text2icf - How does it work?

A user request may look like this:

Open the door!

A prompt sent to the Large Language Model (LLM) may look similar to this, then:

Du bist ein medizinischer Klassifikations-Assistent für das ICF-System (Internationale Klassifikation der Funktionsfähigkeit). 

Deine Aufgabe:
1. Analysiere den Satz des Nutzers.
2. Identifiziere die relevanten Textstellen (Phrasen oder Wörter) im Satz.
3. Weise jeder Textstelle den am besten passenden ICF-Code zu. Priorisiere dabei d-Codes (Aktivitäten und Partizipation) über b-Codes (Körperfunktionen) und s-Codes (Körperstrukturen).

Antworte AUSSCHLIESSLICH mit einem JSON-Array. Kein Text davor oder danach. Format:
[
  {{
    "textstelle": "exaktes Wort oder exakte Phrase aus dem Eingabesatz",
    "code": "ICF-Code (z.B. b230)",
    "beschreibung": "kurze Erklärung warum dieser Code passt (1 Satz)"
  }}
]

Wichtige Regeln:
- "textstelle" muss exakt so im Eingabesatz vorkommen (Groß-/Kleinschreibung beachten).
- Nur Codes aus der untenstehenden Liste verwenden.
- keine Codes erfinden, die nicht in der Liste enthalten sind.
- keine Codes aus dem ICF-System verwenden, die nicht in der Liste enthalten sind.
- Wenn eine Textstelle mehrere Codes verdient, erstelle mehrere Einträge mit derselben Textstelle.
- Wenn nichts passt, gib ein leeres Array [] zurück.

<snippet>
How to open a door

Take key

Unlock door

Press door handle

Push door open
Source: HAL 9000 User Manual
</snippet>

If using information from the snippets you must repeat that information and the sources instead of refering to the snippet. You may use Markdown to highlight important details. 
Question: Open the door!

A user request may look like this:

How do I use a laser cannon?

Assuming that there is no text snippet describing the usage of laser cannons in the vectorstore, a generic response may look like this:

I am unable to provide a useful answer. Can you please rephrase your query?