Data Generator

---

name: data-generator description: 训练数据生成技能。根据传入的工具名和用户指令列表，生成多轮对话格式的 JSONL 训练数据。触发场景：(1) 传入工具名和用户指令列表，生成完整训练数据；(2) 批量生成指定工具的标注数据；(3) 给定指令列表，输出 JSONL 对话样本。

---

Data Generator

将用户指令列表转换为标准 JSONL 训练数据。

输入

两个必填参数：

| 参数 | 类型 | 说明 | |------|------|------| | tool_name | string | 工具名，如 dev_control、scene_generator、weather | | user_instructions | string[] | 用户指令列表，如 ["5分钟后打开空调", "3分钟后关灯"] |

输出 JSONL 格式

{"conversations":[
  {"from":"human","value":"<当前用户指令>打开客厅空调\n<本地设备>格力冷静王(空调)\n<当前时间>2026-03-15 14:22:47\n<用户场景列表>[{\"scene_id\":1001,\"scene_name\":\"回家模式\",\"room_name\":\"全屋\"},{\"scene_id\":1002,\"scene_name\":\"睡眠模式\",\"room_name\":\"主卧\"}]\n<用户设备列表>{\"客厅\":[\"格力冷静王(空调)\",\"洗碗机A1(洗碗机)\"],\"主卧\":[\"美的舒省风(空调)\"]}"},
  {"from":"assistant","value":"{\"tool_name\":\"dev_control\",\"query\":\"打开客厅空调\"}"},
  {"from":"observation","value":"客厅空调已打开"},
  {"from":"assistant","value":"好的，客厅空调已经打开啦~"}
],"system":"","history":[]}

格式规则

1. human value = 完整上下文，格式固定：

   <当前用户指令>用户原始指令
   <本地设备>设备名(类型)
   <当前时间>YYYY-MM-DD HH:mm:ss
   <用户场景列表>[{"scene_id":xxx,"scene_name":"场景名","room_name":"房间名"},...]
   <用户设备列表>{"房间":["设备名(类型)",...]}
   

2. assistant tool_call = 直接输出 tool_call 标签，无垫音前缀 3. observation = ... 或 {...}（dev_info/weather 等工具） 4. assistant 终接回复 = 直接回复内容，无垫音前缀 5. system = ""，history = []

工作流

1. 接收 tool_name + user_instructions[]
         ↓
2. 加载提示词：通用要求 + 工具特定要求（references/tools/{tool}.txt）
         ↓
3. 将 user_instructions 注入提示词
         ↓
4. 生成 JSONL（每条独立）
         ↓
5. 输出 .jsonl 文件

提示词拼接

拼接规则：

[通用要求]
═══════════════════════════════════════════════════════════════════
【工具特定要求】
本次只调用：{TOOL_NAME}
────────────────────────────────────────────────────────────────
[references/tools/{TOOL_NAME}.txt 内容]

拼接脚本：scripts/build_prompt.py

工具与文件对照

| 工具 | 要求文件 | |------|---------| | dev_control | references/tools/dev_control.txt | | scene_generator | references/tools/scene_generator.txt | | alarm_remind | references/tools/alarm_remind.txt | | weather | references/tools/weather.txt | | scene_control | references/tools/scene_control.txt | | dev_info | references/tools/dev_info.txt | | exit_dialog | references/tools/exit_dialog.txt | | GreeQA | references/tools/GreeQA.txt | | scene_guide | references/tools/scene_guide.txt | | chat | references/tools/chat.txt |

使用示例

输入：

tool_name: "dev_info"
user_instructions: ["家里空调数量", "有几个空调"]

输出字段说明：

| 字段 | 说明 | |------|------| | conversations[0].value | 含 <当前用户指令> + 完整上下文 | | conversations[1].value | {"tool_name":"dev_info"} | | conversations[2].value | dev_info 返回结果（设备列表） | | conversations[3].value | 文字终接回复 | | system | 空字符串 "" | | history | 空数组 [] |

BUG 修复数据

当传入 tool_name 为修复后的正确工具时，生成的数据应体现：

工具调用格式正确（符合工具要求文件）

query 字段格式正确（如延时类指令含 timing 字段）

文字回复符合预期（含延时时间描述）

具体格式参考：references/tools/scene_generator.txt。