多语言Prompt工程：中文Prompt的特殊技巧

class TokenEfficiencyAnalyzer:
    """分析中英文Prompt的Token效率"""
    
    def __init__(self, tokenizer):
        self.tokenizer = tokenizer
    
    def analyze(self, text_zh: str, text_en: str):
        """对比中英文版本"""
        tokens_zh = self.tokenizer.encode(text_zh)
        tokens_en = self.tokenizer.encode(text_en)
        
        return {
            "chinese": {
                "text_length": len(text_zh),
                "token_count": len(tokens_zh),
                "chars_per_token": len(text_zh) / len(tokens_zh),
            },
            "english": {
                "text_length": len(text_en),
                "token_count": len(tokens_en),
                "chars_per_token": len(text_en) / len(tokens_en),
            },
            "token_efficiency_ratio": len(tokens_en) / len(tokens_zh)
        }

# 实际对比
analyzer = TokenEfficiencyAnalyzer(tokenizer)

result = analyzer.analyze(
    text_zh="请分析这段代码的时间复杂度并给出优化建议",
    text_en="Please analyze the time complexity of this code and provide optimization suggestions"
)
# 典型结果：
# 中文: 15字符 / 12 tokens (1.25字符/token)
# 英文: 86字符 / 18 tokens (4.78字符/token)
# 中文Token效率比: 1.5 (中文用更少token表达相同含义)

class ChineseTokenOptimizer:
    """中文Prompt Token优化"""
    
    # 策略1: 精简表达
    STRATEGIES = {
        "concise_expression": {
            "original": "请你仔细地、认真地分析以下这段代码，并且给出你的详细分析和优化建议",
            "optimized": "分析以下代码，给出优化建议",
            "token_reduction": "40%"
        },
        "remove_politeness": {
            "original": "麻烦您帮我查看一下这个问题，非常感谢",
            "optimized": "查看这个问题",
            "token_reduction": "60%"
        },
        "use_terminology": {
            "original": "请检查这个计算机程序运行速度的快慢程度",
            "optimized": "检查代码性能",
            "token_reduction": "55%"
        }
    }
    
    @staticmethod
    def optimize_prompt(prompt: str) -> str:
        """优化中文Prompt的Token效率"""
        # 1. 去除冗余礼貌用语
        prompt = re.sub(r"麻烦您|请麻烦|非常感谢|辛苦了", "", prompt)
        
        # 2. 简化表达
        replacements = {
            "进行详细的分析": "分析",
            "给出你的看法和意见": "评价",
            "一步一步地": "逐步",
            "各种各样的": "各类",
        }
        for old, new in replacements.items():
            prompt = prompt.replace(old, new)
        
        return prompt.strip()

class ChineseInstructionEnhancer:
    """
    中文指令增强器
    解决中文指令遵循相对薄弱的问题
    """
    
    # 中文Prompt特殊技巧
    ENHANCEMENT_STRATEGIES = {
        # 策略1: 双语指令（关键指令同时用中英文）
        "bilingual": {
            "description": "关键指令同时提供中英文",
            "example": """
请按以下格式输出 / Please output in the following format:
{
  "summary": "摘要",
  "details": ["详情1", "详情2"]
}
"""
        },
        
        # 策略2: 结构化标记
        "structured": {
            "description": "使用数字编号和层级结构",
            "example": """
请执行以下3个步骤：

【步骤1】数据预处理
  - 清洗文本
  - 分词
  
【步骤2】模型推理
  - 加载模型
  - 执行预测
  
【步骤3】结果输出
  - 格式化结果
  - 生成报告
"""
        },
        
        # 策略3: 明确约束
        "explicit_constraints": {
            "description": "明确列出所有约束条件",
            "example": """
约束条件：
1. 输出长度：不超过200字
2. 输出格式：纯文本，不使用Markdown
3. 语言：简体中文
4. 语气：专业、客观
5. 禁止：不使用"我认为"等主观表述
"""
        },
        
        # 策略4: 反例引导
        "negative_examples": {
            "description": "提供反面示例帮助理解",
            "example": """
正确示例：该方案的优势在于成本低、效率高。
错误示例：我觉得这个方案挺好的，大家应该都会喜欢的。（太主观）

正确示例：测试覆盖率达到85%，核心模块100%。
错误示例：测试做得很全面，基本没问题。（太模糊）
"""
        }
    }
    
    def enhance(self, prompt: str, strategies: list[str] = None) -> str:
        """应用增强策略"""
        if strategies is None:
            strategies = ["structured", "explicit_constraints"]
        
        enhanced = prompt
        
        if "structured" in strategies:
            enhanced = self._add_structure(enhanced)
        
        if "explicit_constraints" in strategies:
            enhanced = self._add_constraints(enhanced)
        
        if "bilingual" in strategies:
            enhanced = self._add_bilingual(enhanced)
        
        return enhanced

class CulturalContextAdapter:
    """
    文化语境适配器
    使Prompt更符合中文使用场景
    """
    
    ADAPTATIONS = {
        # 商务场景
        "business": {
            "tone": "正式、尊重",
            "address": "使用"您"',
            "structure": "先结论后细节",
            "examples": {
                "generic": "Analyze this business proposal",
                "adapted": "请分析这份商业计划书。\n要求：\n1. 先给出总体评价\n2. 再详细分析优劣势\n3. 最后提出改进建议",
            }
        },
        
        # 技术文档
        "technical": {
            "tone": "专业、精确",
            "terminology": "保留英文专业术语",
            "structure": "层次分明，逻辑清晰",
            "examples": {
                "generic": "Explain how this algorithm works",
                "adapted": "解释这个算法的原理。\n要求：\n1. 时间复杂度分析\n2. 空间复杂度分析\n3. 与同类算法对比\n4. 适用场景说明\n注：专业术语可保留英文",
            }
        },
        
        # 客服场景
        "customer_service": {
            "tone": "友好、共情",
            "address": "使用"您"',
            "structure": "先理解诉求，再给方案",
            "examples": {
                "generic": "Help the customer with their issue",
                "adapted": "作为客服助手处理用户问题。\n步骤：\n1. 复述用户问题，表示理解\n2. 提供解决方案（分步骤）\n3. 询问是否还需要其他帮助\n语调：友好、耐心",
            }
        }
    }
    
    def adapt(self, prompt: str, context: str = "technical") -> str:
        """适配文化语境"""
        config = self.ADAPTATIONS.get(context, self.ADAPTATIONS["technical"])
        
        adaptation_prefix = f"""
语调：{config['tone']}
称呼：{config['address']}
结构：{config['structure']}
"""
        
        return adaptation_prefix + "\n" + prompt

class ChineseEnglishHybridPrompt:
    """
    中英混合Prompt策略
    在技术场景中合理混合中英文
    """
    
    # 应该保留英文的术语类别
    KEEP_ENGLISH = {
        "programming": ["API", "HTTP", "JSON", "SQL", "Docker", "Kubernetes"],
        "ai_ml": ["Transformer", "Attention", "Embedding", "Fine-tuning", 
                  "RAG", "CoT", "Few-shot", "Zero-shot"],
        "metrics": ["F1 Score", "BLEU", "ROUGE", "Perplexity"],
        "tools": ["Git", "Jenkins", "Prometheus", "Grafana"],
    }
    
    # 应该翻译的术语
    SHOULD_TRANSLATE = {
        "database": "数据库",
        "server": "服务器",
        "client": "客户端",
        "algorithm": "算法",
        "function": "函数",
        "variable": "变量",
        "class": "类",
        "interface": "接口",
    }
    
    @staticmethod
    def build_hybrid_prompt(task: str, context: str = "technical") -> str:
        """构建中英混合Prompt"""
        
        prompt = f"""任务：{task}

输出要求：
1. 正文使用中文
2. 以下专业术语保留英文：API, HTTP, JSON, SQL, Docker, Kubernetes, 
   Transformer, Attention, Embedding, Fine-tuning, RAG
3. 代码、命令、配置文件保持原格式
4. 变量名、函数名保持英文
5. 注释使用中文

示例输出格式：
"我们使用Transformer架构的模型，通过Fine-tuning在中文数据集上微调。
模型配置使用了12层Attention，Embedding维度为768。"

请开始处理：
"""
        return prompt

class ChineseFewShotOptimizer:
    """
    中文Few-shot Prompt优化
    """
    
    @staticmethod
    def build_chinese_few_shot(examples: list[dict], query: str) -> str:
        """
        构建中文Few-shot Prompt
        中文Few-shot的特殊考虑：
        1. 示例之间的分隔符要明确
        2. 输入输出标记要清晰
        3. 避免歧义的标点使用
        """
        prompt = "以下是几个示例，请参考示例完成最后的问题。\n\n"
        
        for i, ex in enumerate(examples, 1):
            prompt += f"━━━ 示例 {i} ━━━\n"
            prompt += f"【输入】{ex['input']}\n"
            prompt += f"【输出】{ex['output']}\n"
            if 'explanation' in ex:
                prompt += f"【说明】{ex['explanation']}\n"
            prompt += "\n"
        
        prompt += f"━━━ 请处理 ━━━\n"
        prompt += f"【输入】{query}\n"
        prompt += f"【输出】"
        
        return prompt
    
    @staticmethod
    def optimize_example_order(examples: list[dict]) -> list[dict]:
        """
        优化中文示例排列
        中文场景的特殊考虑：
        - 避免相似汉字开头的示例相邻
        - 考虑声调变化
        """
        # 按首字拼音排序后交错排列
        # 这只是一个启发式方法
        sorted_examples = sorted(examples, key=lambda x: x["input"][:1])
        
        # 交错排列
        mid = len(sorted_examples) // 2
        interleaved = []
        for i in range(mid):
            interleaved.append(sorted_examples[i])
            if i + mid < len(sorted_examples):
                interleaved.append(sorted_examples[i + mid])
        
        return interleaved

class ChinesePromptEvaluator:
    """中文Prompt质量评估"""
    
    CRITERIA = {
        "clarity": {
            "weight": 0.25,
            "description": "指令是否清晰明确",
            "check": lambda p: not any(vague in p for vague in 
                                     ["一些", "大概", "可能", "差不多"])
        },
        "completeness": {
            "weight": 0.25,
            "description": "是否包含所有必要信息",
            "check": lambda p: all(kw in p for kw in 
                                  ["任务", "输入", "输出", "格式"])
        },
        "conciseness": {
            "weight": 0.20,
            "description": "是否简洁无冗余",
            "check": lambda p: len(p) < 500
        },
        "cultural_appropriate": {
            "weight": 0.15,
            "description": "是否符合中文表达习惯",
            "check": lambda p: not any(eng in p for eng in 
                                      ["the ", "is ", "are ", "and "])
        },
        "structure": {
            "weight": 0.15,
            "description": "结构是否清晰",
            "check": lambda p: "1." in p or "步骤" in p or "【" in p
        }
    }
    
    def evaluate(self, prompt: str) -> dict:
        """评估中文Prompt质量"""
        scores = {}
        
        for criterion, config in self.CRITERIA.items():
            score = 1.0 if config["check"](prompt) else 0.5
            scores[criterion] = {
                "score": score,
                "weight": config["weight"],
                "description": config["description"]
            }
        
        total = sum(s["score"] * s["weight"] for s in scores.values())
        
        return {
            "total_score": total,
            "criteria": scores,
            "grade": "A" if total >= 0.9 else 
                    "B" if total >= 0.8 else
                    "C" if total >= 0.7 else "D",
            "suggestions": self._generate_suggestions(scores, prompt)
        }

class MultilingualPromptRouter:
    """
    多语言Prompt路由器
    根据输入语言自动选择最佳Prompt策略
    """
    
    def __init__(self):
        self.language_detectors = {
            "zh": self._detect_chinese,
            "en": self._detect_english,
            "mixed": self._detect_mixed,
        }
        self.prompt_strategies = {
            "zh": self._chinese_strategy,
            "en": self._english_strategy,
            "mixed": self._mixed_strategy,
        }
    
    def route(self, user_input: str) -> dict:
        """路由到最佳Prompt策略"""
        language = self._detect_language(user_input)
        strategy = self.prompt_strategies[language]
        
        return {
            "language": language,
            "strategy": strategy.__name__,
            "optimized_prompt": strategy(user_input)
        }
    
    def _detect_language(self, text: str) -> str:
        """检测语言"""
        chinese_chars = sum(1 for c in text if '\u4e00' <= c <= '\u9fff')
        total_chars = len(text)
        
        if chinese_chars / max(total_chars, 1) > 0.6:
            return "zh"
        elif chinese_chars / max(total_chars, 1) < 0.1:
            return "en"
        else:
            return "mixed"
    
    def _chinese_strategy(self, input_text: str) -> str:
        """中文策略"""
        return f"""请用简体中文回答以下问题。

要求：
1. 语言自然流畅，符合中文表达习惯
2. 专业术语可保留英文
3. 结构清晰，分点说明

问题：{input_text}
"""
    
    def _mixed_strategy(self, input_text: str) -> str:
        """混合语言策略"""
        return f"""请处理以下输入，输出使用中文（专业术语保留英文）。

输入：{input_text}

输出要求：
- 正文中文
- 代码/命令/技术术语保留英文
- 格式规范，结构清晰
"""

CHINESE_PROMPT_BEST_PRACTICES = """
=== 中文Prompt工程最佳实践 ===

1. 指令明确化
   - 使用"请执行以下步骤"而非"请看一下"
   - 明确输出格式、长度、语气要求
   - 使用编号和层级结构

2. Token效率
   - 删除冗余礼貌用语
   - 使用专业术语而非长描述
   - 中文表达通常比英文更省token

3. 术语策略
   - 新兴技术术语保留英文（如RAG, CoT, Fine-tuning）
   - 传统技术术语用中文（如数据库、服务器）
   - 提供术语表保证一致性

4. 文化适配
   - 商务场景使用正式语体
   - 技术场景可以更直接
   - 客服场景需要共情表达

5. Few-shot选择
   - 中文示例的语义相似度计算需用中文embedding模型
   - 考虑文化背景的相似性
   - 示例排列考虑汉字特征

6. 混合语言处理
   - 中英混合是技术场景的常态
   - 明确告知模型哪些保留英文、哪些翻译
   - 代码注释统一使用一种语言

7. 评估与优化
   - 使用中文评估指标
   - 考虑中文特有的质量问题（如标点混用）
   - A/B测试中控制语言变量
"""