上下文拼接与 Prompt 组装

你是一个严谨的助手。只能依据下方【资料】回答，
若资料中没有相关信息，回答"我不知道"。
 
【资料】
1. {chunk_1}
2. {chunk_2}
...
 
【问题】
{question}
 
【回答】

def build_prompt(question, chunks):
    ctx = "\n".join(
        f"[{i+1}] {c['text']}（来源：{c['metadata']['source']} 第{c['metadata']['page']}页）"
        for i, c in enumerate(chunks)
    )
    return f"""你是严谨的助手，仅依据资料作答。
【资料】
{ctx}
 
【问题】{question}
【回答】"""

MAX_TOKENS = 3000
est = lambda s: len(s) / 1.6   # 中文粗略 1 字≈1.6 token 估算
 
budget, kept = MAX_TOKENS, []
for c in ranked_chunks:        # 已按相关度排序
    if est(c["text"]) > budget:
        if not kept:           # 哪怕超也要留一段
            kept.append(c)
        break
    kept.append(c); budget -= est(c["text"])

# 简单句子筛选
import re
def keep_relevant(text, question, top_n=3):
    sents = re.split(r"[。！？]", text)
    scored = [(s, overlap(s, question)) for s in sents if s.strip()]
    return "。".join(s for s, _ in sorted(scored, key=lambda x: x[1], reverse=True)[:top_n])