Data Generator

将用户指令列表转换为标准 JSONL 训练数据。

输入

两个必填参数：

输出 JSONL 格式

{"conversations":[
  {"from":"human","value":"\x3C当前用户指令>打开客厅空调\x3C/当前用户指令>\
\x3C本地设备>格力冷静王(空调)\x3C/本地设备>\
\x3C当前时间>2026-03-15 14:22:47\x3C/当前时间>\
\x3C用户场景列表>[{\"scene_id\":1001,\"scene_name\":\"回家模式\",\"room_name\":\"全屋\"},{\"scene_id\":1002,\"scene_name\":\"睡眠模式\",\"room_name\":\"主卧\"}]\x3C/用户场景列表>\
\x3C用户设备列表>{\"客厅\":[\"格力冷静王(空调)\",\"洗碗机A1(洗碗机)\"],\"主卧\":[\"美的舒省风(空调)\"]}\x3C/用户设备列表>"},
  {"from":"assistant","value":"\x3Ctool_call>{\"tool_name\":\"dev_control\",\"query\":\"打开客厅空调\"}\x3C/tool_call>"},
  {"from":"observation","value":"\x3Ctool_response>客厅空调已打开\x3C/tool_response>"},
  {"from":"assistant","value":"好的，客厅空调已经打开啦~"}
],"system":"","history":[]}

格式规则

1. human value = 完整上下文，格式固定：

   \x3C当前用户指令>用户原始指令\x3C/当前用户指令>
   \x3C本地设备>设备名(类型)\x3C/本地设备>
   \x3C当前时间>YYYY-MM-DD HH:mm:ss\x3C/当前时间>
   \x3C用户场景列表>[{"scene_id":xxx,"scene_name":"场景名","room_name":"房间名"},...]\x3C/用户场景列表>
   \x3C用户设备列表>{"房间":["设备名(类型)",...]}\x3C/用户设备列表>
   

2. assistant tool_call = 直接输出 tool_call 标签，无垫音前缀
3. observation = \x3Ctool_response>...\x3C/tool_response> 或 \x3Ctool_call>{...}\x3C/tool_call>（dev_info/weather 等工具）
4. assistant 终接回复 = 直接回复内容，无垫音前缀
5. system = ""，history = []

工作流

1. 接收 tool_name + user_instructions[]
         ↓
2. 加载提示词：通用要求 + 工具特定要求（references/tools/{tool}.txt）
         ↓
3. 将 user_instructions 注入提示词
         ↓
4. 生成 JSONL（每条独立）
         ↓
5. 输出 .jsonl 文件

提示词拼接

拼接规则：

[通用要求]
# ═══════════════════════════════════════════════════════════════════
# 【工具特定要求】
# 本次只调用：{TOOL_NAME}
# ────────────────────────────────────────────────────────────────
[references/tools/{TOOL_NAME}.txt 内容]

拼接脚本：scripts/build_prompt.py

工具与文件对照

使用示例

输入：

tool_name: "dev_info"
user_instructions: ["家里空调数量", "有几个空调"]

输出字段说明：

BUG 修复数据

当传入 tool_name 为修复后的正确工具时，生成的数据应体现：

• 工具调用格式正确（符合工具要求文件）
• query 字段格式正确（如延时类指令含 timing 字段）
• 文字回复符合预期（含延时时间描述）

具体格式参考：references/tools/scene_generator.txt。