Normalize product data prompt formatting

skills/model-labeling/scripts/batch_label_model.py

@@ -397,6 +397,8 @@ def build_planning_prompt(
 
 
 def wrap_chat_prompt(system_prompt: str, instruction: str) -> str:
+    system_prompt = prompt_section_without_trailing_newline(system_prompt)
+    instruction = prompt_section_with_one_trailing_newline(instruction)
     return (
         f"<|im_start|>system\n{system_prompt}<|im_end|>\n"
         f"<|im_start|>user\n{instruction}<|im_end|>\n"
@@ -404,6 +406,14 @@ def wrap_chat_prompt(system_prompt: str, instruction: str) -> str:
     )
 
 
+def prompt_section_without_trailing_newline(text: str) -> str:
+    return str(text or "").rstrip("\n")
+
+
+def prompt_section_with_one_trailing_newline(text: str) -> str:
+    return prompt_section_without_trailing_newline(text) + "\n"
+
+
 def build_training_instruction(record: dict[str, Any], session_num: int, session_time_minutes: int) -> str:
     turn = record.get("turn") if isinstance(record.get("turn"), dict) else {}
     query = str(turn.get("query") or "")
@@ -414,7 +424,7 @@ def build_training_instruction(record: dict[str, Any], session_num: int, session
     return (
         "请参考用户的[当前query]、[对话历史]、[知识注入]、[系统状态]识别出[当前query]的[function]结果，[function]是python的code形式。\n"
         "[知识注入]\n"
-        f"{json.dumps({'location': str(context.get('location') or ''), 'rag': str(context.get('rag') or '')}, ensure_ascii=False, indent=0)}\n"
+        f"{context_prompt_block(context)}\n"
         "[系统状态]\n"
         "{}\n"
         "[对话历史]\n"
@@ -425,6 +435,17 @@ def build_training_instruction(record: dict[str, Any], session_num: int, session
     )
 
 
+def context_prompt_block(context: dict[str, Any]) -> str:
+    fields = ("location", "rag")
+    lines = ["{"]
+    for index, field in enumerate(fields):
+        comma = "," if index < len(fields) - 1 else ""
+        value = str(context.get(field) or "")
+        lines.append(f'"{field}": {json.dumps(value, ensure_ascii=False)}{comma}')
+    lines.append("}")
+    return "\n".join(lines)
+
+
 def render_history(prev_session: list[Any], current_ts: int | None, session_num: int, session_time_minutes: int) -> str:
     usable: list[dict[str, Any]] = []
     for item in prev_session[-session_num:]:

skills/product-data/SKILL.md

@@ -242,6 +242,7 @@ canonical records 落盘必须使用 `export_dataset_records.py`，默认格式
 - 评测数据：执行 `export_planning_eval_csv.py`，输出 `eval_planning.csv`，字段为 `request_id,newPrompt,query,类别真实标签,code标签,complex`。
 - 训练 `output` 和流转表格 `function` 列都会自动组合为两行：第一行 `complex=true/false`，第二行原监督标签；评测 `complex` 列直接来自 canonical record 的 `dimensions.complex`，按评测表习惯输出 `TRUE/FALSE`。
 - 训练 `instruction` 和评测 `newPrompt` 复用相同 prompt 主体：`[知识注入]`、`[系统状态]`、`[对话历史]`、`[当前query]`、`[function]`；评测 `newPrompt` 还会额外包上 `<|im_start|>system`、`<|im_start|>user`、`<|im_start|>assistant` chat template。
+- prompt 格式必须由转换脚本生成并保持稳定：`[知识注入]` 固定为多行 JSON 块，当前 query 固定写成 `用户: <query>`，`[function]` 后必须保留换行；不要在 `[function]` 下追加 `def Agent(...)` / `def Skill(...)` 等签名说明。
 - 对话历史默认最多取 5 轮，且相邻轮间隔不超过 5 分钟；`context` 默认注入 `location` 和 `rag` 两个字段。
 
 当前 canonical record v1 工作格式：

skills/product-data/knowledge/canonical_record_v1.md

@@ -68,3 +68,10 @@ canonical record 是产品数据生成链路的中间元数据格式。它不是
 - `eval_planning.csv`：字段为 `request_id,newPrompt,query,类别真实标签,code标签,complex`，由 `export_planning_eval_csv.py` 生成；`newPrompt` 会包上 `<|im_start|>system/user/assistant` chat template；`complex` 列来自 `dimensions.complex`，按评测表习惯输出 `TRUE/FALSE`，不是固定默认值。
 
 `instruction` 和 `newPrompt` 使用同一套 prompt 主体，默认包含 `[知识注入]`、`[系统状态]`、`[对话历史]`、`[当前query]`、`[function]`。历史轮次默认最多取 5 轮，且相邻时间间隔不超过 5 分钟。
+
+格式约束：
+
+- `[知识注入]` 必须是多行 JSON 块，默认只输出 `location` 和 `rag` 两个字段。
+- `[当前query]` 下一行必须带 `用户:` 前缀。
+- `[function]` 后必须保留换行；评测 `newPrompt` 中随后才是 `<|im_end|>`。
+- 不要在 `[function]` 下追加 `def Agent(...)`、`def Skill(...)` 等函数签名说明。

skills/product-data/scripts/product_data_portable.py

@@ -651,12 +651,15 @@ def build_planning_prompt(
 ) -> str:
     """把训练 instruction 包成评测侧使用的 chat template。"""
 
-    instruction = build_training_instruction(
+    instruction = prompt_section_with_one_trailing_newline(
+        build_training_instruction(
             record,
             session_num=session_num,
             session_time_minutes=session_time_minutes,
             context_fields=context_fields,
         )
+    )
+    system_prompt = prompt_section_without_trailing_newline(system_prompt)
     return (
         f"<|im_start|>system\n{system_prompt}<|im_end|>\n"
         f"<|im_start|>user\n{instruction}<|im_end|>\n"
@@ -664,6 +667,14 @@ def build_planning_prompt(
     )
 
 
+def prompt_section_without_trailing_newline(text: str) -> str:
+    return str(text or "").rstrip("\n")
+
+
+def prompt_section_with_one_trailing_newline(text: str) -> str:
+    return prompt_section_without_trailing_newline(text) + "\n"
+
+
 def training_jsonl_line(
     record: dict[str, Any],
     *,
@@ -673,7 +684,7 @@ def training_jsonl_line(
     system_prompt: str,
 ) -> str:
     payload = {
-        "system": system_prompt,
+        "system": prompt_section_without_trailing_newline(system_prompt),
         "instruction": build_training_instruction(
             record,
             session_num=session_num,

src/data_agent_records.py

@@ -732,12 +732,15 @@ def build_planning_prompt(
 ) -> str:
     """把训练 instruction 包成评测侧使用的 chat template。"""
 
-    instruction = build_training_instruction(
+    instruction = _prompt_section_with_one_trailing_newline(
+        build_training_instruction(
             record,
             session_num=session_num,
             session_time_minutes=session_time_minutes,
             context_fields=context_fields,
         )
+    )
+    system_prompt = _prompt_section_without_trailing_newline(system_prompt)
     return (
         f'<|im_start|>system\n{system_prompt}<|im_end|>\n'
         f'<|im_start|>user\n{instruction}<|im_end|>\n'
@@ -745,6 +748,14 @@ def build_planning_prompt(
     )
 
 
+def _prompt_section_without_trailing_newline(text: str) -> str:
+    return str(text or '').rstrip('\n')
+
+
+def _prompt_section_with_one_trailing_newline(text: str) -> str:
+    return _prompt_section_without_trailing_newline(text) + '\n'
+
+
 def _training_jsonl_line(
     record: dict[str, Any],
     *,
@@ -754,7 +765,7 @@ def _training_jsonl_line(
     system_prompt: str,
 ) -> str:
     payload = {
-        'system': system_prompt,
+        'system': _prompt_section_without_trailing_newline(system_prompt),
         'instruction': build_training_instruction(
             record,
             session_num=session_num,

tests/test_data_agent_records.py

@@ -10,6 +10,7 @@ from pathlib import Path
 from src.agent_tools import build_tool_context, default_tool_registry, execute_tool
 from src.agent_types import AgentRuntimeConfig
 from src.data_agent_records import (
+    build_planning_prompt,
     confirm_generation_goal,
     confirm_generation_plan,
     export_dataset_records,
@@ -262,6 +263,47 @@ target: Agent(tag='地图导航')
         self.assertIn('[function]', rows[0]['newPrompt'])
         self.assertTrue(rows[0]['newPrompt'].endswith('<|im_start|>assistant\n'))
 
+    def test_build_planning_prompt_matches_standard_chat_template(self) -> None:
+        records = normalize_dataset_draft(
+            '''
+# dataset_label: 地图导航边界数据
+### case: 多轮顺路停车场
+用户: 帮我查一下最近的停车场
+小爱: 最近的停车场离你27米
+用户: 帮我找一个最顺路的停车场
+target: Agent(tag='地图导航')
+'''.strip(),
+            batch_id='demo',
+            base_timestamp=1_755_567_930_500,
+            timestamp_step_ms=60_000,
+        )['records']
+        records[0]['context'] = {'location': '', 'rag': ''}
+
+        prompt = build_planning_prompt(records[0], system_prompt='你是小爱同学，中文智能语音助手。\n')
+
+        self.assertEqual(
+            prompt,
+            '<|im_start|>system\n'
+            '你是小爱同学，中文智能语音助手。<|im_end|>\n'
+            '<|im_start|>user\n'
+            '请参考用户的[当前query]、[对话历史]、[知识注入]、[系统状态]识别出[当前query]的[function]结果，[function]是python的code形式。\n'
+            '[知识注入]\n'
+            '{\n'
+            '"location": "",\n'
+            '"rag": ""\n'
+            '}\n'
+            '[系统状态]\n'
+            '{}\n'
+            '[对话历史]\n'
+            '用户: 帮我查一下最近的停车场\n'
+            '小爱: 最近的停车场离你27米\n'
+            '[当前query]\n'
+            '用户: 帮我找一个最顺路的停车场\n'
+            '[function]\n'
+            '<|im_end|>\n'
+            '<|im_start|>assistant\n',
+        )
+
     def test_export_planning_eval_csv_writes_file(self) -> None:
         records = normalize_dataset_draft(
             '''