泛化问题生成器

解决什么问题

在搭建问答系统、意图识别模型或搜索召回的测试集时，工程师经常需要一批“问的是同一件事但表达各不相同”的问题。人工撰写相似问法耗时，且容易在句式上出现重复；机械替换同义词又常导致问题僵硬、不符合真实用户的口语习惯。fanhua（泛化问题器）针对这一场景：输入一条原始问题，它会输出一组语义相近、表达自然的变体问题，用于语料扩充、训练数据生成或测试集构造。

四种任务类型

技能将泛化任务分为四类：

• expression_rewrite（表达泛化）：只改变说法、句式或语气，实体与数值保持不变。
• entity_replacement（同类实体替换）：保持原句式，把实体换成同一类别的其他成员，例如把节气“立春”换成“雨水”。
• mixed_generalization（混合泛化）：同时改变表达与实体，但核心意图不变。
• category_generation（指定类别生成）：围绕用户指定类别（如节气、食物、运动类型）批量生成问题。

处理流程

核心流程分三步：先判断任务类型；再提取原问题的核心意图、句式结构、实体及其类别、时间与限制条件；最后按规则生成候选并过滤。

默认行为明确：生成 5 条、中文输出、编号列表，且只生成问题，不回答问题、不加解释、不改数字与单位。每条结果需通过意图检查、实体类别检查、句式检查和自然度检查，并剔除仅差一个标点或高度相似的重复项。

批量模式

当输入是 CSV 文件时，技能自动切换到批量模式。输入字段包括 id、question、task_type、entity_category、count，缺省字段按默认值填充；输出为长表 CSV，每条生成结果单独占一行并保留原 id。每行独立处理，某行出错不影响其他行，失败行会保留并标记原因。

适用边界

• 不做问答：生成的问题只是语料，技能不会给出答案。
• 实体类别不明确时不强行替换：无法判断类别时保留原词、只做表达改写，或请求用户指定。
• 医疗健康类问题只做语言泛化：不生成诊断或结论，也不把不同疾病、症状或指标当作同义词。
• 替换必须自然：即使实体属于同一类别，替换后不符合语境的结果也会被放弃。