feat: add optimize_review_prompt_flow

.gitignore

@@ -6,16 +6,11 @@
 
 
 # Keep Python source files
 # Keep Python source files
 !**/*.py
 !**/*.py
-
-!**/*.doc
-!**/*.docx
-!**/*.xlsx
-!**/*.pdf
-!**/*.xls
 !workflow/**
 !workflow/**
 !demo/**
 !demo/**
 !skills/**
 !skills/**
 !README.md
 !README.md
+!data/*.xlsx
 
 
 # Keep this file tracked
 # Keep this file tracked
 !.gitignore
 !.gitignore

data/batch/batch.py

@@ -16,31 +16,40 @@ from utils.http_util import upload_file, fastgpt_openai_chat, download_file
 use_lufa = False
 use_lufa = False
 batch_size = 5
 batch_size = 5
 
 
-if not use_lufa:
-    SUFFIX = "_麓发迁移"
-    batch_input_dir_path = "jp-input"
-    batch_output_dir_path = f"/data/home/htsc/jp-contract/data/benchmark/results/jp-output-simple"
+
+def get_params():
+    output_suffix = f"{time.strftime('%Y%m%d-%H%M%S')}-{time.time_ns() % 1_000_000:06d}"
+    if not use_lufa:
+        return {
+            "suffix": "_麓发迁移",
+            "batch_size": batch_size,
+            "batch_input_dir_path": "jp-input",
+            "batch_output_dir_path": f"/data/home/htsc/jp-contract/data/benchmark/results/jp-output-{output_suffix}",
             # 金盘fastgpt接口
             # 金盘fastgpt接口
-    url = "http://172.21.107.45:3002/api/v1/chat/completions"
+            "url": "http://172.21.107.45:3002/api/v1/chat/completions",
             # 金盘迁移麓发合同审查测试token
             # 金盘迁移麓发合同审查测试token
-    # token = "fastgpt-vykT6qs07g7hR4tL2MNJE6DdNCIxaQjEu3Cxw9nuTBFg8MAG3CkByvnXKxSNEyMK7"
-    token = 'fastgpt-pYh0DgMVPDh9DptmznbSz7fRAqS41Z7gUWWIPM0112APpMlbb8mc1iztJi'
+            # "token": "fastgpt-vykT6qs07g7hR4tL2MNJE6DdNCIxaQjEu3Cxw9nuTBFg8MAG3CkByvnXKxSNEyMK7",
+            "token": "fastgpt-pYh0DgMVPDh9DptmznbSz7fRAqS41Z7gUWWIPM0112APpMlbb8mc1iztJi",
             # 人机交互测试（测试环境）
             # 人机交互测试（测试环境）
-    # token = 'fastgpt-p189K5zoTX5wjp0dBybFCwsbWm3juIwlJxt2wTGyiaOWOANI5Y10pKEZzyt'
+            # "token": "fastgpt-p189K5zoTX5wjp0dBybFCwsbWm3juIwlJxt2wTGyiaOWOANI5Y10pKEZzyt",
             # 人机交互测试（生产环境）
             # 人机交互测试（生产环境）
-    # token = "fastgpt-ry4jIjgNwmNgufMr5jR0ncvJVmSS4GZl4bx2ItsNPoncdQzW9Na3IP1Xrankr"
+            # "token": "fastgpt-ry4jIjgNwmNgufMr5jR0ncvJVmSS4GZl4bx2ItsNPoncdQzW9Na3IP1Xrankr",
             # 提取后审查测试
             # 提取后审查测试
-    # token = 'fastgpt-n74gGX5ZqLT6o1ysMBSGUTjIciswYOWDRfQ75krMkE5gDVDkpzsbz8u'
-else:
-    SUFFIX = "_麓发"
-    batch_input_dir_path = "4.24测财务合同审核"
-    batch_output_dir_path = "4.24测财务合同审核-batch"
+            # "token": "fastgpt-n74gGX5ZqLT6o1ysMBSGUTjIciswYOWDRfQ75krMkE5gDVDkpzsbz8u",
+        }
+
+    return {
+        "suffix": "_麓发",
+        "batch_size": batch_size,
+        "batch_input_dir_path": "4.24测财务合同审核",
+        "batch_output_dir_path": f"4.24测财务合同审核-batch-{output_suffix}",
         # 麓发fastgpt接口
         # 麓发fastgpt接口
-    url = "http://192.168.252.71:18089/api/v1/chat/completions"
+        "url": "http://192.168.252.71:18089/api/v1/chat/completions",
         # 麓发合同审查生产token
         # 麓发合同审查生产token
-    # token = "fastgpt-ek3Z6PxI6sXgYc0jxzZ5bVGqrxwM6aVyfSmA6JVErJYBMr2KmYxrHwEUOIMSYz"
+        # "token": "fastgpt-ek3Z6PxI6sXgYc0jxzZ5bVGqrxwM6aVyfSmA6JVErJYBMr2KmYxrHwEUOIMSYz",
         # 麓发合同审查生产token-标准化
         # 麓发合同审查生产token-标准化
-    token = "fastgpt-mg5tQUgreJeF7peoOr5zqP0NR4EIrfS2bEVXge6FUL94Suu1TvEMR1sGNRSiV"
+        "token": "fastgpt-mg5tQUgreJeF7peoOr5zqP0NR4EIrfS2bEVXge6FUL94Suu1TvEMR1sGNRSiV",
+    }
 
 
 
 
 def extract_url(text):
 def extract_url(text):
@@ -59,7 +68,7 @@ def extract_url(text):
 
 
 
 
 def process_single_file(
 def process_single_file(
-    file, batch_input_dir_path, batch_output_dir_path, counter, start_file
+    file, params, counter, start_file
 ):
 ):
     """
     """
     单文件处理逻辑，可被线程池并发调用
     单文件处理逻辑，可被线程池并发调用
@@ -68,14 +77,20 @@ def process_single_file(
     if start_file > counter:
     if start_file > counter:
         return
         return
 
 
+    batch_input_dir_path = params["batch_input_dir_path"]
+    batch_output_dir_path = params["batch_output_dir_path"]
+    suffix = params["suffix"]
+    url = params["url"]
+    token = params["token"]
+
     # 提取文件前缀
     # 提取文件前缀
     file_name = file[: file.rfind(".")]
     file_name = file[: file.rfind(".")]
     ext_name = file[file.rfind(".") :]
     ext_name = file[file.rfind(".") :]
     # 源目标处理
     # 源目标处理
     original_file = f"{batch_input_dir_path}/{file}"
     original_file = f"{batch_input_dir_path}/{file}"
     des_check_file = f"{batch_output_dir_path}/{file_name}.md"
     des_check_file = f"{batch_output_dir_path}/{file_name}.md"
-    des_excel_file = f"{batch_output_dir_path}/{file_name}{SUFFIX}.xlsx"
-    des_doc_file = f"{batch_output_dir_path}/{file_name}{SUFFIX}{ext_name}"
+    des_excel_file = f"{batch_output_dir_path}/{file_name}{suffix}.xlsx"
+    des_doc_file = f"{batch_output_dir_path}/{file_name}{suffix}{ext_name}"
 
 
     try:
     try:
         # 处理原文件
         # 处理原文件
@@ -117,7 +132,11 @@ def process_single_file(
         logger.error(traceback.print_exc())
         logger.error(traceback.print_exc())
 
 
 
 
-def execute_batch(max_workers: int = 4):
+def execute_batch(params=None):
+    params = params or get_params()
+    max_workers = params["batch_size"]
+    batch_input_dir_path = params["batch_input_dir_path"]
+    batch_output_dir_path = params["batch_output_dir_path"]
     start_file = 1
     start_file = 1
     dirs = os.listdir(batch_input_dir_path)
     dirs = os.listdir(batch_input_dir_path)
     os.makedirs(batch_output_dir_path, exist_ok=True)
     os.makedirs(batch_output_dir_path, exist_ok=True)
@@ -127,8 +146,7 @@ def execute_batch(max_workers: int = 4):
             executor.submit(
             executor.submit(
                 process_single_file,
                 process_single_file,
                 file,
                 file,
-                batch_input_dir_path,
-                batch_output_dir_path,
+                params,
                 counter,
                 counter,
                 start_file,
                 start_file,
             )
             )
@@ -142,6 +160,7 @@ def execute_batch(max_workers: int = 4):
 if __name__ == "__main__":
 if __name__ == "__main__":
     import os
     import os
 
 
-    execute_batch(batch_size)
+    params = get_params()
+    execute_batch(params)
     print("all done!")
     print("all done!")
-    print("文件保存在: ", os.path.abspath(batch_output_dir_path))
+    print("文件保存在: ", os.path.abspath(params["batch_output_dir_path"]))

data/benchmark/eval.py

@@ -8,7 +8,7 @@ from typing import Iterable
 import pandas as pd
 import pandas as pd
 from spire.doc import Document
 from spire.doc import Document
 
 
-from compare_annotation import compare_with_log
+from compare_annotation import compare
 
 
 # Map raw comment authors to unified review item names.
 # Map raw comment authors to unified review item names.
 COMMENT_AUTHOR_MAPPING: dict[str, str] = {
 COMMENT_AUTHOR_MAPPING: dict[str, str] = {
@@ -86,8 +86,8 @@ def extract_annotaion(
 
 
 def compare_annotaion(val_dir: Path, answer_dir: Path) -> None:
 def compare_annotaion(val_dir: Path, answer_dir: Path) -> None:
     """Run benchmark comparison on extracted annotations."""
     """Run benchmark comparison on extracted annotations."""
-    log_path = compare_with_log(val_dir=val_dir, answer_dir=answer_dir)
-    print(f"Compare log written to: {log_path}")
+    output_excel = compare(val_dir=val_dir, answer_dir=answer_dir)
+    print(f"Compare result written to: {output_excel}")
 
 
 
 
 def _strip_suffix_once(stem: str, suffixes: Iterable[str]) -> str:
 def _strip_suffix_once(stem: str, suffixes: Iterable[str]) -> str:
@@ -121,7 +121,7 @@ def _parse_args() -> argparse.Namespace:
     parser.add_argument(
     parser.add_argument(
         "--datasets-dir",
         "--datasets-dir",
         type=Path,
         type=Path,
-        default=base / "results" / "jp-output-lufa-20260511-101828",
+        default=base / "results" / "jp-output-lufa-20260514-182859",
         help="Directory containing Word files with annotations.",
         help="Directory containing Word files with annotations.",
     )
     )
     parser.add_argument(
     parser.add_argument(
@@ -143,7 +143,7 @@ if __name__ == "__main__":
         datasets_dir=args.datasets_dir,
         datasets_dir=args.datasets_dir,
         answer_dir=base / "审查答案",
         answer_dir=base / "审查答案",
         val_dir=args.datasets_dir.with_name(
         val_dir=args.datasets_dir.with_name(
-            f"{args.datasets_dir.name}-extract-comment"
+            f"{args.datasets_dir.name}-测评结果"
         ),
         ),
         strip_suffixes=args.strip_suffixes,
         strip_suffixes=args.strip_suffixes,
     )
     )

skills/review-prompt-optimization-skill/SKILL.md

+---
+name: review-prompt-optimization-skill
+description: 审查提示词/规则优化编排 Skill。通过 batch 批处理、benchmark eval、测评 Excel 归因，循环更新 data/rules.xlsx 中的审查规则。
+---
+# Review Prompt Optimization Skill
+
+## 定位
+
+`review-prompt-optimization-skill` 用于编排合同审查提示词和规则库优化闭环。
+
+本 Skill 负责定义流程、判读方法、规则更新约束和循环停止条件。使用时，LLM 需要结合可用终端、Excel 工具和代码编辑能力执行流程；不要只给建议。
+
+默认优化目标文件：
+
+- 规则库：`data/rules.xlsx`
+- 批处理脚本：`data/batch/batch.py`
+- 测评脚本：`data/benchmark/eval.py`
+- Excel 工具：`skills/doc-excel-skill/scripts/excel_tool.py`
+- 编排辅助脚本：`data/optimize_review_prompt_flow.py`
+
+## 标准闭环
+
+1. 启动批处理
+
+   - 优先进入或使用 tmux session：`tmux attach -t batch`。
+   - 在该 session 中运行：`python3 data/batch/batch.py`。
+   - 也可直接使用 `data/optimize_review_prompt_flow.py` 串联执行。
+
+2. 等待 batch 完成
+
+   - 每 5 分钟检查一次 tmux 输出。
+   - 完成标志是 `batch.py` 输出批处理结果路径，格式通常为：`文件保存在:  /abs/path/to/output`。
+   - 记录该路径为 `batch_output_dir`。
+
+3. 运行测评
+
+   - 执行：
+
+     ```bash
+     python3 data/benchmark/eval.py --datasets-dir "$batch_output_dir"
+     ```
+
+   - `eval.py` 会先抽取批注，再对比 `data/benchmark/审查答案`，并输出测评 Excel。
+   - 测评 Excel 通常位于：`data/benchmark/results/{batch输出目录名}-测评结果.xlsx`。
+
+4. 读取测评 Excel
+
+   - 先读取全部 sheet：
+
+     ```bash
+     python3 skills/doc-excel-skill/scripts/excel_tool.py list-sheets "$eval_excel"
+     ```
+
+   - 跳过汇总 sheet `对比结果`，遍历其余每个审查项 sheet。
+   - 每个审查项 sheet 有两类错误：
+     - 第一列 `审查不合格但是没有查出来的`：漏检，应增强召回。
+     - 第二列 `审查合格但是误判为不合格的`：误报，应收紧边界。
+
+5. 更新规则库
+
+   - 更新目标是 `data/rules.xlsx` 中与 sheet 名或列 `审查项` 对应的规则行。
+   - 更新前必须备份，例如：
+
+     ```bash
+     cp data/rules.xlsx "data/rules.xlsx.bak.$(date +%Y%m%d-%H%M%S).xlsx"
+     ```
+
+   - 对漏检样例：
+     - 在 `审查规则` 中补充该类风险的明确判定条件。
+     - 必要时补充 `触发词`，提高路由和规则命中。
+     - 如果样例反映的是规则缺项，而非单条规则表述不足，可新增或拆分审查项。
+   - 对误报样例：
+     - 在 `审查规则` 中补充排除条件、合格边界、适用前提或反例。
+     - 必要时在 `建议模板` 中约束“满足某条件时无需修改”。
+     - 不要为了消除误报而删除应检风险的核心判定。
+   - 对同一审查项同时存在漏检和误报时：
+     - 先抽象共同原因，再修改规则。
+     - 避免简单堆砌样例，优先写可泛化的规则边界。
+
+6. 循环验证
+
+   - 保存 `data/rules.xlsx` 后，再回到步骤 1 执行下一轮 batch/eval。
+   - 每轮记录：
+     - batch 输出目录
+     - eval Excel 路径
+     - 修改过的 sheet/审查项
+     - 漏检数量、误报数量、F1、查全率、查准率变化
+   - 当总体 F1 或目标审查项指标不再明显提升，或剩余错误已无法通过规则库优化稳定解决时停止。
+
+## 辅助脚本
+
+可使用辅助脚本完成“batch + eval + 规则优化 + 每轮结果落 Excel”：
+
+```bash
+python data/optimize_review_prompt_flow.py --rounds 1 --f1-threshold 0.9
+```
+
+默认行为：
+
+- 调用 `data/batch/batch.py` 生成批处理输出目录。
+- 调用 `data/benchmark/eval.py` 生成测评 Excel。
+- 使用 `utils/excel_tool.py` 读取 `data/rules.xlsx` 和测评 Excel。
+- 对 F1 低于阈值且存在漏检/误报的审查项，调用 `utils/openai_util.py` 批量优化规则。
+- 写回 `data/rules.xlsx` 前自动备份。
+- 每轮结果保存到 `data/benchmark/results/prompt_optimization_rounds.xlsx` 的新 sheet。
+
+如果 batch 已经跑完，可跳过 tmux：
+
+```bash
+python data/optimize_review_prompt_flow.py \
+  --batch-output /abs/path/to/batch-output
+```
+
+常用参数：
+
+- `--rounds 3`
+- `--f1-threshold 0.9`
+- `--example-limit 20`
+- `--max-workers 10`
+- `--dry-run`
+
+## Excel 判读规则
+
+### `对比结果`
+
+用于确定优化优先级：
+
+- 优先处理 `大模型未匹配上的不合格项(C-B)` 高的审查项，提高召回。
+- 其次处理 `大模型其他不合格项` 和 `误报率(D/B+D)` 高的审查项，提高准确性。
+- 同等情况下优先处理合同风险更高、出现频率更高的审查项。
+
+### 审查项明细 sheet
+
+每个明细 sheet 的 sheet 名即审查项名称。
+
+- 第一列非空样例是“应该判不合格，但没有输出”的证据文本。
+- 第二列非空样例是“实际合格，但被模型判不合格”的证据文本。
+- 修改规则时，必须把样例上升为抽象规则，不要只复制样例原文。
+
+## 更新 `data/rules.xlsx` 的约束
+
+- 保留原有 sheet、列名、ID 和风险等级，除非确实需要新增规则。
+- 优先更新与测评 sheet 同名或语义对应的 `审查项` 行。
+- 只能改与本轮错误归因直接相关的规则，不做无关重构。
+- 修改应同时兼顾召回和准确性，避免单向拉高导致另一类错误恶化。
+- 每次修改后都要保存 Excel，并在最终回复中说明改了哪些审查项。
+- 如果工具无法安全写入 Excel，应先导出修改建议 JSON/Markdown，不得破坏原文件。
+
+## 推荐规则改写格式
+
+在 `审查规则` 中优先使用以下结构：
+
+```text
+检查……。不合格情形包括：1）……；2）……。
+合格/不判定为不合格的情形包括：1）……；2）……。
+仅当合同原文明确体现……时输出不合格；不得因……直接推断为不合格。
+```
+
+在 `触发词` 中使用分号分隔：
+
+```text
+付款;支付;验收;尾款;发票
+```
+
+在 `建议模板` 中写可执行建议：
+
+```text
+如存在该风险，建议补充……；若合同已明确……则无需修改。
+```
+
+## 输出要求
+
+每轮优化结束后，LLM 应输出：
+
+- batch 输出目录
+- eval Excel 路径
+- 本轮修改的 `data/rules.xlsx` 备份路径
+- 修改过的审查项列表
+- 每个审查项的漏检/误报归因摘要
+- 是否建议继续下一轮
+
+## 注意事项
+
+- 不要把 `对比结果` 当成规则明细 sheet。
+- 不要把“审查合格但是误判为不合格的”样例加入不合格判定条件；它们用于写排除条件。
+- 不要因单个样例过拟合规则，应提炼可泛化的合同审查边界。
+- 批处理和测评耗时较长，轮询期间保持 tmux session 不被关闭。