fix: 切换到 Ollama Chat API 并修复思考模式控制

- 从 /api/generate 切换到 /api/chat 接口
- think 参数仅在 chat 接口中生效
- 简化 prompt，移除被误解的 /no_think 指令
- 移除 num_predict 限制

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

@@ -79,53 +79,57 @@ class OllamaService:
         # 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}]}'
         
-        # /no_think 指令用于禁用 Qwen3 的思考模式
-        prompt = f"""/no_think
-你是一个命名实体识别(NER)专家。请从以下文本中提取命名实体。
+        # 简洁直接的 prompt，要求模型只输出 JSON
+        prompt = f"""请从以下文本中提取命名实体，直接输出JSON，不要解释。
 
-【任务要求】
-1. 只输出JSON格式，不要输出任何解释或思考过程
-2. 实体类型: {types_desc}
-3. charStart和charEnd是实体在文本中的字符位置索引（从0开始）
+实体类型: {types_desc}
 
-【输出格式】
+输出格式示例:
 {example}
 
-【待处理文本】
+文本:
 {text}
 
-【JSON输出】"""
+请直接输出JSON:"""
         return prompt
     
     async def _call_ollama(self, prompt: str, disable_thinking: bool = True) -> Optional[str]:
         """
-        调用 Ollama API
+        调用 Ollama Chat API
         
         Args:
             prompt: 输入提示词
             disable_thinking: 是否禁用思考模式（适用于 Qwen3 等支持思考的模型）
         """
-        url = f"{self.base_url}/api/generate"
+        # 使用 /api/chat 接口，think 参数仅在此接口生效
+        url = f"{self.base_url}/api/chat"
         payload = {
             "model": self.model,
-            "prompt": prompt,
+            "messages": [
+                {
+                    "role": "user",
+                    "content": prompt
+                }
+            ],
             "stream": False,
             "options": {
                 "temperature": 0.1,  # 低温度，更确定性的输出
-                "num_predict": 20480,  # 最大输出 token
             }
         }
         
         # Qwen3 思考模式：禁用思考，直接输出 JSON 结果
-        # 思考模式会导致 token 用于推理过程，无法输出最终结果
-        payload["think"] = False
+        # think 参数仅在 /api/chat 接口中生效
+        if disable_thinking:
+            payload["think"] = False
         
         try:
             async with httpx.AsyncClient(timeout=self.timeout) as client:
                 response = await client.post(url, json=payload)
                 response.raise_for_status()
                 result = response.json()
-                return result.get("response", "")
+                # chat 接口返回格式: {"message": {"role": "assistant", "content": "..."}}
+                message = result.get("message", {})
+                return message.get("content", "")
         except httpx.TimeoutException:
             logger.error(f"Ollama 请求超时: timeout={self.timeout}s")
             return None