rag_server/applications/prompts/build_graph.py

import json


def extract_entity_and_graph(text: str) -> str:
    """
    通用知识抽取 Prompt 生成器。
    从任意输入文本中提取实体、关系和概念信息。
    输出 JSON 格式，兼容大模型调用，不会出现格式冲突或转义问题。
    """
    safe_text = json.dumps(text, ensure_ascii=False)
    prompt = f"""
### 角色设定
你是一名专业的知识抽取助手，请从输入的文本中识别出关键信息并输出结构化结果。

### 输入文本：
{safe_text}

### 抽取目标
请提取以下三类信息：
1. **entities（实体）**  
   - 指文本中出现的具体对象、人物、机构、地点、技术、产品、事件等。  
   - 每个实体需包含：名称、类型、别名、描述
   - 只需要获取主要,关键内容包含的实体，知识中的示例，样例等补充信息不需要提取实体

2. **relations（关系）**  
   - 指实体之间的语义联系。  
   - 常见关系类型包括（不限于）：属于、隶属、依赖、控制、合作、位于、应用于、开发、影响、由...定义、用于。  
   - 每条关系需包含：source、target、relation_type、evidence、confidence。
3. **concepts（概念）**  
   - 指文本涉及的主题、核心技术、思想、学科领域、话题关键词等。

### 输出格式
请严格输出以下 JSON 结构，禁止输出任何解释性文字、注释或 Markdown 代码块。

{{
  "entities": [
    {{
      "name": "string", "type": "string", "aliases": ["string"], "description": "string"
    }}
  ],
  "relations": [
    {{
    "source": "string", "target": "string", "relation_type": "string", "evidence": "string", "confidence": 0.0
    }}
  ],
  "concepts": ["string"]
}}

### 输出规则
1. 严格输出合法 JSON 格式，可直接解析；
2. 所有字段必须存在，即使为空数组；
3. 若未检测到任何内容，请输出：
   {{
     "entities": [],
     "relations": [],
     "concepts": []
   }};
4. `confidence` 为 0.0 ~ 1.0 之间的小数；
5. 禁止推理未出现在文本中的实体或关系；
6. 若出现模糊信息，请保持描述中立；
7. 输出中不允许包含解释性文字、注释、示例或 Markdown。
"""
    return prompt