rewrite my prompt
Browse files- modules/chat_func.py +9 -5
modules/chat_func.py
CHANGED
|
@@ -261,14 +261,17 @@ def predict_all(
|
|
| 261 |
# 将初筛后的店铺和菜品送入构建好的CoT
|
| 262 |
prompt_with_ingredient = f"""
|
| 263 |
我需要你推测一些菜可能的原料以及其营养成分,输出格式如下:
|
| 264 |
-
|
| 265 |
菜品名称:[]
|
| 266 |
菜品原料:[原料1,原料2...]
|
| 267 |
营养成分:[成分(含量)]
|
| 268 |
-
|
| 269 |
注意,其中营养成分包括蛋白质、脂肪、碳水化合物、纤维素、维生素等,你可以根据你的知识添加其他成分。营养成分的含量分为无、低、中、高四个等级,需要填在成分后的括号内。
|
| 270 |
-
|
| 271 |
-
|
|
|
|
|
|
|
|
|
|
| 272 |
"""
|
| 273 |
|
| 274 |
logging.info(f"分析食物中营养成分的prompt构建完成:{prompt_with_ingredient}")
|
|
@@ -296,8 +299,9 @@ def predict_all(
|
|
| 296 |
|
| 297 |
prompt_rec = f"""
|
| 298 |
以下是一些菜品名称和所属的店铺,我需要你根据我的需求从其中推荐一家店铺的一种或多种菜品,并给出推荐的理由。我的需求为:我有糖尿病,而且今天不想吃太油腻的食物。
|
| 299 |
-
|
| 300 |
{response_ingredient}
|
|
|
|
| 301 |
"""
|
| 302 |
history_rec = []
|
| 303 |
history_rec.append(construct_user(prompt_rec))
|
|
|
|
| 261 |
# 将初筛后的店铺和菜品送入构建好的CoT
|
| 262 |
prompt_with_ingredient = f"""
|
| 263 |
我需要你推测一些菜可能的原料以及其营养成分,输出格式如下:
|
| 264 |
+
-----------------------
|
| 265 |
菜品名称:[]
|
| 266 |
菜品原料:[原料1,原料2...]
|
| 267 |
营养成分:[成分(含量)]
|
| 268 |
+
-----------------------
|
| 269 |
注意,其中营养成分包括蛋白质、脂肪、碳水化合物、纤维素、维生素等,你可以根据你的知识添加其他成分。营养成分的含量分为无、低、中、高四个等级,需要填在成分后的括号内。
|
| 270 |
+
以下是需要你推测的菜品名称,不同菜品用顿号隔开:
|
| 271 |
+
-----------------------
|
| 272 |
+
{dishes}
|
| 273 |
+
-----------------------
|
| 274 |
+
每个菜品按照以上格式分开回复,但是注意,除了以上格式的内容,不要回复其他内容。
|
| 275 |
"""
|
| 276 |
|
| 277 |
logging.info(f"分析食物中营养成分的prompt构建完成:{prompt_with_ingredient}")
|
|
|
|
| 299 |
|
| 300 |
prompt_rec = f"""
|
| 301 |
以下是一些菜品名称和所属的店铺,我需要你根据我的需求从其中推荐一家店铺的一种或多种菜品,并给出推荐的理由。我的需求为:我有糖尿病,而且今天不想吃太油腻的食物。
|
| 302 |
+
-----------------------
|
| 303 |
{response_ingredient}
|
| 304 |
+
-----------------------
|
| 305 |
"""
|
| 306 |
history_rec = []
|
| 307 |
history_rec.append(construct_user(prompt_rec))
|