Generated Knowledge Prompting

from openai import OpenAI

client = OpenAI()

def generated_knowledge(
    question: str,
    n_facts: int = 5,
) -> dict:
    """
    Generated Knowledge Prompting:
    1. Генерация релевантных знаний
    2. Ответ с опорой на знания
    """
    # Этап 1: Генерация знаний
    knowledge_response = client.chat.completions.create(
        model="gpt-4o",
        messages=[
            {
                "role": "system",
                "content": (
                    "Ты — эксперт. Сгенерируй релевантные "
                    "факты и знания по теме вопроса. "
                    "Каждый факт должен быть конкретным "
                    "и проверяемым."
                ),
            },
            {
                "role": "user",
                "content": (
                    f"Вопрос: {question}\n\n"
                    f"Сгенерируй {n_facts} ключевых фактов, "
                    "которые помогут ответить на этот вопрос. "
                    "Каждый факт на новой строке."
                ),
            },
        ],
        temperature=0.3,
    )

    knowledge = knowledge_response.choices[0].message.content

    # Этап 2: Ответ с опорой на знания
    answer_response = client.chat.completions.create(
        model="gpt-4o",
        messages=[
            {
                "role": "system",
                "content": (
                    "Ты отвечаешь на вопросы, опираясь "
                    "на предоставленные знания. "
                    "Используй факты для обоснования ответа."
                ),
            },
            {
                "role": "user",
                "content": (
                    f"Знания по теме:\n{knowledge}\n\n"
                    f"Вопрос: {question}\n\n"
                    "Ответь, опираясь на приведённые знания."
                ),
            },
        ],
        temperature=0,
    )

    return {
        "knowledge": knowledge,
        "answer": answer_response.choices[0].message.content,
    }


result = generated_knowledge(
    "Стоит ли использовать NoSQL базу данных "
    "для e-commerce платформы с 10 000 товарами?"
)
print(f"Знания:\n{result['knowledge']}\n")
print(f"Ответ:\n{result['answer']}")

import anthropic

client = anthropic.Anthropic()

def generated_knowledge_claude(
    question: str,
    domain: str = "general",
) -> dict:
    """
    Generated Knowledge через Claude.
    Поддерживает указание предметной области.
    """
    # Этап 1: Генерация знаний
    knowledge_msg = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=1024,
        messages=[
            {
                "role": "user",
                "content": (
                    f"Область: {domain}\n"
                    f"Вопрос: {question}\n\n"
                    "Сгенерируй 5 экспертных фактов, "
                    "релевантных этому вопросу. "
                    "Каждый факт должен быть конкретным, "
                    "с числами или примерами где возможно."
                ),
            }
        ],
    )

    knowledge = knowledge_msg.content[0].text

    # Этап 2: Ответ
    answer_msg = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=2048,
        messages=[
            {
                "role": "user",
                "content": (
                    f"Релевантные знания:\n{knowledge}\n\n"
                    f"Вопрос: {question}\n\n"
                    "Дай развёрнутый ответ, опираясь "
                    "на приведённые знания. Ссылайся "
                    "на конкретные факты."
                ),
            }
        ],
    )

    return {
        "knowledge": knowledge,
        "answer": answer_msg.content[0].text,
    }


result = generated_knowledge_claude(
    question="Как подготовить систему к нагрузке в 10x?",
    domain="software engineering",
)
print(result["answer"])

from openai import OpenAI
from collections import Counter
import re

client = OpenAI()

def knowledge_with_voting(
    question: str,
    n_knowledge_sets: int = 3,
) -> dict:
    """
    Generated Knowledge + Self-Consistency:
    генерируем несколько наборов знаний,
    получаем ответ от каждого,
    выбираем голосованием.
    """
    answers = []
    knowledge_sets = []

    for i in range(n_knowledge_sets):
        # Генерируем набор знаний с вариативностью
        kg = client.chat.completions.create(
            model="gpt-4o",
            messages=[
                {
                    "role": "user",
                    "content": (
                        f"Вопрос: {question}\n\n"
                        "Сгенерируй 5 релевантных фактов. "
                        "Будь оригинален — не повторяй "
                        "очевидные вещи."
                    ),
                }
            ],
            temperature=0.7,  # выше для разнообразия
        )
        knowledge = kg.choices[0].message.content
        knowledge_sets.append(knowledge)

        # Получаем ответ на основе этих знаний
        ans = client.chat.completions.create(
            model="gpt-4o",
            messages=[
                {
                    "role": "user",
                    "content": (
                        f"Знания:\n{knowledge}\n\n"
                        f"Вопрос: {question}\n\n"
                        "Ответь кратко (1-2 предложения). "
                        "В конце напиши 'ОТВЕТ: <вывод>'."
                    ),
                }
            ],
            temperature=0,
        )

        text = ans.choices[0].message.content
        match = re.search(r"ОТВЕТ:\s*(.+)", text)
        if match:
            answers.append(match.group(1).strip())

    # Голосование
    counter = Counter(answers)
    best_answer, count = counter.most_common(1)[0]

    return {
        "answer": best_answer,
        "confidence": count / len(answers),
        "all_answers": answers,
        "knowledge_sets": knowledge_sets,
    }


result = knowledge_with_voting(
    "Является ли помидор фруктом или овощем "
    "с ботанической и кулинарной точки зрения?"
)
print(f"Ответ: {result['answer']}")
print(f"Уверенность: {result['confidence']:.0%}")