CoolFace
Datasetpublic

LiuXinYan111/scenario-context-agent-cards

Scenario Context Agent Cards 这是一个完全合成的数据集，用于演示 Agent 如何根据用户情景和多源 Context 生成两类主动服务卡片：事件提醒卡和 POI 推荐卡。 配置 event_positive：应当输出事件提醒卡的案例； event_negative：应当保持沉默的事件案例； poi_positive：应当输出 POI 推荐卡的案例； poi_negative：不应当推荐 POI 的案例。 当前每个配置包含 10 条案例，共 40 条。数据中的用户、地点、事件、ID、天气和位置均为虚构内容。 数据结构 每条记录包含： case_id：案例 ID； card_type：event 或 poi； context：合成用户、环境、事件或候选 POI； expected_decision：serve 或 stay_silent； reference_output：公开基线生成的参考需求记录、决策、卡片和理由。 完整生成结果还会包含… See the full description on the dataset page: https://huggingface.co/datasets/LiuXinYan111/scenario-context-agent-cards.

sourceHugging Faceotherupdated 14d agoView on Hugging Face
1likes123downloads
Dataset Card

Scenario Context Agent Cards

这是一个完全合成的数据集，用于演示 Agent 如何根据用户情景和多源 Context 生成两类主动服务卡片：事件提醒卡和 POI 推荐卡。

配置

  • —event_positive：应当输出事件提醒卡的案例；
  • —event_negative：应当保持沉默的事件案例；
  • —poi_positive：应当输出 POI 推荐卡的案例；
  • —poi_negative：不应当推荐 POI 的案例。

当前每个配置包含 10 条案例，共 40 条。数据中的用户、地点、事件、ID、天气和位置均为虚构内容。

数据结构

每条记录包含：

  • —case_id：案例 ID；
  • —card_type：event 或 poi；
  • —context：合成用户、环境、事件或候选 POI；
  • —expected_decision：serve 或 stay_silent；
  • —reference_output：公开基线生成的参考需求记录、决策、卡片和理由。

完整生成结果还会包含 need_record、card、decision_reasons 和 validation 等字段，生成逻辑见关联 GitHub 项目。

使用边界

本数据集不包含真实用户、真实地点或商业产品数据，不适合用于真实用户画像、商业推荐或安全判断。它是一个用于方法演示和流程复现的研究原型。

项目代码和完整方法：GitHub repository；交互演示：Hugging Face Space