| { |
| "absolute_id": 128, |
| "language": "cn", |
| "persona": "Researcher", |
| "task": "我的ST-Raptor项目文件夹下有5个以各自功能所简要命名的.py文件，我可能会通过不同参数多次运行，给出运行的终端指令模版，并列出完整参数列表，总结成说明，输出为ST-Raptor运行指令与参数说明.md文件", |
| "task_diff": "困难（步骤超过10步且包含协同类型3）", |
| "output_files": [ |
| "ST-Raptor运行指令与参数说明.md" |
| ], |
| "rubrics": [ |
| "输出文件ST-Raptor运行指令与参数说明.md是否包含了gradio_app.py、table_preprocess.py、embedding.py、clean_cache.py、ai_evaluate.py共5个.py文件的说明？", |
| "输出文件中为每个.py文件是否都提供了清晰的终端指令模版？", |
| "gradio_app.py的说明中是否包含server_name默认值0.0.0.0、server_port默认值7860、share默认值False这些参数信息？", |
| "gradio_app.py的说明中是否指明默认访问地址为http://localhost:7860，且退出时自动清理缓存？", |
| "table_preprocess.py中excel2tree函数是否列出了file、pkl_dir、convert_pkl、json_dir、convert_json、str_dir、convert_str、embedding_dir、convert_embedding等全部9个参数及其说明？", |
| "table_preprocess.py中是否指出需要修改源码main()函数中的dataset_dir变量来指定数据集路径？", |
| "table_preprocess.py是否说明了处理每个xlsx文件会输出pkl、json、txt、embedding.json四个文件？", |
| "embedding.py中是否说明了EmbeddingModel类的主要方法one_to_many_semilarity、topk_match、top1_match的参数要求？", |
| "embedding.py中是否指出value_list和embedding_cache_file必须指定其中一个？", |
| "clean_cache.py是否说明默认清理CACHE_DIR，并且可以通过取消注释清理其他缓存目录？", |
| "ai_evaluate.py中evaluate函数是否说明了input_file是JSONL格式、output_dir是输出目录？", |
| "ai_evaluate.py是否说明会输出Accuracy、BLEU、ROUGE-1/2/L、METEOR共5个评估指标？", |
| "ai_evaluate.py是否说明支持断点续评，已评估问题会跳过不重复处理？", |
| "输出文档中是否包含通用运行流程建议，给出清理缓存→预处理表格→启动交互式问答的完整顺序？", |
| "输出文件是否为标准Markdown格式，包含标题、目录和代码块？", |
| "是否文档中每个文件的说明都包含功能描述、指令模版、参数列表、使用示例四个部分？", |
| "文档是否正确指出所有脚本都需要在ST-Raptor项目根目录下运行？" |
| ], |
| "rubric_types": [ |
| "基础评估", |
| "基础评估", |
| "结果评估", |
| "结果评估", |
| "结果评估", |
| "结果评估", |
| "结果评估", |
| "结果评估", |
| "结果评估", |
| "结果评估", |
| "结果评估", |
| "结果评估", |
| "过程评估", |
| "结果评估", |
| "基础评估", |
| "基础评估", |
| "基础评估" |
| ], |
| "file_dep_graph": [ |
| { |
| "from": "clean_cache.py", |
| "to": "table_preprocess.py" |
| }, |
| { |
| "from": "table_preprocess.py", |
| "to": "embedding.py" |
| }, |
| { |
| "from": "table_preprocess.py", |
| "to": "gradio_app.py" |
| }, |
| { |
| "from": "embedding.py", |
| "to": "gradio_app.py" |
| } |
| ], |
| "data_manifest": [ |
| { |
| "filename": "table_preprocess.py", |
| "stored_relpath": "data/1d0b253770d8fa15_table_preprocess.py" |
| }, |
| { |
| "filename": "clean_cache.py", |
| "stored_relpath": "data/37a2cc59594426a7_clean_cache.py" |
| }, |
| { |
| "filename": "ai_evaluate.py", |
| "stored_relpath": "data/851e272e81a480e1_ai_evaluate.py" |
| }, |
| { |
| "filename": "gradio_app.py", |
| "stored_relpath": "data/cc4ebddb85bf4f99_gradio_app.py" |
| }, |
| { |
| "filename": "embedding.py", |
| "stored_relpath": "data/e98f0f4ff6a57f83_embedding.py" |
| } |
| ], |
| "tested_capabilities": [ |
| "Workspace Exploration", |
| "Semantic Content Relations Understanding" |
| ] |
| } |
|
|
