pipeline_usage.md

CittaVerse Pipeline - 使用指南

5 分钟快速上手神经符号叙事评估

---

快速开始

安装

git clone https://github.com/cittaverse/pipeline
cd pipeline
pip install -r requirements.txt

基础使用

from src.assessor import NarrativeAssessor

# 初始化评估器
assessor = NarrativeAssessor()

# 评估叙事文本
narrative = "我退休那年开始学习书法，现在每天去公园练习。"
result = assessor.evaluate(narrative)

# 输出结果
print(f"连贯性分数：{result.coherence_score}")
print(f"质量等级：{result.quality_level}")
print(f"建议：{result.recommendations}")

命令行使用

python -m src.assessor --text "我退休那年开始学习书法..."
python -m src.assessor --file input.txt --output result.json

---

效果对比

Before（无评估）

用户输入："我退休那年开始学习书法，现在每天去公园练习。"
输出：无结构化反馈

After（使用 Pipeline）

{
  "coherence_score": 0.33,
  "quality_level": "中",
  "events": [
    {"content": "退休那年开始学习书法", "time": "退休那年"},
    {"content": "每天去公园练习", "time": "现在"}
  ],
  "recommendations": [
    "叙事连贯性较低，建议引导老人补充事件间的关联"
  ]
}

---

常见场景

场景 1：临床评估

assessor = NarrativeAssessor(clinical_mode=True)
result = assessor.evaluate(patient_narrative)
report = assessor.generate_clinical_report(result)

场景 2：批量处理

narratives = load_narratives("data/")
results = [assessor.evaluate(n) for n in narratives]
assessor.export_results(results, "output.csv")

---

FAQ

Q: 支持哪些语言？
A: 目前优化中文，英文支持测试中。

Q: 评估需要多长时间？
A: 单条叙事约 2-5 秒（取决于 LLM API 响应）。

Q: 如何自定义评分标准？
A: 修改 src/scoring.py 中的权重配置。

---

文档版本：v0.4 | 更新：2026-03-10