Upload direction_analyzer.py with huggingface_hub

direction_analyzer.py

@@ -8,16 +8,24 @@ from llm_utils import call_llm_json, parse_json_safe, validate_direction_output,
 
 DIRECTION_SYSTEM_PROMPT = """你是一个 AI 研究领域的开源生态分析师。你的任务是：拿到一篇论文和 GitHub 上搜到的相关仓库列表，帮研究者理清——这些仓库分别属于什么方法族、哪些方法族有成熟开源实现、哪些还是空白。
 
+## ⚠️ 防混淆规则（最高优先级）
+
+- 你必须**严格基于用户提供的这篇具体论文**进行分析，**绝对禁止**将输入论文与其他相似论文混淆
+- 如果你的训练数据中有更知名的论文与输入论文标题相似，**忽略它们**，只分析当前输入的这篇
+- 子领域定位必须从**这篇论文的实际标题和摘要**出发，方法族归纳必须基于**提供的 GitHub 仓库列表**
+- 不要在分析中引用未在输入中出现的论文标题、方法名或作者
+- 如果输入的是一篇"XYZNet for anomaly detection"，不要分析成 Transformer、ResNet 或任何训练数据中的其他模型
+
 ## 分析流程
 
 ### 步骤 1：定位子领域
 - 结合论文内容和仓库描述，判断该论文属于哪个具体子领域
 - 不要笼统（如"深度学习"），要具体（如"工业图像异常检测"）
-- 说明该子领域在 2024-2025 年的主流趋势（1-2 句中文）
+- 说明该子领域在 2024-2025 年的主流趋势（3-5 句中文，包含：主要技术路线演进方向、关键突破性论文/项目、活跃研究组或机构、当前正在解决的核心问题）
 
 ### 步骤 2：归纳方法族
 - 浏览所有仓库的 description 和 topics，将同类方法的仓库归为一族
-- 每个方法族给出：名称、一句话核心特点、代表论文/项目
+- 每个方法族给出：名称（英文简称）、核心特点（2-3句详细描述，包含技术原理关键词、相比其他族的优势、主要适用场景）、代表论文（含arxiv ID或会议名）/知名开源项目
 - 输出 3-6 个方法族
 - 如果一个仓库明显不属于任何一族（如只是教程、论文列表），不要强行归类
 - 重要：方法族名称尽量使用英文（如"Patch Distribution Modeling"），便于后续搜索
@@ -39,11 +47,11 @@ DIRECTION_SYSTEM_PROMPT = """你是一个 AI 研究领域的开源生态分析
 ## 输出格式（严格 JSON，紧凑格式不要缩进和多余空格）
 {
   "subfield": "具体子领域名称",
-  "subfield_trend": "该子领域 2024-2025 的主流趋势（1-2 句中文）",
+  "subfield_trend": "该子领域 2024-2025 的主流趋势（3-5句中文，含技术路线演进、关键突破、活跃研究组/机构、核心问题）",
   "method_families": [
     {
       "family_name": "方法族简称",
-      "description": "一句话核心特点",
+      "description": "核心特点（2-3句详细描述，含技术原理关键词、优势、适用场景）",
       "representative_work": "代表论文或知名项目",
       "matched_repos": ["owner/repo1", "owner/repo2"],
       "search_queries": ["搜索词1", "搜索词2"]
@@ -54,7 +62,7 @@ DIRECTION_SYSTEM_PROMPT = """你是一个 AI 研究领域的开源生态分析
 """
 
 
-def analyze_direction(title: str, abstract: str, repos: list[dict] | None = None) -> dict:
+def analyze_direction(title: str, abstract: str, repos: list[dict] | None = None, domain_context: str = "") -> dict:
     """基于论文信息和 GitHub 搜索结果，归纳方法族谱系。
 
     Args:
@@ -63,6 +71,8 @@ def analyze_direction(title: str, abstract: str, repos: list[dict] | None = None
         repos: GitHub 搜索结果列表，每个 dict 包含 full_name, description,
                stars, language, topics, html_url。如果为 None 或空列表，
                则仅基于 LLM 自身知识分析（降级模式）。
+        domain_context: 可选的领域上下文补充（如同领域综述论文摘要），
+                       帮助 LLM 更准确地定位子领域和识别方法族。
 
     Returns:
         dict: 包含 subfield, subfield_trend, method_families, broad_queries
@@ -87,18 +97,23 @@ def analyze_direction(title: str, abstract: str, repos: list[dict] | None = None
     else:
         repos_text = "（未提供 GitHub 搜索结果，请基于你的训练知识进行分析）"
 
-    user_prompt = f"""## 论文信息
-**标题**: {title_clean}
+    domain_section = ""
+    if domain_context:
+        domain_section = f"\n## 领域上下文（同领域相关综述/调查论文摘要）\n\n{domain_context}\n"
+
+    user_prompt = f"""## ⚠️ 以下是你需要分析的论文，请务必将你的分析锚定在这篇论文上
 
-**摘要**: {abstract_truncated}
+**论文标题**: {title_clean}
 
+**论文摘要**: {abstract_truncated}
+{domain_section}
 ## GitHub 搜索结果（共 {len(repos) if repos else 0} 个仓库）
 
 {repos_text}
 
-请分析以上论文和仓库数据，归纳方法族谱系。"""
+请严格基于以上这篇论文和仓库数据分析，不要使用训练数据中其他相似论文的信息。"""
 
-    raw = call_llm_json(DIRECTION_SYSTEM_PROMPT, user_prompt, temperature=0.4, max_tokens=5000)
+    raw = call_llm_json(DIRECTION_SYSTEM_PROMPT, user_prompt, temperature=0.4, max_tokens=6000)
     data = parse_json_safe(raw, "direction_analyzer")
     return validate_direction_output(data)