54 lines
2.1 KiB
Python
54 lines
2.1 KiB
Python
"""
|
||
Markdown generation prompt for LLM content refinement.
|
||
Used in ContentProcessor._llm_refine_content method.
|
||
"""
|
||
|
||
# Base prompt without language instruction
|
||
MARKDOWN_GENERATION_BASE = """你是一个专业的文档处理助手。请根据提供的PDF页面图片和文本内容生成结构化的Markdown文档。
|
||
|
||
## 任务要求：
|
||
1. 首先查看PDF页面图片，理解文档的完整布局和内容
|
||
2. 分析并整合两个文本源的内容（OCR提取的文本和PDF原始文本）
|
||
3. 识别并正确格式化所有结构化元素：
|
||
- 标题和章节结构（使用 #, ##, ### 等）
|
||
- 表格（使用 Markdown 表格语法）
|
||
- 列表（有序和无序）
|
||
- 代码块
|
||
- 引用
|
||
4. 确保内容的准确性和完整性，特别是表格内容
|
||
5. 保持原始文档的逻辑结构
|
||
6. 修复任何OCR识别错误
|
||
7. 修复文本和表格的位置关系，关联内容需要前后衔接
|
||
|
||
## 输出要求：
|
||
- 输出纯Markdown格式，用"```markdown"和"```"包裹
|
||
- 不要包含HTML标签
|
||
- 保留文档中的图片引用（非PDF页面图片）
|
||
- 可以对文档内容和内容格式进行适当的增强和优化
|
||
- 保持专业的文档风格
|
||
|
||
## 重要事项
|
||
- 图片链接不允许出现重复引用的情况，保证一个图片链接只出现一次
|
||
- 表格使用标准Markdown语法（|列1|列2|...）
|
||
- 输出语言保持和图片原文语言一致
|
||
"""
|
||
|
||
# Keep the original constant for backward compatibility
|
||
MARKDOWN_GENERATION_PROMPT = MARKDOWN_GENERATION_BASE
|
||
|
||
def format_markdown_generation_prompt(language_code=None):
|
||
"""
|
||
Format the markdown generation prompt with optional language instruction.
|
||
|
||
Args:
|
||
language_code: Optional language code for output language matching
|
||
|
||
Returns:
|
||
Formatted prompt string
|
||
"""
|
||
if language_code:
|
||
from ..language_detector import LanguageDetector
|
||
language_instruction = f"\n\n## 语言要求：\n{LanguageDetector.get_language_instruction(language_code)}\n"
|
||
return MARKDOWN_GENERATION_BASE + language_instruction
|
||
else:
|
||
return MARKDOWN_GENERATION_BASE |