|
|
|
|
|
import gradio as gr
|
|
|
import pandas as pd
|
|
|
import json
|
|
|
import random
|
|
|
from LLM import zero_shot
|
|
|
from prompt_generate import generate_prompt_with_examples as generate_prompt
|
|
|
from prompt_generate import generate_prompt_with_best_matches as generate_prompt_b
|
|
|
|
|
|
def get_model_options():
|
|
|
"""获取可用的模型系列选项"""
|
|
|
return ['gpt', 'llama', 'qwen', 'deepSeek', 'gemini', 'claude']
|
|
|
|
|
|
def get_common_model_names(model_series):
|
|
|
"""根据模型系列返回常用的模型名称选项"""
|
|
|
model_names = {
|
|
|
'gpt': ['gpt-3.5-turbo', 'gpt-4o'],
|
|
|
'llama': ['meta-llama/Meta-Llama-3.1-405B-Instruct'],
|
|
|
'qwen': ['Qwen/Qwen2.5-72B-Instruct'],
|
|
|
'deepSeek': ['deepseek-ai/DeepSeek-V3', 'deepseek-ai/DeepSeek-R1'],
|
|
|
'gemini': ['gemini-1.5-pro-002'],
|
|
|
'claude': ['claude-3-5-haiku-20241022']
|
|
|
}
|
|
|
return model_names.get(model_series, [])
|
|
|
|
|
|
def get_prompt_templates():
|
|
|
"""获取预制的prompt模板"""
|
|
|
templates = {
|
|
|
"自定义": "",
|
|
|
"Zero-shot基础提取": """你是一名专业经验丰富的工程地质领域专家，你的任务是从给定的输入文本中提取"实体-关系-实体"三元组。关系类型包括24种："出露于"、"位于"、"整合接触"、"不整合接触"、"假整合接触"、"断层接触"、"分布形态"、"大地构造位置"、"地层区划"、"出露地层"、"岩性"、"厚度"、"面积"、"坐标"、"长度"、"含有"、"所属年代"、"行政区划"、"发育"、"古生物"、"海拔"、"属于"、"吞噬"、"侵入"。提取过程请按照以下规范：
|
|
|
1. 输出格式：
|
|
|
严格遵循JSON数组，无额外文本，每个元素包含：
|
|
|
[
|
|
|
{
|
|
|
"entity1": "实体1",
|
|
|
"relation": "关系",
|
|
|
"entity2": "实体2"
|
|
|
}
|
|
|
]
|
|
|
2. 复杂关系处理：
|
|
|
- 若同一实体参与多个关系，需分别列出不同三元组""",
|
|
|
|
|
|
"知识引导增强提取": """你是一名专业经验丰富的工程地质领域专家，你的任务是从给定的输入文本中提取"实体-关系-实体"三元组。关系类型包括24种："出露于"、"位于"、"整合接触"、"不整合接触"、"假整合接触"、"断层接触"、"分布形态"、"大地构造位置"、"地层区划"、"出露地层"、"岩性"、"厚度"、"面积"、"坐标"、"长度"、"含有"、"所属年代"、"行政区划"、"发育"、"古生物"、"海拔"、"属于"、"吞噬"、"侵入"。提取过程请按照以下规范：
|
|
|
1. 输出格式：
|
|
|
严格遵循JSON数组，无额外文本，每个元素包含：
|
|
|
[
|
|
|
{
|
|
|
"entity1": "实体1",
|
|
|
"relation": "关系",
|
|
|
"entity2": "实体2"
|
|
|
}
|
|
|
]
|
|
|
2. 复杂关系处理：
|
|
|
- 若同一实体参与多个关系，需分别列出不同三元组
|
|
|
3. 关系的解释：
|
|
|
出露于：指岩石或地层暴露在地表或近地表，未被覆盖或埋藏。例如：（晚奥陶世 - 志留世侵入岩，出露于，调查区南部）。
|
|
|
|
|
|
位于：确立地质单元在更大空间框架（行政区域/构造单元）中的从属关系。例如：（库穆奇志留世玄武岩基性岩石，位于，调查区中西部）
|
|
|
|
|
|
整合接触：指示上下地层连续沉积形成的接触关系，反映无显著沉积间断的岩性渐变特征。例如：（索拉克组，整合接触，中奥陶统林组）。
|
|
|
|
|
|
不整合接触：描述存在沉积缺失的地层接触界面，包含角度差异或岩性突变的接触特征。例如：（通子岩组，不整合接触，毛口组）。
|
|
|
|
|
|
假整合接触：特指产状一致的平行不整合类型，强调沉积序列的间断但无构造变形。例如：（索拉克组，假整合接触，中奥陶统林组）。
|
|
|
|
|
|
断层接触：两个地层之间为断层带或断层面，往往伴随动力破碎等构造现象。例如：（索拉克组，断层接触，上奥陶统拉排泉组）。
|
|
|
|
|
|
分布形态：刻画地质单元的空间展布特征，包括几何形态与延伸方向的组合描述。例如：（石炭系，分布形态，带状）。
|
|
|
|
|
|
大地构造位置：定位地质单元在板块构造格架中的归属，关联造山带或构造单元划分。例如：（石炭系，大地构造位置，冈瓦纳构造带北缘）。
|
|
|
|
|
|
地层区划：表征地层单元在区域地层划分体系中的层级归属与分区属性。例如：（石炭系，地层区划，冈瓦纳）。
|
|
|
|
|
|
出露地层：特指某区域实际暴露的地层实体，强调可观测的地表地质单元。例如：（红柳沟金铜矿区，出露地层，南华 - 下奥陶统红柳沟群）。
|
|
|
|
|
|
岩性：定义岩石的物质组成与结构特征，包含复合岩性的层级描述要素。例如：（晚奥陶世 - 志留世正长岩，岩性，蚀变正长岩）。
|
|
|
|
|
|
厚度：量化地层/岩体的垂向尺度，包含绝对数值与相对描述的量纲表达。例如：（正长岩，厚度，35.60 m）。
|
|
|
|
|
|
面积：表征地质单元的水平展布范围，以数值与单位组合的标准化形式呈现。例如：（侵入岩，出露面积，54 m2）
|
|
|
|
|
|
坐标：特指记录地质特征点的地理空间定位数据。例如：（索拉克铜金矿址，坐标，东经90°11′47″）。
|
|
|
|
|
|
长度：描述线性地质体的空间延伸尺度。例如： 可提取出三元组（什比恩断裂带，长度，20m）。
|
|
|
|
|
|
含有：指示主体物质的成分包含关系，专指矿物组成或化石赋存状态，不同于日常的意思。例如：（中灰黑色块状燧石，含有，燧石条带）。
|
|
|
|
|
|
所属年代：建立地质单元与标准地质年代体系的对应关系。例如：（红柳沟金铜矿区，所属年代，早 - 中二叠世）。
|
|
|
|
|
|
行政区划：界定地质实体在行政管理体系中的隶属层级与地域归属。例如：（调查区，行政区划，茶阳县）。
|
|
|
|
|
|
发育：描述地质构造或沉积特征的显现程度与形成状态强度。例如：（兰花瓮组，发育，水平层理）。
|
|
|
|
|
|
古生物：记录地层中赋存的化石生物信息，需包含完整拉丁学名与分类特征。例如：（地层，古生物，Lumu et a）。
|
|
|
|
|
|
海拔：量化地质特征点相对于海平面的高程数据，保留测量基准标识。例如：（索拉克铜金矿址，海拔，2800m）。
|
|
|
|
|
|
属于：确立地质单元在分类体系中的类型归属。例如：（矿区，属于，多金属矿化亚区）。
|
|
|
|
|
|
吞噬：表征侵入体对围岩的空间取代过程，反映岩浆活动的改造作用。例如：（任天堂岩组，吞噬，侏罗纪花岗岩）。
|
|
|
|
|
|
侵入：描述岩浆岩体贯入围岩的地质作用过程，包含接触变质等伴生现象。例如：（高州壳石组，侵入，片麻状花岗岩）。
|
|
|
|
|
|
4. 其他要点：
|
|
|
所有三元组关系必须是以上24种之一
|
|
|
关系的实体不能是动词或者介词等无意义的词。且描述岩石和地层等实体等要根据原文尽可能完整""",
|
|
|
}
|
|
|
return templates
|
|
|
|
|
|
def get_qa_prompt_templates():
|
|
|
"""获取QA模块的prompt模板"""
|
|
|
templates = {
|
|
|
"自定义": "",
|
|
|
"Zero-shot判断题": "请根据给定的文本判断对错。",
|
|
|
"Zero-shot问答题": "请根据给定的文本回答问题。",
|
|
|
"COT判断题": "请首先判断对错，并给出你的推理依据。",
|
|
|
"COT问答题": "请首先回答该问题，并给出你的推理依据。",
|
|
|
}
|
|
|
return templates
|
|
|
|
|
|
|
|
|
_train_data = None
|
|
|
_text_series = None
|
|
|
_label_series = None
|
|
|
|
|
|
def load_train_data():
|
|
|
"""加载训练数据"""
|
|
|
global _train_data, _text_series, _label_series
|
|
|
if _train_data is None:
|
|
|
try:
|
|
|
_train_data = pd.read_json('./data/train_triples.json')
|
|
|
_text_series = _train_data['text']
|
|
|
_label_series = _train_data['triple_list']
|
|
|
except Exception as e:
|
|
|
print(f"加载训练数据失败: {e}")
|
|
|
return False
|
|
|
return True
|
|
|
|
|
|
def generate_random_context_prompt(user_text, num_examples):
|
|
|
"""生成随机上下文提示"""
|
|
|
if not load_train_data():
|
|
|
return "无法加载训练数据"
|
|
|
|
|
|
try:
|
|
|
random_prompt = generate_prompt(_text_series, _label_series, num_examples)
|
|
|
return f"以下是地质描述文本和三元组提取样例：\n\n{random_prompt}\n请根据样例提取三元组：\n{user_text}"
|
|
|
except Exception as e:
|
|
|
return f"生成随机上下文提示失败: {e}"
|
|
|
|
|
|
def generate_best_match_context_prompt(user_text, num_examples):
|
|
|
"""生成基于相似度的最佳匹配上下文提示"""
|
|
|
if not load_train_data():
|
|
|
return "无法加载训练数据"
|
|
|
|
|
|
try:
|
|
|
best_match_prompt = generate_prompt_b(_text_series, _label_series, user_text, num_examples)
|
|
|
if best_match_prompt.strip():
|
|
|
return f"以下是地质描述文本和三元组提取样例：\n\n{best_match_prompt}\n\n请根据样例提取三元组：\n{user_text}"
|
|
|
else:
|
|
|
return f"未找到匹配的样例，进行零样本提取：\n{user_text}"
|
|
|
except Exception as e:
|
|
|
return f"生成最佳匹配上下文提示失败: {e}"
|
|
|
|
|
|
def update_model_names(model_series):
|
|
|
"""当模型系列改变时更新模型名称下拉列表"""
|
|
|
names = get_common_model_names(model_series)
|
|
|
return gr.Dropdown(choices=names, value=names[0] if names else "", label="模型名称", allow_custom_value=True)
|
|
|
|
|
|
def update_prompt_content(template_name):
|
|
|
"""当prompt模板改变时更新内容"""
|
|
|
templates = get_prompt_templates()
|
|
|
content = templates.get(template_name, "")
|
|
|
return gr.Textbox(value=content, label="Prompt内容", lines=15, max_lines=25)
|
|
|
|
|
|
def update_qa_prompt_content(template_name):
|
|
|
"""当QA prompt模板改变时更新内容"""
|
|
|
templates = get_qa_prompt_templates()
|
|
|
content = templates.get(template_name, "")
|
|
|
return gr.Textbox(value=content, label="QA Prompt内容", lines=3, max_lines=10)
|
|
|
|
|
|
def call_llm_model(model_series, model_name, prompt_content, user_content, context_type, num_examples):
|
|
|
"""调用LLM模型的包装函数（三元组提取）"""
|
|
|
try:
|
|
|
if not model_series or not model_name:
|
|
|
return "请选择模型系列和模型名称"
|
|
|
|
|
|
if not user_content:
|
|
|
return "请输入要处理的文本内容"
|
|
|
|
|
|
|
|
|
if context_type == "无上下文":
|
|
|
if prompt_content.strip():
|
|
|
full_content = prompt_content.strip() + "\n\n" + user_content
|
|
|
else:
|
|
|
full_content = user_content
|
|
|
elif context_type == "随机上下文":
|
|
|
context_prompt = generate_random_context_prompt(user_content, num_examples)
|
|
|
if prompt_content.strip():
|
|
|
full_content = prompt_content.strip() + "\n\n" + context_prompt
|
|
|
else:
|
|
|
full_content = context_prompt
|
|
|
elif context_type == "最佳匹配上下文":
|
|
|
context_prompt = generate_best_match_context_prompt(user_content, num_examples)
|
|
|
if prompt_content.strip():
|
|
|
full_content = prompt_content.strip() + "\n\n" + context_prompt
|
|
|
else:
|
|
|
full_content = context_prompt
|
|
|
else:
|
|
|
if prompt_content.strip():
|
|
|
full_content = prompt_content.strip() + "\n\n" + user_content
|
|
|
else:
|
|
|
full_content = user_content
|
|
|
|
|
|
response = zero_shot(model_series, model_name, full_content)
|
|
|
|
|
|
|
|
|
if hasattr(response, 'content'):
|
|
|
return response.content
|
|
|
elif isinstance(response, dict) and 'content' in response:
|
|
|
return response['content']
|
|
|
elif isinstance(response, str):
|
|
|
return response
|
|
|
else:
|
|
|
return str(response)
|
|
|
|
|
|
except Exception as e:
|
|
|
return f"调用模型时出错: {str(e)}"
|
|
|
|
|
|
def call_qa_model(model_series, model_name, qa_prompt_content, geological_text, question_or_statement, qa_type):
|
|
|
"""调用LLM模型的包装函数（QA模块）"""
|
|
|
try:
|
|
|
if not model_series or not model_name:
|
|
|
return "请选择模型系列和模型名称"
|
|
|
|
|
|
if not geological_text:
|
|
|
return "请输入地质文本"
|
|
|
|
|
|
if not question_or_statement:
|
|
|
if qa_type == "判断题":
|
|
|
return "请输入需要判断的事实描述"
|
|
|
else:
|
|
|
return "请输入需要回答的问题"
|
|
|
|
|
|
|
|
|
if qa_type == "判断题":
|
|
|
if qa_prompt_content.strip():
|
|
|
full_content = f"{qa_prompt_content.strip()}\n\n地质文本：\n{geological_text}\n\n需要判断的事实描述：\n{question_or_statement}"
|
|
|
else:
|
|
|
full_content = f"地质文本：\n{geological_text}\n\n需要判断的事实描述：\n{question_or_statement}"
|
|
|
else:
|
|
|
if qa_prompt_content.strip():
|
|
|
full_content = f"{qa_prompt_content.strip()}\n\n地质文本：\n{geological_text}\n\n问题：\n{question_or_statement}"
|
|
|
else:
|
|
|
full_content = f"地质文本：\n{geological_text}\n\n问题：\n{question_or_statement}"
|
|
|
|
|
|
response = zero_shot(model_series, model_name, full_content)
|
|
|
|
|
|
|
|
|
if hasattr(response, 'content'):
|
|
|
return response.content
|
|
|
elif isinstance(response, dict) and 'content' in response:
|
|
|
return response['content']
|
|
|
elif isinstance(response, str):
|
|
|
return response
|
|
|
else:
|
|
|
return str(response)
|
|
|
|
|
|
except Exception as e:
|
|
|
return f"调用模型时出错: {str(e)}"
|
|
|
|
|
|
def create_interface():
|
|
|
"""创建Gradio界面"""
|
|
|
|
|
|
with gr.Blocks(title="GeoLLM 模型调用界面", theme=gr.themes.Soft()) as demo:
|
|
|
gr.Markdown("# 🚀 GeoLLM 地质智能分析平台")
|
|
|
gr.Markdown("集成三元组提取和智能问答功能的专业地质文本分析工具")
|
|
|
|
|
|
|
|
|
with gr.Tabs():
|
|
|
|
|
|
with gr.TabItem("🔗 三元组提取", elem_id="triple_extraction"):
|
|
|
with gr.Row():
|
|
|
with gr.Column(scale=1):
|
|
|
|
|
|
gr.Markdown("## 📋 模型配置")
|
|
|
model_series = gr.Dropdown(
|
|
|
choices=get_model_options(),
|
|
|
value="gpt",
|
|
|
label="模型系列",
|
|
|
info="选择要使用的模型系列"
|
|
|
)
|
|
|
|
|
|
model_name = gr.Dropdown(
|
|
|
choices=get_common_model_names("gpt"),
|
|
|
value="gpt-3.5-turbo",
|
|
|
label="模型名称",
|
|
|
info="选择具体的模型名称，也可以手动输入",
|
|
|
allow_custom_value=True
|
|
|
)
|
|
|
|
|
|
|
|
|
custom_model_name = gr.Textbox(
|
|
|
label="自定义模型名称（可选）",
|
|
|
placeholder="如果上面的选项中没有您需要的模型，请在此输入",
|
|
|
info="此处输入的内容会覆盖上面的选择"
|
|
|
)
|
|
|
|
|
|
|
|
|
gr.Markdown("## 📝 Prompt模板")
|
|
|
prompt_template = gr.Dropdown(
|
|
|
choices=list(get_prompt_templates().keys()),
|
|
|
value="自定义",
|
|
|
label="选择Prompt模板",
|
|
|
info="选择预制的prompt模板或自定义"
|
|
|
)
|
|
|
|
|
|
|
|
|
gr.Markdown("## 🎯 上下文配置")
|
|
|
context_type = gr.Dropdown(
|
|
|
choices=["无上下文", "随机上下文", "最佳匹配上下文"],
|
|
|
value="无上下文",
|
|
|
label="上下文类型",
|
|
|
info="选择是否使用上下文样例"
|
|
|
)
|
|
|
|
|
|
num_examples = gr.Slider(
|
|
|
minimum=1,
|
|
|
maximum=3,
|
|
|
value=2,
|
|
|
step=1,
|
|
|
label="样例数量",
|
|
|
info="选择上下文样例的数量（1-3个）"
|
|
|
)
|
|
|
|
|
|
with gr.Column(scale=2):
|
|
|
|
|
|
gr.Markdown("## 🎯 Prompt内容")
|
|
|
prompt_content = gr.Textbox(
|
|
|
label="Prompt内容",
|
|
|
placeholder="选择模板或自定义您的prompt...",
|
|
|
lines=15,
|
|
|
max_lines=25,
|
|
|
info="将作为系统提示发送给模型"
|
|
|
)
|
|
|
|
|
|
|
|
|
gr.Markdown("## 💬 地质文本输入")
|
|
|
user_content = gr.Textbox(
|
|
|
label="待处理的地质文本",
|
|
|
placeholder="请输入需要提取三元组的地质描述文本...",
|
|
|
lines=6,
|
|
|
max_lines=10
|
|
|
)
|
|
|
|
|
|
|
|
|
with gr.Row():
|
|
|
clear_btn = gr.Button("🗑️ 清空", variant="secondary")
|
|
|
submit_btn = gr.Button("🚀 提取三元组", variant="primary")
|
|
|
|
|
|
|
|
|
gr.Markdown("## 📤 提取结果")
|
|
|
output = gr.Textbox(
|
|
|
label="三元组提取结果",
|
|
|
lines=12,
|
|
|
max_lines=20,
|
|
|
interactive=False
|
|
|
)
|
|
|
|
|
|
|
|
|
gr.Markdown("## 💡 使用示例")
|
|
|
gr.Examples(
|
|
|
examples=[
|
|
|
["gpt", "gpt-3.5-turbo", "无上下文", 2, "诺日巴尕日保组原指灰色灰绿色厚层中－细粒岩屑长石砂岩长石石英砂岩长石砂岩偶夹粉砂岩，粘土岩及泥晶灰岩组成，仅见双壳类化石，与上覆九十道班组为连续沉积。"],
|
|
|
["gemini", "gemini-1.5-pro-002", "随机上下文", 3, "雀莫错组测区内只在图幅西南角色旺涌曲一带有少量出露，面积不足 10m2，厚度大于 29.25m。"],
|
|
|
["claude", "claude-3-5-haiku-20241022", "最佳匹配上下文", 2, "灰岩中采集到 hecosmilia sp.剑鞘珊瑚； Complexastraea sp.和 Radulopccten sp.刮具海扇；Oscillopha sp.，时代为中侏罗世。"],
|
|
|
["deepSeek", "deepseek-ai/DeepSeek-V3", "最佳匹配上下文", 3, "晚三叠世花岗岩主要分布在测区拉地贡玛缅切日啊日曲一带，区域上受构造混杂带内的 NW-SE 向区域断裂控制，呈长条带状分布，侵入体具有良好的群居性，成带延展性非常好，出露侵入体 8 个，面积约 227m2。"],
|
|
|
],
|
|
|
inputs=[model_series, model_name, context_type, num_examples, user_content]
|
|
|
)
|
|
|
|
|
|
|
|
|
def submit_request(series, name, custom_name, template, prompt, content, ctx_type, num_ex):
|
|
|
|
|
|
final_model_name = custom_name.strip() if custom_name.strip() else name
|
|
|
return call_llm_model(series, final_model_name, prompt, content, ctx_type, num_ex)
|
|
|
|
|
|
|
|
|
model_series.change(
|
|
|
fn=update_model_names,
|
|
|
inputs=[model_series],
|
|
|
outputs=[model_name]
|
|
|
)
|
|
|
|
|
|
|
|
|
prompt_template.change(
|
|
|
fn=update_prompt_content,
|
|
|
inputs=[prompt_template],
|
|
|
outputs=[prompt_content]
|
|
|
)
|
|
|
|
|
|
|
|
|
submit_btn.click(
|
|
|
fn=submit_request,
|
|
|
inputs=[model_series, model_name, custom_model_name, prompt_template, prompt_content, user_content, context_type, num_examples],
|
|
|
outputs=[output]
|
|
|
)
|
|
|
|
|
|
|
|
|
clear_btn.click(
|
|
|
fn=lambda: ("", ""),
|
|
|
outputs=[user_content, output]
|
|
|
)
|
|
|
|
|
|
|
|
|
user_content.submit(
|
|
|
fn=submit_request,
|
|
|
inputs=[model_series, model_name, custom_model_name, prompt_template, prompt_content, user_content, context_type, num_examples],
|
|
|
outputs=[output]
|
|
|
)
|
|
|
|
|
|
|
|
|
with gr.TabItem("❓ 智能问答", elem_id="qa_module"):
|
|
|
with gr.Row():
|
|
|
with gr.Column(scale=1):
|
|
|
|
|
|
gr.Markdown("## 📋 模型配置")
|
|
|
qa_model_series = gr.Dropdown(
|
|
|
choices=get_model_options(),
|
|
|
value="gpt",
|
|
|
label="模型系列",
|
|
|
info="选择要使用的模型系列"
|
|
|
)
|
|
|
|
|
|
qa_model_name = gr.Dropdown(
|
|
|
choices=get_common_model_names("gpt"),
|
|
|
value="gpt-3.5-turbo",
|
|
|
label="模型名称",
|
|
|
info="选择具体的模型名称，也可以手动输入",
|
|
|
allow_custom_value=True
|
|
|
)
|
|
|
|
|
|
|
|
|
qa_custom_model_name = gr.Textbox(
|
|
|
label="自定义模型名称（可选）",
|
|
|
placeholder="如果上面的选项中没有您需要的模型，请在此输入",
|
|
|
info="此处输入的内容会覆盖上面的选择"
|
|
|
)
|
|
|
|
|
|
|
|
|
gr.Markdown("## 🎯 问答类型")
|
|
|
qa_type = gr.Dropdown(
|
|
|
choices=["判断题", "问答题"],
|
|
|
value="判断题",
|
|
|
label="任务类型",
|
|
|
info="选择是判断真假还是回答问题"
|
|
|
)
|
|
|
|
|
|
|
|
|
gr.Markdown("## 📝 Prompt模板")
|
|
|
qa_prompt_template = gr.Dropdown(
|
|
|
choices=list(get_qa_prompt_templates().keys()),
|
|
|
value="Zero-shot判断题",
|
|
|
label="选择QA Prompt模板",
|
|
|
info="选择预制的prompt模板或自定义"
|
|
|
)
|
|
|
|
|
|
with gr.Column(scale=2):
|
|
|
|
|
|
gr.Markdown("## 🎯 Prompt内容")
|
|
|
qa_prompt_content = gr.Textbox(
|
|
|
label="QA Prompt内容",
|
|
|
value="请根据给定的文本判断对错。",
|
|
|
placeholder="选择模板或自定义您的prompt...",
|
|
|
lines=3,
|
|
|
max_lines=10,
|
|
|
info="将作为系统提示发送给模型"
|
|
|
)
|
|
|
|
|
|
|
|
|
gr.Markdown("## 📄 地质文本")
|
|
|
geological_text = gr.Textbox(
|
|
|
label="地质背景文本",
|
|
|
placeholder="请输入作为背景的地质描述文本...",
|
|
|
lines=8,
|
|
|
max_lines=15,
|
|
|
info="提供回答问题或判断事实的上下文信息"
|
|
|
)
|
|
|
|
|
|
|
|
|
gr.Markdown("## ❓ 问题/事实描述")
|
|
|
question_or_statement = gr.Textbox(
|
|
|
label="问题或事实描述",
|
|
|
placeholder="请输入需要回答的问题或需要判断的事实描述...",
|
|
|
lines=3,
|
|
|
max_lines=8,
|
|
|
info="根据任务类型输入相应内容"
|
|
|
)
|
|
|
|
|
|
|
|
|
with gr.Row():
|
|
|
qa_clear_btn = gr.Button("🗑️ 清空", variant="secondary")
|
|
|
qa_submit_btn = gr.Button("🤖 开始问答", variant="primary")
|
|
|
|
|
|
|
|
|
gr.Markdown("## 📤 问答结果")
|
|
|
qa_output = gr.Textbox(
|
|
|
label="模型回答",
|
|
|
lines=10,
|
|
|
max_lines=20,
|
|
|
interactive=False
|
|
|
)
|
|
|
|
|
|
|
|
|
gr.Markdown("## 💡 使用示例")
|
|
|
|
|
|
|
|
|
with gr.Accordion("判断题示例", open=False):
|
|
|
gr.Examples(
|
|
|
examples=[
|
|
|
["gpt", "gpt-3.5-turbo", "判断题", "霍山县突发性地质灾害主要为崩塌、滑坡、泥石流。共查明突发性地质灾害点（含隐患点）190 处，其中崩塌 74 处，滑坡 96 个，泥石流 14 处，不稳定斜坡 6 处。新发现的地质灾害点有 58 处，占总数 30.5%。在霍山县 190 处崩塌、滑坡、泥石流等突发性地质灾害中，多数是人为因素造成的。人工因素造成的地质灾害有 163 处，占85.8%；自然因素形成的灾害有 27 处，占 14.2%。", "在霍山县的突发性地质灾害中，滑坡的数量超过了崩塌的数量。"],
|
|
|
["deepSeek", "deepseek-ai/DeepSeek-V3", "判断题", "霍山县突发性地质灾害主要为崩塌、滑坡、泥石流。共查明突发性地质灾害点（含隐患点）190 处，其中崩塌 74 处，滑坡 96 个，泥石流 14 处，不稳定斜坡 6 处。", "霍山县的地质灾害点总数超过200处。"],
|
|
|
],
|
|
|
inputs=[qa_model_series, qa_model_name, qa_type, geological_text, question_or_statement]
|
|
|
)
|
|
|
|
|
|
|
|
|
with gr.Accordion("问答题示例", open=False):
|
|
|
gr.Examples(
|
|
|
examples=[
|
|
|
["gpt", "gpt-3.5-turbo", "问答题", "霍山县突发性地质灾害主要为崩塌、滑坡、泥石流。共查明突发性地质灾害点（含隐患点）190 处，其中崩塌 74 处，滑坡 96 个，泥石流 14 处，不稳定斜坡 6 处。新发现的地质灾害点有 58 处，占总数 30.5%。", "霍山县共有多少处突发性地质灾害点？"],
|
|
|
["claude", "claude-3-5-haiku-20241022", "问答题", "霍山县突发性地质灾害主要为崩塌、滑坡、泥石流。共查明突发性地质灾害点（含隐患点）190 处，其中崩塌 74 处，滑坡 96 个，泥石流 14 处，不稳定斜坡 6 处。", "在霍山县的地质灾害中，哪种类型的灾害数量最多？"],
|
|
|
],
|
|
|
inputs=[qa_model_series, qa_model_name, qa_type, geological_text, question_or_statement]
|
|
|
)
|
|
|
|
|
|
|
|
|
def submit_qa_request(series, name, custom_name, q_type, template, prompt, geo_text, question):
|
|
|
|
|
|
final_model_name = custom_name.strip() if custom_name.strip() else name
|
|
|
return call_qa_model(series, final_model_name, prompt, geo_text, question, q_type)
|
|
|
|
|
|
def update_qa_prompt_on_type_change(qa_type_value):
|
|
|
"""当QA类型改变时更新prompt模板选项和内容"""
|
|
|
if qa_type_value == "判断题":
|
|
|
new_choices = ["自定义", "Zero-shot判断题", "COT判断题"]
|
|
|
new_value = "Zero-shot判断题"
|
|
|
new_prompt = "请根据给定的文本判断对错。"
|
|
|
new_placeholder = "请输入需要判断的事实描述..."
|
|
|
new_label = "事实描述"
|
|
|
else:
|
|
|
new_choices = ["自定义", "Zero-shot问答题", "COT问答题"]
|
|
|
new_value = "Zero-shot问答题"
|
|
|
new_prompt = "请根据给定的文本回答问题。"
|
|
|
new_placeholder = "请输入需要回答的问题..."
|
|
|
new_label = "问题"
|
|
|
|
|
|
return (
|
|
|
gr.Dropdown(choices=new_choices, value=new_value, label="选择QA Prompt模板"),
|
|
|
gr.Textbox(value=new_prompt, label="QA Prompt内容", lines=3, max_lines=10),
|
|
|
gr.Textbox(label=new_label, placeholder=new_placeholder, lines=3, max_lines=8)
|
|
|
)
|
|
|
|
|
|
|
|
|
qa_model_series.change(
|
|
|
fn=update_model_names,
|
|
|
inputs=[qa_model_series],
|
|
|
outputs=[qa_model_name]
|
|
|
)
|
|
|
|
|
|
|
|
|
qa_prompt_template.change(
|
|
|
fn=update_qa_prompt_content,
|
|
|
inputs=[qa_prompt_template],
|
|
|
outputs=[qa_prompt_content]
|
|
|
)
|
|
|
|
|
|
|
|
|
qa_type.change(
|
|
|
fn=update_qa_prompt_on_type_change,
|
|
|
inputs=[qa_type],
|
|
|
outputs=[qa_prompt_template, qa_prompt_content, question_or_statement]
|
|
|
)
|
|
|
|
|
|
|
|
|
qa_submit_btn.click(
|
|
|
fn=submit_qa_request,
|
|
|
inputs=[qa_model_series, qa_model_name, qa_custom_model_name, qa_type, qa_prompt_template, qa_prompt_content, geological_text, question_or_statement],
|
|
|
outputs=[qa_output]
|
|
|
)
|
|
|
|
|
|
|
|
|
qa_clear_btn.click(
|
|
|
fn=lambda: ("", "", ""),
|
|
|
outputs=[geological_text, question_or_statement, qa_output]
|
|
|
)
|
|
|
|
|
|
|
|
|
question_or_statement.submit(
|
|
|
fn=submit_qa_request,
|
|
|
inputs=[qa_model_series, qa_model_name, qa_custom_model_name, qa_type, qa_prompt_template, qa_prompt_content, geological_text, question_or_statement],
|
|
|
outputs=[qa_output]
|
|
|
)
|
|
|
|
|
|
return demo
|
|
|
|
|
|
if __name__ == "__main__":
|
|
|
|
|
|
demo = create_interface()
|
|
|
demo.launch(
|
|
|
server_port=7860,
|
|
|
share=True,
|
|
|
debug=True
|
|
|
) |
