LLM输出格式化后的世界战争事件

LLM输出格式化后的世界战争事件

希望LLM输出格式化后的世界战争事件

代码参考: 通过LLM多轮对话生成单元测试用例

提示词:

txt 复制代码
system_prompt="你是一位历史学家,擅长回答历史问题,请使用中文回答。\n\n历史问题:"

question ='''
输出从{}年到{}年期间,全世界发生过的战争,必须按以下固定格式输出:
输出格式:
[开始时间 # 结束时间 # 国家 # 名称 # 发起方 # 规模 # 伤亡人数 # 起因 # 结果 # 启示 # 你的看法]
注意事项:
1.你不确定的地方用未知代替
2.不要输出其他无关内容
3.支持多行输出
'''

代码修改点:

python 复制代码
llms=[dashscope_llm,moonshot_llm,qianfan_llm,sparkai_llm,zhipuai_llm,yi_llm,volc_llm]
for llm in llms:
    logger.info(f" ---------------------------------- {llm.__name__} ---------------------------------- ")
    for beg in range(1000,2024,10):
        response=None
        try:
            obj=llm(system_prompt,question.format(beg,beg+10))
            response = obj.infer()
            params=re.findall(r'\[(.*?)\]',response)
            for param in params:
                logger.info(f"{param}")
        except:
            if response:
                print(response)
            traceback.print_exc()

输出:

txt 复制代码
 ---------------------------------- dashscope_llm ---------------------------------- 
1004年 # 1005年 # 中国 # 澶渊之盟 # 北宋 # 辽国 # 中等规模 # 未知 # 边境冲突 # 签订和平条约,互赠岁币 # 和平外交的重要性
1009年 # 1010年 # 埃及 # 法蒂玛王朝与拜占庭战争 # 法蒂玛王朝 # 拜占庭帝国 # 小规模 # 未知 # 宗教与领土争端 # 暂时的边境调整,未决争端 # 宗教冲突对地区稳定的影响
1032年 # 1032年 # 拜占庭帝国 # 安纳托利亚战役 # 拜占庭帝国 # 中等规模 # 未知 # 拜占庭扩张领土 # 拜占庭取得胜利 # 对地区势力平衡的影响 # 这表明当时拜占庭帝国仍在积极扩展其影响力
1040年 # 1042年 # 中国 # 康国之乱 # 塔里布部族 # 中等规模 # 未知 # 宗教与政治冲突 # 塔里布部族被平定 # 强化了宋朝中央集权 # 这一事件显示了当时中央政府对边疆控制的重要性
1046年 # 1048年 # 日本 # 平将门之乱 # 平将门 # 小规模 # 数百人 # 地方权力争斗 # 平将门被杀,叛乱平息 # 展现了平安时代日本中央与地方的权力斗争
1048年 # 1052年 # 波斯萨曼王朝 # 阿巴德王朝叛乱 # 阿巴德一世 # 中等规模 # 未知 # 宗教与皇位继承纠纷 # 萨曼王朝恢复统治,阿巴德王朝失败 # 强调了宗教和王权在中世纪伊斯兰世界中的复杂关系
相关推荐
洛阳泰山14 小时前
MaxKB4j Docker Compose 部署指南
java·docker·llm·springboot·rag·maxkb4j
cuguanren17 小时前
MuleRun vs OpenClaw vs 网页服务:云端安全与本地自由的取舍之道
安全·大模型·llm·agent·智能体·openclaw·mulerun
大数据AI人工智能培训专家培训讲师叶梓17 小时前
FaithLens:8B 参数大模型幻觉检测器,性能超 GPT-4.1 且低成本可解释
大模型·llm·大模型幻觉·人工智能讲师·大模型讲师·大模型培训·llm幻觉
星始流年18 小时前
AI Agent 开发系列 之 01 🔎重新认识 LLM
人工智能·llm·agent
_张一凡18 小时前
【大语言模型学习】一文详解阿里Qwen3大模型以及全参量微调入门实战教程(代码完整)
llm·aigc·大语言模型·多模态·qwen3·大语言模型微调·全参量微调
supersolon1 天前
OpenClaw接入飞书(channel)
ai·llm·飞书·openclaw·龙虾
每天都要写算法(努力版)1 天前
【大模型的原理架构对比解析】Encoder-Decoder 架构与 Decoder-Only 架构的输入输出详解
llm·encoder-decoder·decoder-only
8Qi81 天前
Hello-Agents学习笔记--旅行助手智能体案例
人工智能·llm·agent·智能体·tavily
chaors2 天前
从零学RAG0x0d:AdvancedRAG检索后优化
langchain·llm·ai编程
CoderJia程序员甲2 天前
GitHub 热榜项目 - 日榜(2026-03-18)
ai·大模型·llm·github·ai教程