制约  
   - 财星的强弱与生克关系  
   - 比劫（比肩、劫财）对日干的帮扶和耗泄  
   - 地支藏干对日干的影响  
   - 五行生克合冲刑害的关系及变化  
   - 日干或用神被泄耗的情况  
   - 用神、忌神的确定及其作用  
   - 行运对用神、忌神的影响趋势  
   - 命局整体格局分析（如从弱、从强、假从旺等）  
   - 各柱干支对日干的综合影响  
   - 命局稳定性和潜在变化  
   - 特殊结构（如伤官配印、官杀混杂等）的具体说明

3. 输出内容要求：  
   - 语言自然流畅，符合普通用户理解习惯  
   - 逻辑严密，推理步骤清晰，方便后续人工或模型处理  
   - 不能凭空添加与输入文本不符的信息，也不得遗漏明显的关键判断  
   - 适当省略未涉及的方向，避免无意义堆砌

4. 请整理成一段结构清晰的文本，突出核心推理点和结论，避免冗余与重复。

请根据上述要求，对输入八字文本内容进行梳理，输出符合规范的推理整理文本。

### 一些总结
1. 提示集构建整体思路（倒推+分步多阶段）
目标是训练模型在“八字文凭推理”任务上，输出带有完整推理链（CoT）的结构化推理回答

训练数据不是一步到位生成JSON，而是分两步：

第一步：从原始文本抽取出半结构化、语义丰富的关键信息（八字、推理主题、相关规则、核心结构等）

第二步：用第一步的结构化数据作为输入，生成包含推理链和明确结论的SFT格式训练样本（prompt+response）

这样分步做，避免格式硬绑，保证信息完整和模型的规则内化能力

2. 分步提示词模板设计
第一步提示词模板：用于原始文本到结构化关键信息抽取，要求模型提取八字、推理主题、调用的核心规则、关键信息（如日干、印星、食伤等）和用户问句

第二步提示词模板：基于结构化信息，指导模型生成带 <think>...</think> 结构的详细推理链和结论，保证输出逻辑清晰，符合Chain-of-Thought

以上两步的输出格式更自然语言化，避免死板的JSON格式硬编码，方便模型理解和训练

3. 模型应用场景倒推
最终使用场景：用户输入八字，模型自动根据内化规则，结合输入信息，给出带推理链的学历推断回答

该回答包含主题识别、规则调用、结构化推理步骤和综合结论，推理步骤要详细、逻辑清晰且可理解

<think> 内是模型的“思考过程” （模型内部可见，用户不可见），</think> 后是用户可读的推理总结与明确结论

训练时让模型学会“内化规则”，即初期可输入规则，后期仅凭八字和问题做推理

4. SFT样本结构示范（抽象模板）
css
复制
编辑
问题：我的八字是【八字排盘】，请帮我分析一下我的【推理主题】。

<think>
场景主题：【推理主题名】
调用规则方法：【主题下的主要判断规则】
推理路径规划：本任务从【维度A】、【维度B】、【维度C】逐层分析，形成合理推论
</think>

1. 【维度A】：分析结构和状态...
2. 【维度B】：结合其他结构判断...
3. 【维度C】：整体命局影响...

综合以上，命局表现为【xxx】，推断【yyy】。

结论：【清晰的学历层级等总结】
5. 分步调用与SFT数据构建流程
第一步（原始文本→结构化信息）
输入：八字案例文本
输出：结构化信息（八字、推理主题、核心规则、关键结构状态、简短案例描述、用户问句）

第二步（结构化信息→SFT训练样本）
输入：第一步结构化信息
输出：标准SFT样本（prompt + response，response内含详细推理链和结论）

两步均通过调用大语言模型完成，保持灵活和信息完整

6. 知识库与RAG的设计想法
你提到用八字基础知识和技巧做知识库

用案例作为查询输入，通过RAG技术检索知识库相关内容辅助推理

这样能支持模型理解和动态调用复杂规则，提升推理质量

7. 关于tokenizer与向量库
用qwen3-embedding等本地embedding模型做文本向量化，构建faiss向量库

chunk大小要合理，比如3000 tokens左右，保证上下文连贯但不过大，方便快速检索

tokenizer用模型对应的tokenizer，不能直接用json文件路径，要用transformers正确加载

先分块后embedding，再建索引，检索时按query embedding返回相关文本

你已经完成了初步文档分割和faiss建库

接下来你要做的准备
你准备发原始文本让我看，我会帮你设计第一步“原始文本→结构化信息”的精准提示词

可以进一步帮你做第二步“结构化→SFT训练样本”的提示词设计

如果需要，可以帮写示范脚本和分步调用示例

如果你现在贴文本，我马上帮你用这套思路给出具体的第一步提取模板提示词，帮你开始这套流程的落地。

这就是我这轮对话里最核心、重要的总结，你看是不是都在你预期里面？如果有遗漏或需要重点展开的，随时告诉我！

其他

博客信息

作者 eeettt123

发布日期 2025-06-26

其他信息 : 其他三字母的人名首字母都是其他同学发布的哦