LLM 练习 013

import os from openai import OpenAI api_key = os.getenv("OPENAI_API_KEY") if not api_key: raise ValueError("没有读取到 OPENAI_API_KEY，请配置环境变量后重启 PyCharm。") client = OpenAI( api_key=api_key, base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", ) completion = client.chat.completions.create( model="qwen-plus", messages=[ {"role": "system", "content": "你是一个简洁的 AI 助手，请用中文回答。"}, {"role": "user", "content": "请用一句话解释提示词工程。"} ] ) print(completion.choices[0].message.content)

import os from openai import OpenAI api_key = os.getenv("OPENAI_API_KEY") if not api_key: raise ValueError("没有读取到 OPENAI_API_KEY，请配置环境变量后重启 PyCharm。") client = OpenAI( api_key=api_key, base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", ) completion = client.chat.completions.create( model="qwen-plus", messages=[ {"role": "system", "content": "你是一个计算器，只输出最终计算结果，不要解释过程。"}, {"role": "user", "content": "2 + 5 * 3 等于多少？"} ] ) print(completion.choices[0].message.content)

import os import dashscope dashscope.api_key = os.getenv("DASHSCOPE_API_KEY") if not dashscope.api_key: raise ValueError("没有读取到 DASHSCOPE_API_KEY，请配置环境变量后重启 PyCharm。") response = dashscope.Generation.call( model="qwen-plus", messages=[ {"role": "system", "content": "你是一个简洁的 AI 助手，请用中文回答。"}, {"role": "user", "content": "请用一句话解释 RAG。"} ] ) print(response.output["text"])

import os from openai import OpenAI api_key = os.getenv("OPENAI_API_KEY") if not api_key: raise ValueError("没有读取到 OPENAI_API_KEY，请配置环境变量后重启 PyCharm。") client = OpenAI( api_key=api_key, base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", ) system_prompt = """ 你是一个客户反馈分析助手。 请分析用户反馈，并输出 JSON。 要求： 1. emotion 只能是：正面、负面、中性。 2. problem 提取客户提到的主要问题。 3. suggestion 给出一句适合客服回复的建议。 4. 只输出 JSON，不要输出解释文字。 """ user_feedback = """ 这个 AI 写作工具生成速度挺快，但是经常答非所问，导出的格式也有点乱。 """ completion = client.chat.completions.create( model="qwen-plus", messages=[ {"role": "system", "content": system_prompt}, {"role": "user", "content": user_feedback}, ] ) print(completion.choices[0].message.content)

import os from openai import OpenAI api_key = os.getenv("OPENAI_API_KEY") if not api_key: raise ValueError("没有读取到 OPENAI_API_KEY，请配置环境变量后重启 PyCharm。") client = OpenAI( api_key=api_key, base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", ) system_prompt = """ 你是一个会议行动项提取助手。 请从会议内容中提取明确有人负责的任务。 输出要求： 1. 只输出 JSON。 2. JSON 顶层字段为 action_items。 3. 每个行动项包含 item、owner、deadline。 4. 如果没有明确截止时间，deadline 写 null。 """ meeting_text = """ 本次周会决定，小王本周五前完成智能客服原型页面，小张负责整理客户反馈，但没有明确截止时间。 """ completion = client.chat.completions.create( model="qwen-plus", messages=[ {"role": "system", "content": system_prompt}, {"role": "user", "content": meeting_text}, ] ) print(completion.choices[0].message.content)

import os from openai import OpenAI api_key = os.getenv("OPENAI_API_KEY") if not api_key: raise ValueError("没有读取到 OPENAI_API_KEY，请配置环境变量后重启 PyCharm。") client = OpenAI( api_key=api_key, base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", ) system_prompt = """ 你是一个快递信息提取助手。 请提取姓名、手机号、地址。 只输出 JSON。 手机号中的横线和空格要去掉。 """ example_user = "张明远，138-1234-5678 广东省深圳市南山区科技园南区高新南一道1000号腾讯大厦18层 1806室" example_assistant = '{"name": "张明远", "phone": "13812345678", "address": "广东省深圳市南山区科技园南区高新南一道1000号腾讯大厦18层 180室"}' real_user = """ 李婉婷 151-9876-5432 北京市海淀区中关村大街1号海龙大厦8层805室 东西是一份文件，已经封装好了。 """ completion = client.chat.completions.create( model="qwen-plus", messages=[ {"role": "system", "content": system_prompt}, {"role": "user", "content": example_user}, {"role": "assistant", "content": example_assistant}, {"role": "user", "content": real_user}, ] ) print(completion.choices[0].message.content)

import os from openai import OpenAI api_key = os.getenv("OPENAI_API_KEY") if not api_key: raise ValueError("没有读取到 OPENAI_API_KEY，请配置环境变量后重启 PyCharm。") client = OpenAI( api_key=api_key, base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", ) system_prompt = """ 你是一个品牌社媒内容分类助手。 请将输入内容分类为以下四类之一： 1. 噪音：完全无关，比如成语、误匹配、人名等。 2. 广告营销：促销、打卡、优惠、正面分享。 3. 弱相关：只是顺带提到品牌，没有具体行为或评价。 4. 非噪音：真实评价、投诉、体验、负面内容或有效内容。 输出要求： 1. 只输出 JSON。 2. label 必须是：噪音、广告营销、弱相关、非噪音。 3. confidence 必须是：high、medium、low。 """ content = "#海底捞# 今天生日去吃饭，服务员送了蛋糕，体验很好！" completion = client.chat.completions.create( model="qwen-plus", messages=[ {"role": "system", "content": system_prompt}, {"role": "user", "content": content}, ] ) print(completion.choices[0].message.content)

import os from openai import OpenAI api_key = os.getenv("OPENAI_API_KEY") if not api_key: raise ValueError("没有读取到 OPENAI_API_KEY，请配置环境变量后重启 PyCharm。") client = OpenAI( api_key=api_key, base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", ) system_prompt = """ 你是一个 AI 产品需求分析助手。 请从用户输入中提取结构化需求信息。 输出 JSON，字段包括： 1. product：产品名称或产品类型。 2. scenario：主要应用场景。 3. channels：使用渠道，数组格式。 4. constraints：约束条件，数组格式。 5. risk_handling：风险处理方式。 只输出 JSON，不要输出解释文字。 """ requirement = """ 我们想做一个 AI 客服助手，主要用于回答用户关于订单、退款、物流的问题。 希望先接入网页端，输出要简洁，遇到不确定的问题要提示转人工。 """ completion = client.chat.completions.create( model="qwen-plus", messages=[ {"role": "system", "content": system_prompt}, {"role": "user", "content": requirement}, ] ) print(completion.choices[0].message.content)