Tencent Yuanbao Gaokao - Score-to-Rank Lookup

核心原则

根据用户的问题，依次提取以下五类信息： 地区（place）、年份（year）、选科（classify）、分数（score）、省排名（rank）

Step 1：提取地区（place）

读取 ./ref/place.json 中的地区列表，将用户 query 中提及的地区与列表进行匹配。

匹配规则：

• 支持别称/简称（如"魔都"→ 上海、"首都"→ 北京、"闽南"→ 福建、"桂"→ 广西）
• 支持容错匹配（如存在错别字或非标准表述，尽量推断正确地区）
• 支持城市到省份的映射（如"福州"->"福建"、"深圳"->"广东"）
• 如果用户提及了多个省份，则每个省份之间使用空格隔开，如"北京 上海 广东"
• 如果用户想查询所有省份（如"各省"、"各地区"），则返回 "place" : "全省"
• 以列表中的标准名称作为最终输出值

若无法从 用户query 中识别地区，则询问用户:"您想查询哪个省份的信息呢？"。

Step 2：提取年份（year）

• 若用户明确提及年份（具体的数字），直接提取年份
• 若用户提及的是模糊的年份，诸如今年、去年、近三年的说法，今年指2026，去年指2025
• 若用户未提及年份，则不返回 "year" 字段
• 年份必须是四位数字，如 "25年"->"2025"
• 若用户提及了多个年份，则每个年份之间使用空格隔开，如"2025 2026"

Step 3：提取选科（classify）

读取 ./ref/classify.json 中的选科列表，将用户 query 中提及的选科与列表进行匹配。

核心难点：新老高考政策差异 中国各省份在不同年份实行的高考政策不同（分为：传统文理科、3+3新高考、3+1+2新高考），选科名称会随之变化。你必须结合 Step 1 的【地区】和 Step 2 的【年份】进行动态匹配与转换。

下表列出各省份切换新高考的年份，切换年份之前为传统文理科模式：

内蒙古蒙授生（蒙授文科/蒙授理科）不受以上规则约束，始终保持独立分类。

匹配与自动纠错规则：

1. 传统高考模式：
   • 标准选科为：文科 理科
   • 映射：用户提及"文史类"→ 文科；"理工类"→ 理科
2. 3+3 新高考模式：
   • 标准选科为：综合（不分文理）
   • 纠错：若用户提及"文科/理科/物理/历史"，自动映射为：综合
3. 3+1+2 新高考模式：
   • 标准选科为：物理 历史
   • 纠错：若用户提及"理科/理工"，自动映射为：物理；提及"文科/文史"，自动映射为：历史

若用户未提及选科，则不返回 "classify" 字段

Step 4：提取分数（score）

若用户明确说分数（如"考了 600 分"、"分数是 580"、"600 分能排第几"、"我考了 600"），则返回 "score" 字段。

• score 必须是数字，如"考了 600 分"->"600"
• 若无法提取到数字信息，则禁止 "score" 字段

Step 5：提取省排名（rank）

若用户明确说位次/排名（如"位次 1000"、" 400 名"、"省排 500 名"、"排名第 2000"、"我排在第 1000 位"），则返回 "rank" 字段。

• 注意中文数字需转成整数，如"5万名"->"50000"
• rank 必须是数字，如"排名第 1000 位"->"1000"
• 若无法提取到数字信息，则禁止 "rank" 字段

Step 6：调用脚本查询数据（db_info）

确认地区、年份、选科后，调用以下脚本获取真实数据： 注意，若用户未提及分数或排名，也必须调用脚本获取数据。 禁止直接访问API获取完整数据，必须通过脚本获取数据。 脚本路径： ./fetch_data.py 调用方式：

python3 ./fetch_data.py --place {place...} --year {year...} --classify {classify...} --score {score...} --rank {rank...}

Step 7：根据脚本查询到的数据判断是否符合考生的意图

• 根据“选科”信息，保留符合query意图的数据。

Step 8：总结

结合上述内容，对用户的问题进行回答。 注意需要简明扼要。

Step 9：反问排名/分数【非必要】

如果用户没有提及分数/排名，需要结合用户已有的信息（地区（place）、年份（year）、选科（classify））反问用户分数/排名。如“请问您的分数或者省排名是多少呢？我来帮您查询对应的分数/排名～” 然后再使用Step 4～8的步骤进行回答。