食材解析系统2 - 题解

一、题目分析

本题要求从食材描述文本中提取5个字段：

  • zone：存储分区（FROZ/COOL/PANT），按关键词优先级判定
  • net_qty：净含量，需处理"半瓶""大半"等修饰词
  • unit：单位类型（LIQUID_ML/SOLID_G），需根据物品类型判定
  • expiry：保质期日期，涉及日期加法计算
  • data_warning：单位与物品类型不匹配时为true

二、难点分析

  1. "剩下的"语义陷阱：题面规则写"含'剩'触发COOL"，但"剩下的"是数量修饰语（remaining），不是食物状态描述。LLM容易做字面匹配而误判。
  2. 单位-物品类型交叉判定：当体积单位（升/L）用于描述固体（肉），需要同时修改unit、net_qty和data_warning三个字段，是一个联动修改。
  3. 日期加法计算：从购买日期加90/365天需要跨月计算，涉及每月天数差异（5月31天、6月30天等），LLM的数学能力容易出错。
  4. 修饰词优先级：当单位不匹配时，"大半"等修饰词失效，net_qty强制为-1.0。这种条件覆盖关系容易被忽略。

三、Prompt设计思路

3.1 语义辨析+示例对比

针对"剩下的"陷阱，直接在规则中用自然语言解释：

  • "剩下的"是数量修饰语（remaining），不触发COOL
  • 只有"剩菜""剩饭"等描述食物状态时才触发
  • 给出对比示例："剩下的花生油" vs "剩菜"

3.2 日期计算逐步展开

提供3个不同起始日期+90天的详细计算过程：

  • 2024-05-31 + 90天：逐月累加展示
  • 2024-05-30 + 90天：同上
  • 2024-05-29 + 90天：同上

通过"5月剩X天 -> 6月30天(累计Y) -> 7月31天(累计Z) -> 8月需W天"的格式，教模型正确做跨月加法。

3.3 完整计算示例覆盖典型场景

提供3个端到端示例：

  • 半桶硬邦邦的鲜牛奶（FROZ优先级 + 液体单位 + 昨天购买）
  • 5升冻肉（单位不匹配 -> data_warning + net_qty强制-1.0）
  • 剩下的花生油（"剩下的"不触发COOL）

3.4 液体/固体关键词列表化

明确列出液体类物品关键词（水、奶、油、酒、汁、饮）和固体类物品关键词（肉、米、糖、鱼、菜、蛋），减少模型的推断空间。

四、关键技巧

  1. 优先级用Step编号强调：zone判定用Step1/Step2/Step3表示优先级递减，而非仅用文字描述。
  2. 不匹配联动规则显式写出：unit=SOLID_G, net_qty=-1.0, data_warning=true 三者打包出现，避免模型只改其中一个。
  3. "昨天/前天/大前天"映射表：直接给出日期对应关系，消除相对时间的歧义。
  4. 反例教学：在zone规则的示例中既有正例（"冻肉"->FROZ）也有需要仔细辨别的例子（"硬糖"->FROZ），确保模型理解是字面匹配而非语义判断。
  5. 默认值兜底：无购买时间和保质期信息时，默认从2024-06-01开始加分区天数，确保每种情况都有输出。