一、解题思路
- 1、意图识别，判断解决问题需要加载用到哪些场景接口，并作必要的问题修复和补充。
- 2、为问题解决设置路径规划，用于指导调用接口流程。
- 3、编写任务处理agent组件，包含计划、记忆、执行、观测、思考等能力，判断下一步任务是使用工具查询 function call还是数据处理 code interpreter，直到判断流程结束得到Final answer
- 4、所有和大模型交互的过程，根据场景和问题，都会自动灵活载入相关组件来编写prompt
二、文件说明
- 1、config.py(KEY填写)，提交的文件中接口key已被注释，需填写自有key
- 2、api.py(大模型接口定义)
- 3、utils.py(数据处理及进程工具)
- 4、base.py(基础数据接口定义)
- 5、tools.py(数据接口执行)
- 6、node.py(agent流程执行定义)
三、接口处理（原生接口调用模型，解耦用于内部处理）
- 1.所有接口都使用案例都编写了few shot（非原问题）注入到prompt，主要在使用function call和plan规划中，见base.py
- 2.相似接口调用内部进行了合并，例如律师事务所信息表（名录）和律师事务所业务数据表见base.py，根据需要的字段动态加载合并，见tools.py
- 3.接口做了字段兼容性查询处理，例如输入的公司名称查询上市公司信息，如果公司有误，会过第一道自动信息补充、公司简称尝试查询、大模型询问修复，见tools.py fix类函数
- 4.接口做了流程兼容性查询处理，例如输入的outputs是文本摘要和审理法院，会提取法院代字请求法院名称，见tools.py
- 5.接口做了返回内容处理，例如输入的outputs是文本摘要和审理法院，如果请求接口填入自动筛选请求，或内置过滤。对于其他筛选需求，编写prompt让大模型进行筛选过滤，见tools.py 和 node.py
- 6.接口function call前，针对问题在prompt会有指导性意见，并且部分问题会有问题修复，见 node.py。
四、备注
1.特殊问题识别后，如民事起诉状、裁判文书由专门的函数对接编写，见node.py
2.因为整合了接口功能，API类的问题拆分为问题需求和API，具体接口调用结果由内置函数输入到大模型判断
SDK下载
#安装ModelScope
pip install modelscope
#SDK模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('lichtud/LawGLM-COM')
Git下载
#Git模型下载
git clone https://www.modelscope.cn/lichtud/LawGLM-COM.git
如果您是本模型的贡献者，我们邀请您根据模型贡献文档，及时完善模型卡片内容。
评论