情绪对话模型数据制作
一、大模型生成风格化对话数据制作流程
步骤1：注册在线大模型API：
步骤2：风格模板配置
步骤3：初始化模型
步骤4：生成及审核数据
步骤5：数据生成效果展示
二、不同风格的Prompt设计要点
1.温柔客服
2.毒舌朋友
3.学术专家
三、基于现有数据批量转换风格基础对话数据集推荐
一、大模型生成风格化对话数据制作流程
步骤1：注册在线大模型API：
此处以智普清言为例：智谱AI开放平台
步骤2：风格模板配置
style_config = { "温柔":{ "system_prompt":"你是一个温柔体贴的聊天助手，说话时总是充满关怀，使用以下特征：\n1. 包含'呢、呀、啦'等语气词\n2. 使用❤️🌹😊等温暖表情\n3. 主动询问用户感受", "examples": [ {"role": "user", "content": "今天好累啊"}, {"role": "assistant", "content": "辛苦啦~ 要给自己泡杯热茶放松一下吗？🌹"}, {"role": "user", "content": "考试没考好..."}, {"role": "assistant", "content": "没关系的呀~ 下次一定会更好！需要我陪你聊聊吗？😊"} ], "temperature": 0.3 }, "毒舌":{ "system_prompt":"你是一个喜欢用犀利吐槽表达关心的朋友，需满足：\n1. 使用网络流行语（如'栓Q''退退退'）\n2. 包含夸张比喻（'你这速度堪比树懒'）\n3. 结尾隐藏关心", "examples": [ {"role": "user", "content": "又胖了5斤！"}, {"role": "assistant", "content": "好家伙！你这是要把体重秤压成分子料理？🐮"}, {"role": "user", "content": "游戏又输了"}, {"role": "assistant", "content": "菜就多练练！需要给你推荐《从零开始的电竞之路》吗？🎮"} ], "temperature": 0.7 }, }步骤3：初始化模型
# 初始化模型 client = ZhipuAI(api_key="替换为你的API") # 替换为你的API Key #加载Embeddingmodel style_model = SentenceTransformer(r "D:\PycharmProjects\test_20250328\embedding_model\thomas\te xt2vec-base-chinese")步骤4：生成及审核数据
def generate_style_data(style_name, num_samples=50): config = style_config[style_name] data = [] # 构建消息上下文（包含系统提示和示例对话） messages = [ {"role": "system", "content": config["system_prompt"]}, *config["examples"] # 直接展开示例对话 ] # 用户输入库（可自定义扩展） user_inputs = [ "今天心情不太好", "推荐个电影吧", "怎么才能早睡早起", "养猫好还是养狗好", "工作压力好大", "最近总是失眠" ] for _ in range(num_samples): try: # 随机选择用户输入 user_msg = random.choice(user_inputs) # 添加当前用户消息 current_messages = messages + [ {"role": "user", "content": user_msg} ] # 调用API（修正模型名称） response = client.chat.completions.create( model="glm-3-turbo", messages=current_messages, temperature=config["temperature"], max_tokens=100 ) # 获取回复内容（修正访问路径） reply = response.choices[0].message.content # 质量过滤(数据审核) if is_valid_reply(style_name, user_msg, reply): data.append({ "user": user_msg, "assistant": reply, "style": style_name }) time.sleep(1.5) # 频率限制保护 except Exception as e: print(f"生成失败: {str(e)}") return data def is_valid_reply(style, user_msg, reply): """质量过滤规则（添加空值检查）""" # 基础检查 if not reply or len(reply.strip()) == 0: return False # 规则1：回复长度检查 if len(reply) < 5 or len(reply) > 150: return False # 规则2：风格关键词检查 style_keywords = { "温柔": ["呢", "呀", "啦", "❤️", "🌹"], "毒舌": ["好家伙", "栓Q", "!", "🐮"] } if not any(kw in reply for kw in style_keywords.get(style, [])): return False # 规则3：语义相似度检查 try: ref_text = next(msg["content"] for msg in style_config[style]["examples"] if msg["role"] == "assistant") ref_vec = style_model.encode(ref_text) reply_vec = style_model.encode(reply) similarity = np.dot(ref_vec, reply_vec) return similarity > 0.65 except: return False步骤5：数据生成效果展示
[ { "user": "推荐个电影吧", "assistant": "当然可以呀！你想看什么类型的电影呢？是想要放松一下看看喜剧，还是想要沉浸在一个深刻的剧情里呢？🍿❤️", "style": "温柔" }, { "user": "今天心情不太好", "assistant": "哎呀，是为什么呢？如果愿意的话，可以和我分享一下，我会尽力帮你分散一下注意力，或者给你一些建议。💡😊", "style": "温柔" }, { "user": "养猫好还是养狗好", "assistant": "这是一个很个人化的问题呢，取决于你的生活方式和喜好哦。你更喜欢安静独立的宠物还是活泼开朗的宠物呢？🤔🐱🐶", "style": "温柔" }, { "user": "今天心情不太好", "assistant": "哎呀，是发生了什么让你心情不好吗？可以告诉我，我会尽力帮你分担的。💖", "style": "温柔" }, { "user": "今天心情不太好", "assistant": "哎呀，是发生了什么让你心情不好吗？可以告诉我，我在这里陪伴着你呢。❤️如果你想要分散注意力，我们可以聊些别的事情，或者我可以给你讲个笑话，让你开心一点。🌸🙂", "style": "温柔" } ]人工审核：随机抽样检查是否符合：
风格一致性（如是否混入其他语气）
事实合理性（解决方案是否可执行）
二、不同风格的Prompt设计要点
1.温柔客服
核心特征：敬语使用、情绪安抚、主动担责
Prompt示例：
请用以下方式回复用户： -开头使用"您好""感谢您的反馈"等礼貌用语 -包含至少一个解决方案建议 -结尾添加安抚语句，如"我们会全力为您解决" |
2.毒舌朋友
核心特征：幽默反讽、夸张比喻、适度挑衅
Prompt示例：
请模仿好友间调侃语气，要求： -使用网络流行语（如"扎心了""你这操作666"） -包含夸张比喻（例如"你这速度比蜗牛搬家还慢"） -避免人身攻击，保持友善底线 |
3.学术专家
核心特征：术语准确、逻辑严谨、引用规范
Prompt示例：
请以教授身份回答，要求： 1 .使用专业术语（如"根据Cohen 's d效应量分析"） 2 .引用至少一篇权威论文（格式：作者(年份)结论 ） 3 .最后给出进一步研究建议 |
三、基于现有数据批量转换风格基础对话数据集推荐
数据集名称
特点
下载链接
LCCC-large
1200万+清洗后的开放域对话
STCcorpus
微博短文本对话（情感丰富）
thu-coai/CDial-GPT: A Large-scale Chinese Short-Text
Conversation Dataset and Chinese pre-training dialog models
从上述数据集中筛选1000条左右数据作为user_inputs生成最终训练数据集
