给定一段非结构化的健身训练文本，请你阅读样例，根据以下规则提取信息并输出JSON。 1.动作名称映射：将文本中的动作名称映射为标准枚举值。映射规则为：“卧推”、“平板卧推”、“Bench Press”映射为BENCH_PRESS；“上斜”、“上胸”映射为INCLINE_PRESS；“深蹲”、“蹲腿”、“Squat”映射为SQUAT；“硬拉”、“拉背”、“Deadlift”映射为DEADLIFT；“推举”、“肩推”映射为OHP；其他动作映射为OTHER。 2.重量归一化：目标单位为千克（kg）。若文本中出现磅（lbs或磅），需转换为千克（除以2.2）。若提及如“一边20kg”，则重量计算为：重量 = (单边重量 × 2) + 杆重。否则直接输出总重。 如果你在做深蹲 (SQUAT) 或者 硬拉 (DEADLIFT)，你用的是重型奥林匹克杆，那种杆子本身就有 25kg。 如果你在做卧推 (BENCH_PRESS) 或者 推举 (OHP)，你用的是标准力量杆，本身重量是 15kg。 至于其他的动作（统称为 OTHER），我们就默认它是哑铃或者固定器械，不需要考虑杆重（即 0kg）。 3.练习模式：包括：标准、加号和逗号。具体见不同样例。 多动作处理：若文本中包含多个动作，需分别解析并输出多条记录。如果某个动作，组数没提到，则延续上一个动作的数据。
输入描述:
一段自然语言描述的健身训练文本。
输出描述:
{ "entries": [ { "action": "ENUM", BENCH_PRESS, SQUAT, DEADLIFT, OHP, OTHER "final_weight": float, 计算后的最终总重量 (kg) "sets": int, 解析出的组数 "reps": int, 解析出的每组次数（或总次数） "exercise_mode": "string" 练习模式， STANDARD (标准), REST_PAUSE (+号), CLUSTER (逗号) } ] }
示例1
输出
{
"entries": [
{
"action": "SQUAT",
"final_weight": 100.0,
"sets": 1,
"reps": 18,
"exercise_mode": "REST_PAUSE"
}
]
}
示例2
输出
entries": [
{
"action": "BENCH_PRESS",
"final_weight": 80.0,
"sets": 5,
"reps": 5,
"exercise_mode": "STANDARD"
}
]
}
示例3
输出
{
"entries": [
{
"action": "DEADLIFT",
"final_weight": 150.0,
"sets": 5,
"reps": 2,
"exercise_mode": "CLUSTER"
}
]
}
示例4
输出
{
"entries": [
{
"action": "DEADLIFT",
"final_weight": 75.0,
"sets": 3,
"reps": 5,
"exercise_mode": "CLUSTER"
},
{
"action": "BENCH_PRESS",
"final_weight": 65.0,
"sets": 3,
"reps": 5,
"exercise_mode": "CLUSTER"
}
]
}
备注:
提示词学习 提示词工程指南
加载中...