📘 概述

AgenticRAGDepthQAGenerator 是一个用于生成深度问题的算子。它基于已有的问答对，通过多轮次的“向后思考”和“向前生成”来创造出更具深度和广度的新问题，旨在增强问答数据集的复杂性和覆盖范围。

__init__函数

def __init__(self, llm_serving: LLMServingABC = None, n_rounds:int = 2)

参数名	类型	默认值	说明
llm_serving	LLMServingABC	None	大语言模型服务实例，用于执行推理与生成。
n_rounds	int	2	生成深度问题的迭代轮次。

Prompt模板说明

该算子不使用提示模板；它通过多轮推理步骤直接生成和处理更深层的问题-答案对。

run函数

def run(self, storage: DataFlowStorage, input_key:str = "question", output_key:str = "depth_question")

执行算子主逻辑，从存储中读取输入 DataFrame，经过多轮次推理生成深度问题，并将包含新生成列的结果写回存储。

参数

名称	类型	默认值	说明
storage	DataFlowStorage	必需	数据流存储实例，负责读取与写入数据。
input_key	str	"question"	输入列名，对应原始问题字段。
output_key	str	"depth_question"	输出列名的基准字段，用于生成新的深度问题列（如 depth_question_1）。

🧠 示例用法

from dataflow.operators.agentic_rag.generate.agenticrag_depth_qa_generator import AgenticRAGDepthQAGenerator
from dataflow.utils.storage import DataFlowStorage

# 初始化算子
generator = AgenticRAGDepthQAGenerator(
    llm_serving=your_llm_serving_instance,
    n_rounds=2
)

# 运行算子
storage = DataFlowStorage()
generator.run(
    storage=storage,
    input_key="question",
    output_key="depth_question"
)

🧾 默认输出格式（Output Format）

字段	类型	说明
identifier	str	从原始问题中提取的内容标识符
new_identifier_	str	第i轮生成的新标识符
relation_	str	第i轮中标识符之间的关系
depth_question_	str	第i轮生成的更深层问题

示例输入:

{
  "question": "什么是机器学习？"
}

示例输出:

{
  "question": "什么是机器学习？",
  "identifier": "机器学习概念",
  "new_identifier_1": "人工智能算法",
  "relation_1": "是...的子集",
  "depth_question_1": "人工智能算法在机器学习系统中是如何工作的？",
  "new_identifier_2": "统计学习理论",
  "relation_2": "为...提供基础",
  "depth_question_2": "统计学习理论在机器学习算法发展中扮演什么角色？"
}