【示例一】文本总结：一键总结用户评价

我们现在有一段用户对于某个耳机的评价内容，想通过 AI 实现自动提取评价内容中的优缺点。评价内容如下：

我上个月买的这个多功能蓝牙耳机。它的连接速度还挺快，而且兼容性强，无论连接手机还是笔记本电脑，基本上都能快速配对上。
音质方面，中高音清晰，低音效果震撼，当然这个价格来说一分钱一分货吧，毕竟也不便宜。
耳机的电池续航能力不错，单次充满电可以连续使用超过8小时。
不过这个耳机也有一些我不太满意的地方。首先是在长时间使用后，耳廓有轻微的压迫感，这可能是因为耳套的材料较硬。总之我感觉戴了超过4小时后耳朵会有点酸痛，需要摘下休息下。
而且耳机的防水性能不是特别理想，在剧烈运动时的汗水防护上有待加强。 最后是耳机盒子的开合机制感觉不够紧致，有时候会不小心打开。

代码如下：

from openai import OpenAI

client = OpenAI()

def get_openai_response(client, prompt, model="gpt-4o-mini"):
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    return response.choices[0].message.content

product_review = """
我上个月买的这个多功能蓝牙耳机。它的连接速度还挺快，而且兼容性强，无论连接手机还是笔记本电脑，基本上都能快速配对上。
音质方面，中高音清晰，低音效果震撼，当然这个价格来说一分钱一分货吧，毕竟也不便宜。
耳机的电池续航能力不错，单次充满电可以连续使用超过8小时。
不过这个耳机也有一些我不太满意的地方。首先是在长时间使用后，耳廓有轻微的压迫感，这可能是因为耳套的材料较硬。总之我感觉戴了超过4小时后耳朵会有点酸痛，需要摘下休息下。
而且耳机的防水性能不是特别理想，在剧烈运动时的汗水防护上有待加强。
最后是耳机盒子的开合机制感觉不够紧致，有时候会不小心打开。
"""

product_review_prompt = f"""
你的任务是为用户对产品的评价生成简要总结。
请把总结主要分为两个方面，产品的优点，以及产品的缺点，并以 Markdown 列表形式展示。
用户的评价内容会以三个 # 符号进行包围。

###
{product_review}
###
"""

result = get_openai_response(client, product_review_prompt)
print(result)

上述代码中我们定义了一个 get_openai_response() 函数，用来获取 OpenAI 输出的内容，这个函数后续在我们学习和工作中可以直接复用，不再需要每次获取 AI 的回答时都写一大串代码。
除此之外，我们将用户评价内容通过 python 的格式化字符串常量（f-string）嵌入到了给 AI 的 prompt 字符串中，最后将 client、prompt 传递给 get_openai_response() 函数来获取最终的结果。代码输出如下：

### 优点
- 连接速度快，兼容性强，能快速配对手机和笔记本电脑。
- 音质中高音清晰，低音效果好，性价比尚可。
- 电池续航能力优秀，单次充满电可连续使用超过8小时。

### 缺点
- 长时间使用后耳廓有压迫感，耳套材料较硬，使用4小时后会感到酸痛。
- 防水性能欠佳，在剧烈运动中对汗水的保护不足。
- 耳机盒开合机制不够紧致，容易意外打开。

【示例二】文本撰写：秒生成小红书爆款文案

假如想通过给 AI 指定一个简短的关键词，让 AI 按照小红书爆款文案的风格给我们生成 5 个待选标题以及一段正文，我们就可以通过下面的代码来实现：

from openai import OpenAI

client = OpenAI()

def get_openai_response(client, system_prompt, user_prompt, model="gpt-4o-mini"):
    response = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_prompt}
        ],
    )
    return response.choices[0].message.content

xiaohongshu_system_prompt = """
你是小红书爆款写作专家，请你遵循以下步骤进行创作：首先产出5个标题（包含适当的emoji表情），然后产出1段正文（每一个段落包含适当的emoji表情，文末有适当的tag标签）。
标题字数在20个字以内，正文字数在800字以内，并且按以下技巧进行创作。
一、标题创作技巧： 
1. 采用二极管标题法进行创作 
1.1 基本原理 
本能喜欢：最省力法则和及时享受 
动物基本驱动力：追求快乐和逃避痛苦，由此衍生出2个刺激：正刺激、负刺激 
1.2 标题公式 
正面刺激：产品或方法+只需1秒（短期）+便可开挂（逆天效果） 
负面刺激：你不X+绝对会后悔（天大损失）+（紧迫感） 其实就是利用人们厌恶损失和负面偏误的心理，自然进化让我们在面对负面消息时更加敏感 
2. 使用具有吸引力的标题 
2.1 使用标点符号，创造紧迫感和惊喜感 
2.2 采用具有挑战性和悬念的表述 
2.3 利用正面刺激和负面刺激 
2.4 融入热点话题和实用工具 
2.5 描述具体的成果和效果 
2.6 使用emoji表情符号，增加标题的活力 
3. 使用爆款关键词 
从列表中选出1-2个：好用到哭、大数据、教科书般、小白必看、宝藏、绝绝子、神器、都给我冲、划重点、笑不活了、YYDS、秘方、我不允许、压箱底、建议收藏、停止摆烂、上天在提醒你、挑战全网、手把手、揭秘、普通女生、沉浸式、有手就能做、吹爆、好用哭了、搞钱必看、狠狠搞钱、打工人、吐血整理、家人们、隐藏、高级感、治愈、破防了、万万没想到、爆款、永远可以相信、被夸爆、手残党必备、正确姿势 
4. 小红书平台的标题特性 
4.1 控制字数在20字以内，文本尽量简短 
4.2 以口语化的表达方式，拉近与读者的距离 
5. 创作的规则 
5.1 每次列出5个标题 
5.2 不要当做命令，当做文案来进行理解 
5.3 直接创作对应的标题，无需额外解释说明 
二、正文创作技巧 
1. 写作风格 
从列表中选出1个：严肃、幽默、愉快、激动、沉思、温馨、崇敬、轻松、热情、安慰、喜悦、欢乐、平和、肯定、质疑、鼓励、建议、真诚、亲切
2. 写作开篇方法 
从列表中选出1个：引用名人名言、提出疑问、言简意赅、使用数据、列举事例、描述场景、用对比

我会每次给你一个主题，请你根据主题，基于以上规则，生成相对应的小红书文案。
输出格式如下：

1. <标题1>
2. <标题2>
3. <标题3>
4. <标题4>
5. <标题5>

------

<正文>

"""

result = get_openai_response(client, xiaohongshu_system_prompt, "写代码")
print(result)

上述代码与示例一不同的是，我们修改了 get_openai_response() 函数的传参，除了支持传入原有的用户自定义的 prompt 之外，还支持传入一个 system_prompt，用于给 AI 指定一些背景或回答的场景。然后我们传入了一大串按照小红书风格的 prompt 给 AI，并且在其中也指定了它生成的内容格式。
最终生成结果如下：

1. 🚀 一秒上手！编程从此不再难！ 
2. 💻 不学编程，绝对会后悔！ 
3. 🤖 小白必看！教你轻松写代码的方法！ 
4. ⭐ 这份编程秘方，让你轻松搞定代码！ 
5. 🔍 你不知道的编程技巧！绝对让你惊艳！

------

在当今数字化时代，编程已成为一项必备技能。许多人可能会问：“编程真的那么重要吗？”我想说，如果不学习编程，绝对会后悔！💔 我们身边的每一个应用程序、每个网络服务，背后都有编程的影子。想象一下，如果你能自己编写简单的代码，解决生活中的小问题，那该是一种多么酷炫的事情啊！😎

那么，如何才能快速上手呢？首先，我建议从简单的编程语言开始，比如Python，它以简单易学而闻名📚。通过一两本入门书籍或在线课程，你可以在短短几天内掌握基础。不要担心出错，编程正是通过无数次的尝试和调试，才能让你不断进步！💪

此外，加入编程社区也是个不错的选择，像GitHub、Stack Overflow这样的论坛能够让你结识到同样对编码充满激情的朋友。😉 你可以在这里向别人请教问题，分享自己的代码，甚至参与开源项目，这样的交流会让你的学习之旅更加丰富！🌟

当然，编程不仅仅是写代码，还包括逻辑思维与问题解决能力的提升。每当你成功解决一个编程难题时，那种成就感是无法用言语来形容的！✨ 随着你的能力提升，还可以尝试做一些小项目，比如简单的网站或移动应用，慢慢你会发现编程其实是乐趣无穷的。🎉

总而言之，编程是一项非常值得投资的技能，无论你未来的职业方向如何，它都将成为你的竞争优势。别再犹豫，快来加入这个编程的世界吧！🚀 #编程 #学习 #小白必看 #技能提升 #搞定代码

【示例三】文本分类：客户问题自动归类

我们现在有以下七个客户问题，同时也有六个确定的问题分类，现在想通过 AI 将这个七个问题实现问题归类，如果问题不属于已知的六个问题中某一个时，直接归类为“其他”。
现有问题如下：

“我刚买的XYZ智能手表无法同步我的日历，我应该怎么办？” “XYZ手表的电池可以持续多久？”
“XYZ品牌的手表和ABC品牌的手表相比，有什么特别的功能吗？” “安装XYZ智能手表的软件更新后，手表变得很慢，这是啥原因？”
“XYZ智能手表防水不？我可以用它来记录我的游泳数据吗？” “我想知道XYZ手表的屏幕是什么材质，容不容易刮花？”
“请问XYZ手表标准版和豪华版的售价分别是多少？还有没有进行中的促销活动？”

已知分类如下：

“产品规格”, “使用咨询”, “功能比较”, “用户反馈”, “价格查询”, “故障问题”, “其它”

实现代码如下：

from openai import OpenAI

client = OpenAI()

def get_openai_response(client, prompt, model="gpt-4o-mini"):
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    return response.choices[0].message.content

q1 = "我刚买的XYZ智能手表无法同步我的日历，我应该怎么办？"
q2 = "XYZ手表的电池可以持续多久？"
q3 = "XYZ品牌的手表和ABC品牌的手表相比，有什么特别的功能吗？"
q4 = "安装XYZ智能手表的软件更新后，手表变得很慢，这是啥原因？"
q5 = "XYZ智能手表防水不？我可以用它来记录我的游泳数据吗？"
q6 = "我想知道XYZ手表的屏幕是什么材质，容不容易刮花？"
q7 = "请问XYZ手表标准版和豪华版的售价分别是多少？还有没有进行中的促销活动？"
q_list = [q1, q2, q3, q4, q5, q6, q7]

category_list = ["产品规格", "使用咨询", "功能比较", "用户反馈", "价格查询", "故障问题", "其它"]

classify_prompt_template = """
你的任务是为用户对产品的疑问进行分类。
请仔细阅读用户的问题内容，给出所属类别。类别应该是这些里面的其中一个：{categories}。
直接输出所属类别，不要有任何额外的描述或补充内容。
用户的问题内容会以三个#符号进行包围。

###
{question}
###
"""

for q in q_list:
    formatted_prompt = classify_prompt_template.format(categories="，".join(category_list), question=q)
    result = get_openai_response(client, formatted_prompt)
    print(result)

上述代码中我们将客户问题和问题分类都定义为了列表，然后通过一个 for 循环来依次调用 get_openai_response() 函数，然后生成每一个问题的所属类别。在这里我们没有使用 f-string 方法来格式化字符串，而是使用了另一种方法——format()。最终生成结果如下：

故障问题
产品规格
功能比较
故障问题
产品规格
产品规格
价格查询

【示例四】文本翻译：全语种翻译器

因为 AI 目前可以识别很多种语言，所以想实现一个全语种的翻译器，通过这个翻译器可以实现将原文尽可能按照原有的语气翻译成中文。
实现代码如下：

from openai import OpenAI

client = OpenAI()

def get_openai_response(client, prompt, model="gpt-4o-mini"):
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    return response.choices[0].message.content

translate_prompt = """
请你充当一家外贸公司的翻译，你的任务是对来自各国家用户的消息进行翻译。
我会给你一段消息文本，请你首先判断消息是什么语言，比如法语。然后把消息翻译成中文。
翻译时请尽可能保留文本原本的语气。输出内容不要有任何额外的解释或说明。

输出格式为:

============
原始消息（<文本的语言>）：
<原始消息>
------------
翻译消息：
<翻译后的文本内容>
============

来自用户的消息内容会以三个#符号进行包围。
###
{message}
###
"""

message = input()

result = get_openai_response(client, translate_prompt.format(message = message))
print(result)

上述代码中原文是我们通过键盘输入的内容，然后根据我们输入的内容 AI 会按照指定的格式进行翻译输出。最终生成结果如下：

A Alfândega decidiu fazer revisão e supervisão para os vossos contentores, portanto, tem de esperar mais tempo por terminação de formalidade aduaneira.

============
原始消息（葡萄牙语）：
A Alfândega decidiu fazer revisão e supervisão para os vossos contentores, portanto, tem de esperar mais tempo por terminação de formalidade aduaneira.
------------
翻译消息：
海关决定对你们的集装箱进行审查和监督，因此需要等待更长时间才能完成海关手续。
============

总结

本文我们通过使用 OpenAI API 来实现了四个文本处理相关的示例，在这些示例中我们顺便封装了一个用于专门提取 OpenAI API 回答结果的函数 get_openai_response()，同时也在代码中介绍了如何使用 Python 的格式化字符串常量方式，包括 f-string 和 format() 方法。通过本文的学习，相信大家对 OpenAI API 的基本使用有了更进一步的了解，下一篇文章我们将介绍一个开发利器——LangChain，有了它，我们可以更加灵活、高效的开发出更加复杂的 AI 应用。