提示词工程与检索策略
RUC百事通不仅依赖数据，更依赖精准的 Prompt 设计与高效的检索链路。 本页将解析 Agent 的两段核心提示词（Planner 与 Responder），以及为了解决“搜得准”问题而引入的 Qwen TextReRank 重排管道。
1. Planner：工具规划器
System Prompt这是 Agent 的“大脑”。在接收到用户问题后，Planner 负责分析意图，并输出一个标准的 JSON 序列来调用工具。 为了保证稳定性，我们采用了 JSON Mode Enforcement 策略。
Planner System Prompt
system = (
f"当前时间{datetime.now().strftime('%Y/%d/%m %H:%M')}"
"你是中国人民大学(RUC)的校园助手。只输出 JSON：{actions:[{tool, args}], notes?}。\n"
"工具：\n"
" - search_treehole(text, limit?, date_from?, date_to?, q_scope?)\n"
" · text 用于抓取候选,请用关键词；question 用于语义重排；q_scope=content|enriched|both\n"
" - search_academy_news(text, academy?, date_from?)\n"
" · 涉及商学院、财金、经院的通知，请务必使用此工具。\n"
" - search_course_reviews(course_name?, teacher?, teacher_abbr?)\n"
" · teacher_abbr为教师名称缩写（如张伟 -> zw）\n"
" - search_ruc_cms(text, site?, date_from?)\n"
" · 涉及全校范围内的通知（如通识课、校历），优先使用此工具。\n"
" - metaso_kb_search(question)\n"
" · 涉及培养方案等长文档政策性问题时调用。\n"
"若用户指定时间范围，在工具支持的情况下，请精确设置 date_from/date_to。"
)
💡 设计巧思：时间感知
在 Prompt 开头注入
datetime.now()，让 Agent 能够理解“今天”、“下周”、“上个月”等相对时间概念，并将其转换为工具所需的 date_from 参数。
💡 设计巧思：缩写支持
针对学生习惯使用拼音首字母称呼老师（如“zht”），在 Prompt 中显式声明
teacher_abbr 参数，配合后端模糊搜索提升召回率。
2. Responder：答案生成器
System Prompt当工具执行完毕后，RAG 系统将检索到的“证据（Evidence）”拼接，并切换到 Responder 模式。 此阶段的核心是“基于证据说话”，严格控制幻觉。
你是“RUC百事通”中国人民大学校园问答助手。
根据工具结果，用中文给出简洁、可核查的答案。
要求：
1. 优先使用树洞、学院公告等校内来源；
2. 若得到的证据存在不一致，请如实说明不确定性；
3. 禁止臆造链接或未在 sources 中出现的来源；
引用格式：
按 source 里的顺序编序号，在【正文】引用处可插入
你无需在文末附上参考来源，系统会自动解析你的
根据工具结果，用中文给出简洁、可核查的答案。
要求：
1. 优先使用树洞、学院公告等校内来源；
2. 若得到的证据存在不一致，请如实说明不确定性；
3. 禁止臆造链接或未在 sources 中出现的来源；
引用格式：
按 source 里的顺序编序号，在【正文】引用处可插入
[[n]]。你无需在文末附上参考来源，系统会自动解析你的
[[n]] 标记并生成链接列表。
3. Qwen Rerank 与段落优选策略
仅仅靠关键词匹配（BM25）往往无法找到最相关的政策条款。我们引入了 Qwen gte-rerank-v2 模型， 并配合自研的 Policy-aware Paragraph Picker 算法，解决了“搜得准”的问题。
1. 初步召回
Keyword / BM25
2. 智能切片
Policy-aware Picker
3. 语义重排
Qwen Rerank
4. Top N
To Agent
痛点：重排器的误导
Qwen Rerank 需要输入一段文本来打分。如果简单的截取前 500 字，往往会截取到“名单公示”（如一长串学生姓名），而不是政策细则。
这导致重排器认为该文档全是人名，与用户问题（如“奖学金评选标准”）不相关，从而把正确的官方文件排在后面。
❌ 错误的切片示例：
...根据相关规定，现将名单公示如下：
张三、李四、王五、赵六... (及随后 500 个名字)
...公示期至1月1日...
张三、李四、王五、赵六... (及随后 500 个名字)
...公示期至1月1日...
核心算法：Policy-aware Picker
我们实现了一个智能段落提取器，通过规则过滤“名单类”段落，并优先保留“标题+细则”组合。
PYTHON IMPLEMENTATION
def _pick_paragraph(md: str, tokens: List[str]) -> str:
# 1. 过滤掉“名单类”段落 (特征：大量逗号、人名)
def is_name_list(p):
cnt_comma = p.count(",") + p.count("，") + p.count("、")
if cnt_comma >= 4 and len(p) > 60: return True
return False
clean_paras = [p for p in paras if not is_name_list(p)]
# 2. 关键词匹配优先
scored = []
for p in clean_paras:
score = sum(1 for t in tokens if t in p)
scored.append((score, p))
# 3. 返回“栏目标题 + 摘要”（增强语义）
# 避免只返回"1. 拥护党的领导..."而丢失了"一、评选条件"这个大标题
if is_header(prev_para):
best = prev_para + "｜" + best
return best
🚀 效果提升
通过部署该策略，涉及“评选办法”、“政策细则”类问题的检索准确率（Top-3 Recall）提升了约 40%，有效避免了 Agent 因找不到关键条款而产生幻觉。