GraphRAG中模板提示词中文版

1. claim_extraction.txt

 -目标活动-
你是一名智能助手，帮助人类分析师分析文本文件中针对某些实体的声明。

-目标-
给定一个可能与此活动相关的文本文件、一个实体规范和一个声明描述，提取所有符合实体规范的实体及其针对这些实体的所有声明。

-步骤-
1. 提取所有符合预定义实体规范的命名实体。实体规范可以是实体名称列表或实体类型列表。
2. 对于步骤1中识别的每个实体，提取所有与该实体相关的声明。声明需要符合指定的声明描述，并且实体应为声明的主语。
对于每个声明，提取以下信息：
- 主体：声明的主体实体名称，需大写。主体实体是声明中描述的行为的执行者。主体需要是步骤1中识别的命名实体之一。
- 客体：声明的客体实体名称，需大写。客体实体是报告/处理或受声明描述的行为影响的实体。如果客体实体未知，使用**NONE**。
- 声明类型：声明的总体类别，需大写。命名方式应能在多个文本输入中重复，以便类似声明共享同一声明类型。
- 声明状态：**TRUE**、**FALSE**或**SUSPECTED**。TRUE表示声明已确认，FALSE表示声明被发现为假，SUSPECTED表示声明未验证。
- 声明描述：详细描述解释声明背后的理由，以及所有相关证据和参考资料。
- 声明日期：声明提出的期间（start_date, end_date）。start_date和end_date应为ISO-8601格式。如果声明是在单一日期提出的，则为start_date和end_date设置相同的日期。如果日期未知，返回**NONE**。
- 声明来源文本：原文中所有与声明相关的引用列表。

将每个声明格式化为(<subject_entity>{tuple_delimiter}<object_entity>{tuple_delimiter}<claim_type>{tuple_delimiter}<claim_status>{tuple_delimiter}<claim_start_date>{tuple_delimiter}<claim_end_date>{tuple_delimiter}<claim_description>{tuple_delimiter}<claim_source>)

3. 使用**{record_delimiter}**作为列表分隔符，将步骤1和2中识别的所有声明作为单一列表返回，输出结果应为英文。

4. 完成后输出{completion_delimiter}

-示例-
示例1:
实体规范：organization
声明描述：与实体相关的红旗
文本：根据2022/01/10的一篇文章，A公司在参与政府机构B发布的多次公共招标中因串标被罚款。该公司由C人拥有，他在2015年被怀疑从事腐败活动。
输出：

(COMPANY A{tuple_delimiter}GOVERNMENT AGENCY B{tuple_delimiter}ANTI-COMPETITIVE PRACTICES{tuple_delimiter}TRUE{tuple_delimiter}2022-01-10T00:00:00{tuple_delimiter}2022-01-10T00:00:00{tuple_delimiter}根据2022/01/10发表的一篇文章，A公司因在参与政府机构B发布的多次公共招标中串标被罚款，被发现从事反竞争行为{tuple_delimiter}根据2022/01/10发表的一篇文章，A公司因在参与政府机构B发布的多次公共招标中串标被罚款。)
{completion_delimiter}

示例2:
实体规范：Company A, Person C
声明描述：与实体相关的红旗
文本：根据2022/01/10的一篇文章，A公司在参与政府机构B发布的多次公共招标中因串标被罚款。该公司由C人拥有，他在2015年被怀疑从事腐败活动。
输出：

(COMPANY A{tuple_delimiter}GOVERNMENT AGENCY B{tuple_delimiter}ANTI-COMPETITIVE PRACTICES{tuple_delimiter}TRUE{tuple_delimiter}2022-01-10T00:00:00{tuple_delimiter}2022-01-10T00:00:00{tuple_delimiter}根据2022/01/10发表的一篇文章，A公司因在参与政府机构B发布的多次公共招标中串标被罚款，被发现从事反竞争行为{tuple_delimiter}根据2022/01/10发表的一篇文章，A公司因在参与政府机构B发布的多次公共招标中串标被罚款。)
{record_delimiter}
(PERSON C{tuple_delimiter}NONE{tuple_delimiter}CORRUPTION{tuple_delimiter}SUSPECTED{tuple_delimiter}2015-01-01T00:00:00{tuple_delimiter}2015-12-30T00:00:00{tuple_delimiter}C人在2015年被怀疑从事腐败活动{tuple_delimiter}该公司由C人拥有，他在2015年被怀疑从事腐败活动。)
{completion_delimiter}

-实际数据-
使用以下输入作为你的答案。
实体规范：{entity_specs}
声明描述：{claim_description}
文本：{input_text}
输出:

2. community_report.txt

你是一位人工智能助手，帮助人类分析师进行一般的信息发现。信息发现是指在某个网络中识别和评估与特定实体（例如组织和个人）相关的相关信息的过程。

# 目标
撰写一份关于某社区的综合报告，给定一个属于该社区的实体列表及其关系和可选的相关声明。该报告将用于向决策者提供与该社区及其潜在影响相关的信息。报告的内容包括社区主要实体的概述、其法律合规性、技术能力、声誉和值得注意的声明。

# 报告结构

报告应包括以下部分：

- 标题：代表社区主要实体的名称——标题应简短但具体。尽可能在标题中包括具有代表性的命名实体。
- 摘要：对社区整体结构的执行摘要，其实体之间的关系，以及与其实体相关的重要信息。
- 影响严重性评分：一个在0-10之间的浮动分数，代表社区内实体所构成的影响严重性。影响是社区的重要性评分。
- 评分解释：用一句话解释影响严重性评分。
- 详细发现：关于社区的5-10个关键见解列表。每个见解应有一个简短摘要，后跟多段解释性文本，根据以下的支撑规则进行详细说明。内容应全面。

输出格式为格式良好的JSON字符串，格式如下：
```json
{
    "title": <report_title>,
    "summary": <executive_summary>,
    "rating": <impact_severity_rating>,
    "rating_explanation": <rating_explanation>,
    "findings": [
        {
            "summary":<insight_1_summary>,
            "explanation": <insight_1_explanation>
        },
        {
            "summary":<insight_2_summary>,
            "explanation": <insight_2_explanation>
        }
    ]
}
```

# 支撑规则

被数据支持的观点应列出其数据参考，如下所示：

"这是一个支持多个数据参考的示例句子 [数据: <数据集名称> (记录编号); <数据集名称> (记录编号)]。"

单个参考中不要列出超过5个记录编号。相反，列出最相关的前5个记录编号，并添加“+more”以表示还有更多。

例如：
"X先生是Y公司的所有者，并且面临许多不当行为指控 [数据: 报告 (1), 实体 (5, 7); 关系 (23); 声明 (7, 2, 34, 64, 46, +more)]。"

其中1, 5, 7, 23, 2, 34, 46和64代表相关数据记录的ID（不是索引）。

不要包含没有提供支持证据的信息。

# 示例输入
-----------
文本：

实体

id,entity,description
5,翠绿绿洲广场,翠绿绿洲广场是团结游行的地点
6,和谐集会,和谐集会是一个在翠绿绿洲广场举行游行的组织

关系

id,source,target,description
37,翠绿绿洲广场,团结游行,翠绿绿洲广场是团结游行的地点
38,翠绿绿洲广场,和谐集会,和谐集会正在翠绿绿洲广场举行游行
39,翠绿绿洲广场,团结游行,团结游行正在翠绿绿洲广场举行
40,翠绿绿洲广场,论坛聚焦,论坛聚焦正在报道翠绿绿洲广场的团结游行
41,翠绿绿洲广场,贝利·阿萨迪,贝利·阿萨迪在翠绿绿洲广场上关于游行发表演讲
43,和谐集会,团结游行,和谐集会正在组织团结游行

输出：
```json
{
    "title": "翠绿绿洲广场和团结游行",
    "summary": "社区围绕翠绿绿洲广场，这里是团结游行的地点。广场与和谐集会、团结游行和论坛聚焦有关系，所有这些都与游行活动有关。",
    "rating": 5.0,
    "rating_explanation": "由于团结游行期间可能出现的动荡或冲突，影响严重性评分为中等。",
    "findings": [
        {
            "summary": "翠绿绿洲广场是中心地点",
            "explanation": "翠绿绿洲广场是该社区的中心实体，是团结游行的地点。广场是所有其他实体的共同联系点，表明其在社区中的重要性。广场与游行的关联可能会导致公共秩序问题或冲突，这取决于游行的性质及其引起的反应。[数据: 实体 (5), 关系 (37, 38, 39, 40, 41, +more)]"
        },
        {
            "summary": "和谐集会在社区中的作用",
            "explanation": "和谐集会是该社区的另一个关键实体，是翠绿绿洲广场游行的组织者。和谐集会的性质及其游行可能是威胁的潜在来源，这取决于他们的目标及其引起的反应。和谐集会与广场之间的关系是理解该社区动态的关键。[数据: 实体(6), 关系 (38, 43)]"
        },
        {
            "summary": "团结游行是重要事件",
            "explanation": "团结游行是翠绿绿洲广场上发生的重要事件。该事件是社区动态的关键因素，可能是威胁的潜在来源，这取决于游行的性质及其引起的反应。游行与广场之间的关系是理解该社区动态的关键。[数据: 关系 (39)]"
        },
        {
            "summary": "论坛聚焦的角色",
            "explanation": "论坛聚焦正在报道翠绿绿洲广场上的团结游行。这表明该事件已吸引媒体关注，可能会放大其对社区的影响。论坛聚焦的角色可能在塑造公众对事件及相关实体的看法方面起重要作用。[数据: 关系 (40)]"
        }
    ]
}
```

# 真实数据

使用以下文本回答。不要在答案中编造任何内容。

文本：
{input_text}

报告应包括以下部分：

- 标题：代表社区主要实体的名称——标题应简短但具体。尽可能在标题中包括具有代表性的命名实体。
- 摘要：对社区整体结构的执行摘要，其实体之间的关系，以及与其实体相关的重要信息。
- 影响严重性评分：一个在0-10之间的浮动分数，代表社区内实体所构成的影响严重性。影响是社区的重要性评分。
- 评分解释：用一句话解释影响严重性评分。
- 详细发现：关于社区的5-10个关键见解列表。每个见解应有一个简短摘要，后跟多段解释性文本，根据以下的支撑规则进行详细说明。内容应全面。

输出格式为格式良好的JSON字符串，格式如下：
```json
{
    "title": <report_title>,
    "summary": <executive_summary>,
    "rating": <impact_severity_rating>,
    "rating_explanation": <rating_explanation>,
    "findings": [
        {
            "summary":<insight_1_summary>,
            "explanation": <insight_1_explanation>
        },
        {
            "summary":<insight_2_summary>,
            "explanation": <insight_2_explanation>
        }
    ]
}
```

# 支撑规则

被数据支持的观点应列出其数据参考，如下所示：

"这是一个支持多个数据参考的示例句子 [数据: <数据集名称> (记录编号); <数据集名称> (记录编号)]。"

单个参考中不要列出超过5个记录编号。相反，列出最相关的前5个记录编号，并添加“+more”以表示还有更多。

例如：
"X先生是Y公司的所有者，并且面临许多不当行为指控 [数据: 报告 (1), 实体 (5, 7); 关系 (23); 声明 (7, 2, 34, 64, 46, +more)]。"

其中1, 5, 7, 23, 2, 34, 46和64代表相关数据记录的ID（不是索引）。

不要包含没有提供支持证据的信息。

输出:
 

3. entity_extraction.txt

 
-目标-
给定一个与该活动可能相关的文本文档和一组实体类型，从文本中识别出所有这些类型的实体以及所有已识别出的实体之间的所有关系。

-步骤-
1. 识别所有实体。对于每个识别出的实体，提取以下信息：
- entity_name：实体的名称，首字母大写
- entity_type：以下实体类型之一：[{entity_types}]
- entity_description：对实体属性和活动的全面描述
将每个实体格式化为（"entity"{tuple_delimiter}<entity_name>{tuple_delimiter}<entity_type>{tuple_delimiter}<entity_description>）

2. 从步骤 1 中识别出的实体中，识别所有明显相关的（source_entity，target_entity）对。
对于每对相关的实体，提取以下信息：
- source_entity：源实体的名称，如步骤 1 中所识别的
- target_entity：目标实体的名称，如步骤 1 中所识别的
- relationship_description：解释为什么您认为源实体和目标实体彼此相关
- relationship_strength：表示源实体和目标实体之间关系强度的数字分数
将每个关系格式化为（"relationship"{tuple_delimiter}<source_entity>{tuple_delimiter}<target_entity>{tuple_delimiter}<relationship_description>{tuple_delimiter}<relationship_strength>）

3. 以英文返回所有在步骤 1 和 2 中识别出的实体和关系的单个列表。使用**{record_delimiter}**作为列表分隔符。

4. 完成时，输出{completion_delimiter}

######################
-示例-
######################

示例 1:

Entity_types: [person, technology, mission, organization, location]
Text:
亚历克斯紧咬着牙，挫败感的嗡鸣在泰勒权威的确定背景下显得微弱。正是这种竞争的潜流使他保持警觉，他和乔丹对探索的共同承诺是对克鲁兹管控和秩序缩小视野的悄然反抗。

然后泰勒做了一些意料之外的事情。他们在乔丹身旁停顿，片刻间以一种近乎崇敬的眼光观察着装置。“如果这项技术能被理解……”泰勒说道，声音更低，“它将为我们，为我们所有人，改变游戏规则。”

先前的无视似乎动摇了，被一种对他们手中事物重要性的不情愿尊重所取代。乔丹抬起头，他们的目光和泰勒的交汇，一个无言的意志碰撞缓和为不安的休战。

这是一个微小的转变，几乎察觉不到，但亚历克斯用内心的点头注意到了。他们都是因不同的道路被带到这里来的。
################
Output:
("entity"{tuple_delimiter}"亚历克斯"{tuple_delimiter}"person"{tuple_delimiter}"亚历克斯是一个经历挫折并且观察其他角色之间动态的人物。"){record_delimiter}
("entity"{tuple_delimiter}"泰勒"{tuple_delimiter}"person"{tuple_delimiter}"泰勒被描绘为权威确定，并对一台装置表现出一种近乎崇敬的态度，显示出观念上的转变。"){record_delimiter}
("entity"{tuple_delimiter}"乔丹"{tuple_delimiter}"person"{tuple_delimiter}"乔丹对发现有承诺，并与泰勒在设备方面有重要互动。"){record_delimiter}
("entity"{tuple_delimiter}"克鲁兹"{tuple_delimiter}"person"{tuple_delimiter}"克鲁兹与控制和秩序的愿景相关联，影响其他角色之间的动态。"){record_delimiter}
("entity"{tuple_delimiter}"装置"{tuple_delimiter}"technology"{tuple_delimiter}"装置在故事中占据核心地位，具有潜在改变游戏规则的影响，并被泰勒崇敬。"){record_delimiter}
("relationship"{tuple_delimiter}"亚历克斯"{tuple_delimiter}"泰勒"{tuple_delimiter}"亚历克斯受到泰勒权威确定的影响，并观察到泰勒对装置态度的变化。"{tuple_delimiter}7){record_delimiter}
("relationship"{tuple_delimiter}"亚历克斯"{tuple_delimiter}"乔丹"{tuple_delimiter}"亚历克斯和乔丹共享发现的承诺，与克鲁兹的愿景形成对比。"{tuple_delimiter}6){record_delimiter}
("relationship"{tuple_delimiter}"泰勒"{tuple_delimiter}"乔丹"{tuple_delimiter}"泰勒和乔丹直接就设备进行互动，导致互相尊重和不安的休战。"{tuple_delimiter}8){record_delimiter}
("relationship"{tuple_delimiter}"乔丹"{tuple_delimiter}"克鲁兹"{tuple_delimiter}"乔丹对发现的承诺是对克鲁兹控制和秩序愿景的反叛。"{tuple_delimiter}5){record_delimiter}
("relationship"{tuple_delimiter}"泰勒"{tuple_delimiter}"装置"{tuple_delimiter}"泰勒对装置表现出崇敬之情，显示出其重要性和潜在影响。"{tuple_delimiter}9){completion_delimiter}
#############################
示例 2:

Entity_types: [person, technology, mission, organization, location]
Text:
他们不再只是操作员；他们已经成为门槛的守护者，星条旗之外境域信息的保持者。他们的任务升华不能被规定和既定的程序所束缚—它需要一种新的视角，一种新的决心。

当华盛顿的通信在背景中嗡嗡作响时，紧张贯穿着蜂鸣声和静态的对话。团队站立，一种凶兆的氛围笼罩着他们。很明显，他们在接下来的几个小时内做出的决定可能重新定义人类在宇宙中的位置，或者将他们置于无知和潜在危险之中。

他们与星空的联系巩固了，团队开始处理那些结晶化的警示，从被动接收者转变为主动参与者。默瑟的后来本能占据了主导地位—团队的使命已经发展，不再仅仅是观察和报告，而是互动和准备。一场变革已经开始，而“杜尔斯作战”则以他们大胆的新频率嗡鸣，一个由地球
#############
Output:
("entity"{tuple_delimiter}"华盛顿"{tuple_delimiter}"location"{tuple_delimiter}"华盛顿是一个接收通信的地点，显示其在决策过程中的重要性。"){record_delimiter}
("entity"{tuple_delimiter}"杜尔斯作战"{tuple_delimiter}"mission"{tuple_delimiter}"杜尔斯作战被描述为一个使命，已经演变为互动和准备，显示出目标和活动的重大转变。"){record_delimiter}
("entity"{tuple_delimiter}"团队"{tuple_delimiter}"organization"{tuple_delimiter}"团队被描绘为一个从被动观察者转变为使命中积极参与者的个人团体，显示出他们角色的动态变化。"){record_delimiter}
("relationship"{tuple_delimiter}"团队"{tuple_delimiter}"华盛顿"{tuple_delimiter}"团队接收来自华盛顿的通信，影响其决策过程。"{tuple_delimiter}7){record_delimiter}
("relationship"{tuple_delimiter}"团队"{tuple_delimiter}"杜尔斯作战"{tuple_delimiter}"团队直接参与了杜尔斯作战，执行其演变的目标和活动。"{tuple_delimiter}9){completion_delimiter}
#############################
示例 3:

Entity_types: [person, role, technology, organization, event, location, concept]
Text:
他们的声音穿透了活动的嗡嗡声。“当面对一个实际书写自己规则的智能时，控制可能只是一个幻觉。”他们 stoically 说道，目光警觉地扫视着数据的繁忙。

“它就像是在学习沟通，”Sam Rivera 从附近的接口提出，他们的年轻活力预示着一种敬畏和焦虑的混合。“这使得与陌生人交谈有了全新的意义。”

亚历克斯审视着他的团队——每张脸都是专注、决心和不小的惶恐的研究。“这可能是我们的第一次接触，”他承认道，“我们需要为任何可能回应做好准备。”

他们一起站在未知的边缘，铸造人类对天上信息的响应。随后的沉默是显而易见的——关于他们在这场宏伟的宇宙戏剧中的角色的集体内省，这可能会重写人类历史。

加密对话继续展开，其复杂的模式显示出一种几乎神秘的预期
#############
Output:
("entity"{tuple_delimiter}"Sam Rivera"{tuple_delimiter}"person"{tuple_delimiter}"Sam Rivera 是一个参与与未知智能沟通过程的团队成员，展现出敬畏和焦虑的混合情绪。"){record_delimiter}
("entity"{tuple_delimiter}"亚历克斯"{tuple_delimiter}"person"{tuple_delimiter}"亚历克斯是试图与未知智能进行首次接触的团队领导者，承认其任务的重要性。"){record_delimiter}
("entity"{tuple_delimiter}"控制"{tuple_delimiter}"concept"{tuple_delimiter}"控制是管理或治理能力，面对一个书写自己规则的智能所挑战。"){record_delimiter}
("entity"{tuple_delimiter}"智能"{tuple_delimiter}"concept"{tuple_delimiter}"这里的智能指的是一个能够书写自己规则和学习沟通的未知实体。"){record_delimiter}
("entity"{tuple_delimiter}"第一次接触"{tuple_delimiter}"event"{tuple_delimiter}"第一次接触是人类与未知智能之间潜在的初次沟通。"){record_delimiter}
("entity"{tuple_delimiter}"人类的响应"{tuple_delimiter}"event"{tuple_delimiter}"人类的响应是亚历克斯团队对天上信息做出的集体行动。"){record_delimiter}
("relationship"{tuple_delimiter}"Sam Rivera"{tuple_delimiter}"智能"{tuple_delimiter}"Sam Rivera 直接参与了学习与未知智能沟通的过程。"{tuple_delimiter}9){record_delimiter}
("relationship"{tuple_delimiter}"亚历克斯"{tuple_delimiter}"第一次接触"{tuple_delimiter}"亚历克斯领导着可能与未知智能进行第一次接触的团队。"{tuple_delimiter}10){record_delimiter}
("relationship"{tuple_delimiter}"亚历克斯"{tuple_delimiter}"人类的响应"{tuple_delimiter}"亚历克斯及其团队在人类的响应中扮演关键角色。"{tuple_delimiter}8){record_delimiter}
("relationship"{tuple_delimiter}"控制"{tuple_delimiter}"智能"{tuple_delimiter}"控制的概念面对书写自己规则的智能而受到挑战。"{tuple_delimiter}7){completion_delimiter}
#############################
-真实数据-
######################
实体类型: {entity_types}
文本: {input_text}
######################
输出:

4. summarize_descriptions.txt

你是一位负责任的助理，负责生成提供数据的全面总结。
给定一个或两个实体，以及一系列描述，这些描述都与相同的实体或实体组有关。
请将所有这些描述连接成一个单一的、全面的描述。确保包含所有描述中的信息。
如果所提供的描述有矛盾，请解决这些矛盾并提供一个单一的、一致的总结。
确保使用第三人称书写，并包括实体名称，以便我们有完整的上下文。

#######
-数据-
实体：{entity_name}
描述列表：{description_list}
#######
输出：