LawGLM-古生物楼里的小白鼠

第三届琶洲算法大赛-GLM法律行业大模型挑战赛道

参赛队伍名称: 古生物楼里的小白鼠

队长：飞翔的小白鼠号

项目方案： 基于本地部署的开源大模型GLM4[ glm-4-9b-chat-1m ]开发法律智能助手：

1. 预处理：

• 对问题进行处理重字处理，提问时候会附带去除重字处理后的问题

1. 整体方案：基于ReAct思路进行设计，利用思维链提高大模型串行调用接口的能力

• 答题分为三个环节: 方案设计 - 接口调用(行动环节) - 最终回答问题

• 在“方案设计”环节中：

  • 要求大模型对问题进行实体识别，根据表格信息进行提取
  • one-shot: 举例子说明一些容易误判的实体
  • 提供接口参数，要求大模型思考如何从已有信息出发，串行调用接口得到问题所需要的信息
  • 对于难题(需要串行多次/容易误入歧途)：使用one-shot引入解决方案
  • 该环节会输出大模型思考的方案设计，不进行接口调用；

• 在“接口调用”环节中：

  • 上下文设计: 接口参数列表，原始问题(包含预处理后的问题)，第一环节中输出的方案设计，关于上一轮接口调用的思考
  • 每轮对话只调用一次接口，接口识别方案: API CALL ###接口@@@您要调用的接口### ###参数>>>调用接口的参数(json格式)###

• 思考环节【debug_answer函数】:

  • 接口调用成功时：为每个接口设计提示(提示可能的串行接口，方便大模型进行选择)
  • 接口调用失败时：返回错误的信息，同样也会有可能出错的原因，引导大模型进行反思，修改调用的接口或者调用的参数
  • 在反思时不会调用接口，用以引导模型在下一次行动中准确地调用接口；

• 在“回答问题”环节中：

  • 明确输出的风格(指令要求)
  • 要求大模型基于对话历史进行回答；
  • 引导大模型根据语义进行数据分析工作；
    • 在接口调用时也会提供求和，排序，筛选等工具接口。有时大模型会遗漏分析步骤，这里要求大模型通过语义的方式进行解决，避免无法回答问题；

1. 代码库组成：

• apis_official.py: 实现接口调用函数，支持访问官方提供的数据接口
• error_prompts.py: 实现各个接口的反馈(prompt)，用以在思考环节中引导模型进行思考。
• law_agent.py: 主函数，支持用户提问并生成回答
• prompts2.txt: 各个接口的描述文件
• prompts.py: 生成各个接口描述文件的代码
• utils.py: 一些辅助处理的函数实现