optimize: 优化 NER 提取 Prompt，提高实体识别质量

主要改进：
1. 完善 Prompt 中各实体类型的详细定义和示例
2. 明确排除规则：
   - NUMBER 不包括章节编号、序号
   - PROJECT 不包括文件编号
   - METHOD 不包括标准编号
3. 增加重要规则提示：
   - 只提取有实际意义的实体
   - 实体边界要准确
   - 去除重复实体
   - 位置信息要准确

解决问题：
- 之前大量章节编号（16、17、1.1等）被误识别为 NUMBER
- 文件编号（SQE.01C0213）被误识别为 METHOD
- 标准编号被误识别为 PROJECT

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

@@ -47,15 +47,16 @@ class Settings(BaseSettings):
     deepseek_max_retries: int = 3
     
     # 实体类型配置
+    # 注意：这些类型名需要与 prompt 中的定义一致
     entity_types: List[str] = [
-        "PERSON",   # 人名
-        "ORG",      # 机构/组织
-        "LOC",      # 地点
-        "DATE",     # 日期
-        "NUMBER",   # 数值
-        "DEVICE",   # 设备
-        "PROJECT",  # 项目
-        "METHOD",   # 方法/标准
+        "PERSON",   # 人名（包含职务+姓名）
+        "ORG",      # 机构/组织（完整名称）
+        "LOC",      # 地点/位置
+        "DATE",     # 日期/时间
+        "NUMBER",   # 有意义的数值（带单位，非章节号）
+        "DEVICE",   # 设备/系统
+        "PROJECT",  # 项目/工程名称（非编号）
+        "METHOD",   # 方法/标准/规范名称
     ]
     
     # 日志配置

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

@@ -67,18 +67,69 @@ class DeepSeekService:
         构建 NER 提取的 Prompt
         """
         types = entity_types or settings.entity_types
-        types_desc = ", ".join(types)
         
-        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"""请从以下文本中提取命名实体，直接输出JSON，不要解释。
+        prompt = f"""你是专业的命名实体识别(NER)专家。请从以下文本中提取有意义的命名实体。
+
+## 实体类型定义
+
+1. **PERSON** - 人名
+   - 包括：姓名、职务+姓名（如"张总"、"李工程师"）
+   - 不包括：职位本身（如"经理"、"主任"）
+
+2. **ORG** - 机构/组织
+   - 包括：公司、政府机关、协会、院校等完整名称
+   - 例如："中国电建集团成都勘测设计研究院有限公司"、"国家能源局"
+   - 不包括：简称（如"公司"、"集团"），除非是特定缩写（如"成都院"）
+
+3. **LOC** - 地点/位置
+   - 包括：省市区县、具体地址、工程位置
+   - 例如："四川省成都市"、"龙滩水电站"
+
+4. **DATE** - 日期/时间
+   - 包括：具体日期、时间段、年份
+   - 例如："2024年7月13日"、"2019年版"
+   - 不包括：单独的年份数字
+
+5. **NUMBER** - 有意义的数值
+   - 包括：带单位的数量、金额、评分、比例
+   - 例如："93.33分"、"7000名"、"70多年"、"5个"
+   - **不包括**：章节编号（如"1.1"、"第3章"）、纯序号（如"16"、"17"）、表格序号
+
+6. **PROJECT** - 项目/工程名称
+   - 包括：具体项目名称、工程名称
+   - 例如："白鹤滩水电站工程"、"安全生产标准化建设项目"
+   - **不包括**：文件编号（如"AY-BZ-0092-2024"）、标准编号
+
+7. **METHOD** - 方法/标准/规范
+   - 包括：技术标准、管理办法、评价标准的完整名称
+   - 例如："电力建设企业安全生产标准化评价标准"、"安全生产风险抵押金管理办法"
+   - **不包括**：编号（如"SQE.01C0213"、"中电建协〔2014〕24号文"）
+
+8. **DEVICE** - 设备/系统
+   - 包括：设备名称、信息系统名称
+   - 例如："OA系统"、"QHSE系统"、"造槽机"
+
+## 重要规则
+
+1. **只提取有实际意义的实体**，忽略：
+   - 章节编号（如"1"、"1.1"、"第一章"）
+   - 表格序号
+   - 单独的数字（如"16"、"17"）
+   - 文件编号和标准编号（归类为无意义数据，不要提取）
+
+2. **实体边界要准确**，提取完整的名称而非片段
+
+3. **去除重复实体**，相同的实体只返回一次
+
+4. **charStart和charEnd必须准确**，对应实体在原文中的字符位置（从0开始）
+
+## 输出格式
 
-实体类型: {types_desc}
+直接输出JSON，格式如下：
+{{"entities": [{{"name": "实体名称", "type": "实体类型", "charStart": 起始位置, "charEnd": 结束位置}}]}}
 
-输出格式示例:
-{example}
+## 待处理文本
 
-文本:
 {text}
 
 请直接输出JSON:"""