该代码定义了一个用于评估AI模型生成文本质量的提示词模板。它通过比较两个候选回答（A和B）与原始需求及参考答案的匹配度，引导评估者进行分析并做出选择。
graph TD
A[开始评估] --> B[读取评估提示词模板]
B --> C[填充模板变量: requirement, sample, new_sample, answers]
C --> D[生成完整的评估指令]
D --> E[评估者根据指令分析A和B]
E --> F{哪个回答更好?}
F -- A更好 --> G[输出<choose>A</choose>]
F -- B更好 --> H[输出<choose>B</choose>]
G --> I[结束]
H --> I
无类结构 (仅包含全局字符串常量)一个用于评估两个响应（A和B）哪个更好地满足原始需求的提示词模板字符串，其中包含占位符用于插入需求、待评估的响应样本、参考答案等具体内容。
类型：str
一个用于评估两个AI模型响应（A和B）质量的预定义字符串模板，它定义了评估任务的结构、输入变量和输出格式。
模板中用于动态插入具体评估内容的占位符（如 {requirement}, {sample}, {new_sample}, {answers}），使得同一个模板可以复用于不同的评估任务。
通过明确的指令（“Provide your analysis... using XML tags to encapsulate your response.”）和预定义的XML标签（<analyse> 和 <choose>），强制要求评估结果以机器可解析的结构化格式输出。
隐含在模板指令中的评估逻辑：要求基于原始需求（{requirement}）和参考答案（{answers}）来比较两个响应（A和B），并选择更优者。参考答案的存在引入了“严格遵循”的约束，作为评估的关键依据。
- 硬编码的提示词模板：
EVALUATE_PROMPT字符串被硬编码在代码中。这导致任何对提示词格式、内容或语言的修改都需要直接修改源代码，降低了灵活性和可维护性。在多语言支持或需要根据不同场景动态调整提示词的场景下，此设计会成为瓶颈。 - 缺乏输入验证与错误处理：代码片段仅展示了模板字符串，没有包含任何加载、填充或使用该模板的逻辑。在实际使用中，如果传入的
requirement、sample、new_sample或answers变量包含可能破坏 XML 格式的特殊字符（如<,>,&），生成的响应将导致 XML 解析失败。代码没有对输入进行清理或转义。 - 脆弱的输出格式依赖：评估逻辑严重依赖 LLM 严格按照
<analyse>和<choose>的 XML 标签格式输出。如果 LLM 的输出出现细微偏差（如添加额外空格、换行、注释或使用不同标签），下游的解析程序可能会失败。这种“字符串匹配”式的接口契约非常脆弱。 - 模板可读性与维护性差：长字符串模板在代码中直接定义，当内容复杂时（如包含多行、复杂占位符），可读性较差，不利于后续的审查和修改。
- 将提示词外部化：将
EVALUATE_PROMPT模板移至外部配置文件（如 YAML、JSON）或专门的提示词管理模块中。这样可以在不重新部署代码的情况下修改提示词，并方便支持多环境、多版本。 - 实现输入清理与转义：在将变量填充到模板前，应对所有输入字符串进行转义处理，特别是当它们将被包裹在 XML 标签中时。可以使用标准的 XML/HTML 转义库（如 Python 的
html.escape）来处理<,>,&等字符。 - 强化输出解析的鲁棒性：下游解析代码不应依赖严格的字符串匹配。建议使用健壮的 XML 解析器（如 Python 的
xml.etree.ElementTree）来提取<analyse>和<choose>标签内的内容，这样即使输出中有无关的空白字符或命名空间，也能正确解析。或者，考虑使用更结构化的输出格式要求，如 JSON。 - 改进模板定义方式：使用 Python 的三引号字符串或从外部文件读取来改善长模板的可读性。可以考虑使用现代 Python 的 f-string 或
str.format的清晰写法，并为占位符添加明确的类型或格式注释。 - 添加模板使用示例与文档：在代码中或相关文档中，应明确说明如何正确调用此模板，包括各个参数期望的数据类型和格式（例如，
answers是否应为纯文本还是结构化数据），以减少误用。
本代码片段的核心设计目标是提供一个可复用的、结构化的提示词模板，用于基于特定需求对两个候选回答（A和B）进行评估和选择。其设计约束包括：
- 输入驱动：评估逻辑完全依赖于外部传入的
requirement、sample、new_sample和answers四个变量，代码本身不包含任何业务逻辑或判断规则。 - 输出格式化：强制要求评估结果（分析和选择）必须封装在特定的XML标签（
<analyse>和<choose>）中，以确保下游系统能够进行结构化解析。 - 模板化与可配置性：通过Python的三引号字符串定义模板，使得提示词内容易于修改和维护，无需改动代码逻辑。
- 无状态性：该模板字符串是全局常量，不维护任何状态，每次评估都是独立的。
当前代码片段（一个字符串常量）本身不具备错误处理能力。错误处理的责任完全转移给了使用此模板的调用者（例如，一个LLM调用框架或脚本）。潜在的异常场景及处理责任归属包括：
- 模板变量缺失：如果调用者在格式化字符串时未提供
requirement、sample、new_sample、answers中的任何一个或多个，将引发KeyError。调用者需确保传入所有必要参数。 - 格式错误：如果生成的最终提示词不符合大语言模型（LLM）的输入要求，或者LLM的返回结果未能严格遵循
<analyse>和<choose>的XML格式，解析将失败。调用者需要负责捕获这些解析异常，并可能实施重试、降级或报错策略。 - 内容安全与注入：由于模板内容直接拼接用户提供的
requirement和answers等，存在提示词注入的风险。调用者应在传入变量前对内容进行必要的清洗或转义，以防止恶意指令破坏评估逻辑。
本组件的数据流是线性的、无状态的：
- 输入：四个字符串参数：
requirement（原始需求）、sample（回答A）、new_sample（回答B）、answers（参考/黄金答案）。 - 处理：调用者（如Python的
str.format方法）将输入参数注入到EVALUATE_PROMPT模板的相应占位符（{...}）中，生成一个完整的、可供LLM处理的提示词字符串。 - 输出：生成的提示词字符串。该字符串预期被发送给LLM，LLM处理后返回一个包含
<analyse>和<choose>标签的XML格式字符串。 该过程不涉及任何状态存储或转换，是一个纯函数式的模板填充操作。
-
外部依赖：
- 大语言模型（LLM）服务：核心外部依赖。该模板生成的提示词专为LLM设计，其有效性依赖于LLM对指令的理解和遵循能力。
- 字符串格式化引擎：依赖于Python的字符串格式化功能（如
format方法）来填充模板。 - 调用者环境：依赖于调用者提供正确的、已预处理的输入参数。
-
接口契约：
- 输入契约：调用者必须提供一个包含
requirement、sample、new_sample、answers四个键的字典（或等价物）用于模板渲染。 - 输出契约：该模板本身输出一个字符串。然而，它隐含地定义了与下游LLM和结果解析器的契约：LLM返回的文本必须严格遵循
<analyse>...</analyse><choose>A/B</choose>的格式，以便解析器能提取“分析”和“选择”两部分内容。
- 输入契约：调用者必须提供一个包含