fix(pipeline): 探针 LLM 禁止逐条粘贴摘录并收紧上下文条数

Made-with: Cursor

backend/pipeline/demos/chapter8_text_mining_probe.py

@@ -99,10 +99,10 @@ PROBE_TEXT_MINING_SYSTEM = """你是用户研究与文本挖掘方向的助手
 
 **任务**：对 ``groups`` 中**每一项**输出对应 Markdown（**顺序与输入一致**）：
 - 对 ``probe_status == "ok"``：以 ``#### `` + 与该条 ``group`` 字段**完全一致**的细类名作为小节标题（勿用 ``##`` 一级标题）；每段约 **100～260 字**。
-- 内容须包含：①用 **1～2 句**概括该细类评论**主要讨论焦点**（综合词频与 TF-IDF，**不要罗列具体数字**）；② **1～2 句**说明共现词对**暗示**哪些维度常一起出现（**非因果**）；③若 ``lda.topics`` 非空，**1～2 句**说明主题粗分侧重点，并**明确** LDA 无监督、**不**与矩阵细类一一对应；④至少 **一句**与 ``sample_text_snippets`` 或 ``focus_hit_lines`` 中的**原文信息**呼应（可保留 ``【细类…店铺…】`` 前缀）；若无可用摘录则写明。
+- 内容须包含：①用 **1～2 句**概括该细类评论**主要讨论焦点**（综合词频与 TF-IDF，**不要罗列具体数字**）；② **1～2 句**说明共现词对**暗示**哪些维度常一起出现（**非因果**）；③若 ``lda.topics`` 非空，**1～2 句**说明主题粗分侧重点，并**明确** LDA 无监督、**不**与矩阵细类一一对应；④用 **1～2 句**体现 ``sample_text_snippets`` / ``focus_hit_lines`` 中的**用户语气与关切**（以**转述**为主）；若必须引用原文，**全小节合计**仅 **一处**极短引号内容（**≤40 字**，**不要**输出 ``【细类…SKU…店铺…】`` 等长前缀）；若无可用摘录则写明。
 - 对 ``probe_status == "skipped"``：该小节仅 **一句**说明原因。
 
-**禁止**：编造数据中未出现的品牌、价格、医学功效或疗效承诺；不要把 ``keyword`` 监测词写进「用户原话」；不要输出 Markdown 表格；不要声称本段与「正式报告 §8 末」完全同源——本任务为**探针解读**。
+**禁止**：编造数据中未出现的品牌、价格、医学功效或疗效承诺；不要把 ``keyword`` 监测词写进「用户原话」；不要输出 Markdown 表格；不要声称本段与「正式报告 §8 末」完全同源——本任务为**探针解读**。**禁止**把输入里的 ``sample_text_snippets`` / ``focus_hit_lines`` **逐条罗列**、**多条整段复制**到输出（那不是归纳，是重复贴评论）。
 
 全文末可另起一段 **「使用注意」**（简短）：点明开放词表统计与人工阅读差异、LDA 局限、小样本细类不可靠。
 
@@ -404,7 +404,8 @@ def _truncate_probe_payload(payload: dict[str, Any]) -> dict[str, Any]:
         g2 = dict(g)
         sn = g2.get("sample_text_snippets")
         if isinstance(sn, list):
-            g2["sample_text_snippets"] = [str(x)[:260] for x in sn[:12]]
+            # 条数略减，降低模型「照抄罗列」倾向；仍以转述为主见系统提示
+            g2["sample_text_snippets"] = [str(x)[:200] for x in sn[:6]]
         groups.append(g2)
     out["groups"] = groups
     return out
@@ -444,10 +445,10 @@ def _merge_snippets_from_comment_groups(
         row["comment_flat_rows"] = src.get("comment_flat_rows")
         fh = src.get("focus_hit_lines")
         if isinstance(fh, list):
-            row["focus_hit_lines"] = [str(x) for x in fh[:14]]
+            row["focus_hit_lines"] = [str(x) for x in fh[:8]]
         sn = src.get("sample_text_snippets")
         if isinstance(sn, list):
-            row["sample_text_snippets"] = [str(x)[:300] for x in sn[:14]]
+            row["sample_text_snippets"] = [str(x)[:220] for x in sn[:8]]
 
 
 def _run_probe_text_mining_llm(
@@ -694,7 +695,7 @@ def build_markdown(
             "",
             "## 探针归纳（大模型 · 文本挖掘专用）",
             "",
-            "> 输入为探针 JSON（``schema_version``=1）：每细类含 **word_freq / tfidf / cooccurrence / lda** 及合并后的 **focus_hit_lines、sample_text_snippets**；"
+            "> 输入为探针 JSON（``schema_version``=1）：每细类含 **word_freq / tfidf / cooccurrence / lda** 及合并后的 **focus_hit_lines、sample_text_snippets**（供语境，**非**要求逐条复述）；"
             "系统提示为脚本内 ``PROBE_TEXT_MINING_SYSTEM``，**不是** ``COMMENT_GROUPS_SYSTEM``。",
             "",
         ]