48 lines
2.1 KiB
Markdown
48 lines
2.1 KiB
Markdown
# Ответ Соннета v2 — улучшение LLM-промпта (2026-07-12)
|
|
|
|
## Q1. Как научить LLM определять Исполнителя из контекста?
|
|
|
|
**Двухфазная инструкция в промпте:**
|
|
- STEP 1: определи кто «Исполнитель» — его данные НЕ трогать
|
|
- STEP 2: найди всё остальное ПДн
|
|
|
|
Убирает хардкод `НУБЕС` из кода. Работает на любом договоре.
|
|
|
|
## Q2. Точная классификация типов
|
|
|
|
Вместо `"Invent the type label yourself"` → **фиксированный список:**
|
|
`person_name, company, phone, email, address, inn, kpp, ogrn, bik, passport, contract_number, bank_account, other_id`
|
|
|
|
Если сомневаешься — НЕ включай.
|
|
|
|
## Q3. Примеры что НЕ является ПДн
|
|
|
|
Обязательно добавить блок:
|
|
```
|
|
NOT PII:
|
|
- Юридические роли: Исполнитель, Заказчик, Стороны
|
|
- Термины договора: Услуги, Приложение, Договор, НДС
|
|
- Должности: Генеральный директор
|
|
- Сама компания-Исполнитель
|
|
```
|
|
|
|
## Q4. Передавать LLM уже найденное regex'ом
|
|
|
|
`scan_llm_ner` получает `mapping.keys()` → промпт: "Already captured (skip these): ..."
|
|
Исключает дублирование, экономит токены.
|
|
|
|
## Q5. Язык промпта
|
|
|
|
Гибрид: структурные инструкции на английском, NOT PII и роли — на русском.
|
|
|
|
---
|
|
|
|
## План реализации (scanner.py)
|
|
|
|
1. Убрать хардкод `НУБЕС` из `scan_regex`
|
|
2. `scan_llm_ner` — передавать `mapping.keys()` как "Already captured"
|
|
3. Новый промпт:
|
|
- Фиксированный список типов
|
|
- Блок NOT PII (русский)
|
|
- Двухфазная инструкция (STEP 1: Исполнитель, STEP 2: остальное)
|