📘 概述

Phi4QAGenerator 是一个基于给定文档内容生成多轮对话问答数据的算子。其主要功能是将原始的、非结构化的文档内容转换为适合大语言模型（LLM）预训练的对话格式数据，从而扩充高质量的训练语料。

__init__函数

def __init__(self, llm_serving: LLMServingABC)

参数名	类型	默认值	说明
llm_serving	LLMServingABC	必需	大语言模型服务实例，用于执行推理与生成。

Prompt模板说明

Prompt 模板名称	主要用途	适用场景	特点说明

run函数

def run(self, storage: DataFlowStorage, input_key: str = "raw_content", output_key: str = "generated_content")

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	"raw_content"	输入列名，对应原始文档内容字段。
output_key	str	"generated_content"	输出列名，对应生成的对话内容字段。

🧠 示例用法

from dataflow.operators.text_pt.generate import Phi4QAGenerator
from dataflow.utils.storage import FileStorage
from dataflow.utils.llm_serving import APILLMServing_request

# 准备数据和存储
storage = FileStorage(first_entry_file_name="pt_input.jsonl")

# 初始化 LLM 服务
llm_serving = APILLMServing_request(
    api_url="http://<your_llm_api_endpoint>",
    model_name="<your_model_name>"
)

# 初始化并运行算子
qa_generator = Phi4QAGenerator(llm_serving=llm_serving)
qa_generator.run(
    storage.step(),
    input_key='raw_content',
    output_key='generated_content'
)

🧾 默认输出格式（Output Format）

字段	类型	说明
raw_content	str	输入的原始文档内容。
generated_content	str	模型生成的多轮对话格式内容。