fix: 优化 Qwen3 NER Prompt 和响应解析

- 简化 Prompt，添加输出示例帮助模型理解格式
- 使用 ```json 引导 JSON 输出
- 解析时移除 markdown code block 标记
- 添加调试日志

python-services/ner-service/app/services/ollama_service.py

@@ -76,25 +76,22 @@ class OllamaService:
         types = entity_types or settings.entity_types
         types_desc = ", ".join(types)
         
-        prompt = f"""/no_think
-你是一个专业的命名实体识别(NER)系统。请从以下文本中提取实体，直接输出JSON，不要解释。
+        # 示例帮助模型理解格式
+        example = '{"entities": [{"name": "成都市", "type": "LOC", "charStart": 10, "charEnd": 13}, {"name": "2024年5月", "type": "DATE", "charStart": 0, "charEnd": 7}]}'
+        
+        prompt = f"""从文本中提取命名实体，只输出JSON。
 
-## 实体类型: {types_desc}
-- PERSON: 人名
-- ORG: 机构/公司
-- LOC: 地点
-- DATE: 日期
-- NUMBER: 数值（带单位）
-- DEVICE: 设备仪器
-- PROJECT: 项目/工程
-- METHOD: 方法/标准
+实体类型: {types_desc}
 
-## 输出格式（严格JSON，不要其他内容）:
-{{"entities": [{{"name": "实体名", "type": "类型", "charStart": 0, "charEnd": 0}}]}}
+输出格式示例:
+{example}
 
-## 文本:
+文本内容:
 {text}
 
+JSON结果:
+```json"""
+
 ## JSON结果:
 """
         return prompt
@@ -141,10 +138,14 @@ class OllamaService:
             # Qwen3 可能有 thinking 模式，需要移除 <think>...</think> 部分
             response = re.sub(r'<think>[\s\S]*?</think>', '', response)
             
+            # 移除 markdown code block 标记
+            response = re.sub(r'```json\s*', '', response)
+            response = re.sub(r'```\s*$', '', response)
+            
             # 尝试提取 JSON 部分
             json_match = re.search(r'\{[\s\S]*\}', response)
             if not json_match:
-                logger.warning("LLM 响应中未找到 JSON")
+                logger.warning(f"LLM 响应中未找到 JSON, response={response[:300]}...")
                 return entities
             
             json_str = json_match.group()
@@ -233,6 +234,9 @@ class OllamaService:
                 logger.warning(f"分块 {i+1} Ollama 返回为空")
                 continue
             
+            # 打印前 500 字符用于调试
+            logger.debug(f"分块 {i+1} LLM 响应: {response[:500]}...")
+            
             # 解析结果
             entities = self._parse_llm_response(response, chunk["start_pos"])