# 东南亚通识SFT数据集 - 数据字典

## 文件格式

JSONL（JSON Lines），每行一条独立的JSON记录。

---

## 数据结构

```
{
  "messages": [...],
  "metadata": {...}
}
```

---

## 字段说明

### 顶层字段

| 字段名 | 类型 | 必填 | 说明 |
|--------|------|------|------|
| messages | Array | 是 | 对话消息数组，包含用户提问与助手回答 |
| metadata | Object | 是 | 元数据对象，包含数据分类与统计信息 |

---

### messages 数组元素

| 字段名 | 类型 | 必填 | 说明 |
|--------|------|------|------|
| role | String | 是 | 消息角色，取值为 `user`（用户）或 `assistant`（助手） |
| content | String | 是 | 消息内容，采用该国官方语言编写 |

---

### metadata 对象

| 字段名 | 类型 | 必填 | 说明 |
|--------|------|------|------|
| source_domain | String | 是 | 数据所属领域分类 |
| question_type | String | 是 | 问题类型分类 |
| char_count | Integer | 是 | 整条对话的总字符数 |
| answer_char_count | Integer | 是 | 助手回答的字符数 |

---

## 枚举值说明

### source_domain 领域分类

| 取值 | 说明 |
|------|------|
| 历史文化 | 历史事件、文化传统、民俗习惯等 |
| 历史人文 | 历史人物、人文故事等 |
| 法律社会 | 法律制度、社会政策、政治体制等 |
| 经济贸易 | 经济发展、贸易政策、商业活动等 |
| 地理环境 | 自然地理、行政区划、环境资源等 |
| 教育科技 | 教育体系、科技发展等 |
| 宗教信仰 | 宗教习俗、信仰体系等 |
| 饮食民俗 | 饮食文化、传统节庆等 |

### question_type 问题类型

| 取值 | 说明 |
|------|------|
| analysis | 分析类问题 |
| explanation | 解释类问题 |
| causal | 因果关系类问题 |
| comparison | 比较类问题 |
| factual | 事实类问题 |
| analysis/explanation/causal | 复合型问题 |

---

## 数据示例

```json
{
  "messages": [
    {
      "role": "user",
      "content": "Hãy giới thiệu về lịch sử chế độ khoa cử ở Việt Nam"
    },
    {
      "role": "assistant",
      "content": "Chế độ khoa cử Việt Nam bắt đầu từ năm 1075..."
    }
  ],
  "metadata": {
    "source_domain": "历史文化",
    "question_type": "analysis",
    "char_count": 3855,
    "answer_char_count": 3563
  }
}
```