大模型 API 应用示例

m0_74712453

384人浏览 · 2026-03-25 09:00:00

m0_74712453 · 2026-03-25 09:00:00 发布

大模型 API 应用示例

规范：

把指令放在提示的开头，并且用###或"""来分隔指令和上下文，这样能让大模型更清楚地区分指令和上下文

例如：

总结下面的文本

文本：###
{此处输入文本}
###

1. 产品评价自动分析

1.1 示例概述

本示例展示了如何使用 OpenAI API 对用户的产品评价进行自动总结。通过构造合适的提示词（Prompt），调用 gpt-3.5-turbo 模型，将非结构化的用户评论转化为结构化的优缺点列表，以 Markdown 格式输出。

1.2 完整代码

from openai import OpenAI

client = OpenAI()

def get_openai_response(client, prompt, model="gpt-3.5-turbo"):
    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，低音效果不错，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}

### """

product_review_prompt

response = get_openai_response(client, product_review_prompt)
response

运行代码后，模型返回的总结内容如下：

产品的优点：
- 连接速度快，兼容性强
- 音质中高音清晰，低音效果不错
- 电池续航能力强，单次充满电可以连续使用超过8小时

产品的缺点：
- 长时间使用后耳廓有轻微的压迫感
- 防水性能不够理想，在剧烈运动时的汗水防护上有待加强
- 耳机盒子的开合机制不够紧致，有时会不小心打开

1.3 技术要点分析

技术点	说明
提示词设计	通过明确的任务描述（总结、优缺点、Markdown列表）和输入边界标记（###），有效引导模型输出符合预期的结构化内容
函数封装	get_openai_response 将 API 调用逻辑抽象为可复用函数，便于后续批量调用或更换模型
模型选择	使用 gpt-3.5-turbo，在文本总结任务中表现良好且成本较低
输出解析	模型直接返回符合要求的 Markdown 格式文本，无需额外解析即可使用

1.4 应用场景

该示例可直接应用于以下场景：

电商平台：自动生成商品评价摘要，帮助消费者快速了解产品优缺点
客服系统：将用户反馈归类为优点与不足，提升问题响应效率
产品迭代：收集大量用户评价后，快速提取共性优缺点，辅助产品改进决策
市场调研：对开放式问卷文本进行批量总结，节省人工整理时间

2. 秒生成小红书爆款文案示例

2.1 示例概述

本示例展示了如何利用 OpenAI API 生成符合小红书平台调性的爆款文案。通过精心设计的系统提示词（System Prompt），定义标题创作技巧、正文写作风格和输出格式，让模型根据用户输入的主题自动生成多个标题和一段正文内容。

2.2 完整代码

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>
###
"""

运行代码后，模型返回的文案内容如下：

1. 📚 快速提升英语口语的绝佳方法！只需1秒开启逆天效果！😱
2. 🌟 英语学习的秘方揭秘，小白必看！好用到哭的学习技巧！🔥
3. 🌍 打破语言壁垒，让英语变得简单易学！建议收藏！🌟
4. 💪 轻松学英语，学霸必备！上天在提醒你的学习方法！🚀
5. 💡 英语学习的神奇技巧，笑不活了！让你秒变英文流利！😄

------

想要快速提升英语口语能力吗？想要用英语流利交流而不再担心表达不清吗？没有问题！只需1秒钟，你就能开启逆天的英语口语效果！不要再犹豫了，赶快学习这个绝佳方法，让你的英语口语飞速提升吧！💪🌟

在英语学习的道路上，小白们常常感到困惑和无助。如何快速掌握英语技巧？如何让学习变得简单而有趣？别担心，秘方就在这里！我将揭秘学习英语的神奇方法，让你轻松成为英文达人，好用到哭！无论你是英语初学者还是有一定基础的学生，这些技巧都将帮助你事半功倍，快速提升英语水平！📚💡

学习英语不再枯燥乏味，也不再让你望而却步。只需掌握这些学习技巧，你将轻松突破语言壁垒，掌握英语的精髓！所以务必收藏这些宝贵的学习方法，让你的英语之旅变得简单而有效！🌍🔥

不管是面对英语阅读、听力还是口语，都不要害怕和退缩。上天一直在提醒你，你可以轻松学习英语！通过这些天大损失，我将教会你如何用最简单的方法，轻松掌握英语。不再困惑，不再焦虑，让英语成为你的得力助手！💪😱

学习英语应该是一件有趣的事情！忘掉枯燥的单词记忆，忘掉乏味的语法课本。我将教给你最有趣的学习技巧，让你笑不活了！这些方法让英语学习变得轻松愉快，让你在不知不觉中提高口语能力。相信我，你将会爱上学英语！😄🌟

2.3 技术要点分析

技术点	说明
系统提示词设计	通过系统角色（System Prompt）定义模型的“人设”和行为规范，包括角色定位、输出结构、创作技巧和格式要求，使模型能够持续稳定地生成符合小红书平台调性的爆款文案
双角色消息结构	采用 system 和 user 双角色消息分离设计，系统提示词定义创作规则，用户提示词仅提供主题，职责清晰，便于复用和扩展
结构化规则注入	将标题创作技巧、爆款关键词库、写作风格选项、开篇方法选项等结构化规则融入提示词，让模型掌握平台特定的文案创作方法论
输出格式控制	通过明确的输出格式要求（5个标题 + 正文 + tag标签）和字数限制，确保模型返回内容可直接用于实际发布，无需额外处理

2.4 应用场景

该示例可直接应用于以下场景：

内容营销：快速生成符合平台调性的种草文案，提升内容生产效率
社交媒体运营：批量生成小红书、抖音、公众号等平台的推广文案
电商详情页：生成产品卖点文案和用户种草内容
广告投放：快速产出多版本广告标题和文案，进行A/B测试
个人博主创作：帮助内容创作者克服创作瓶颈，提供选题和文案灵感

3. 客户问题自动归类示例

3.1 示例概述

本示例展示了如何利用 OpenAI API 对客户问题进行自动分类。通过构造分类提示词（Prompt），定义预定义的类别列表，让模型根据用户问题内容判断其所属类别，实现客户咨询的自动化归类处理。

3.2 完整代码

from openai import OpenAI

client = OpenAI()

def get_openai_response(client, prompt, model="gpt-3.5-turbo"):
    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，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)
    response = get_openai_response(client, formatted_prompt)
    print(response)

运行代码后，模型返回的分类结果如下：

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

对应的问题分类：

问题	分类结果
q1：无法同步日历	故障问题
q2：电池持续多久	产品规格
q3：与ABC品牌对比	功能比较
q4：更新后变慢	故障问题
q5：防水和游泳	产品规格
q6：屏幕材质	产品规格
q7：售价和促销	价格查询

3.3 技术要点分析

技术点	说明
分类提示词设计	通过明确的任务描述（分类）、输出要求（只输出类别）、类别列表（预定义7个类别）和输入边界标记（###），有效引导模型执行文本分类任务
类别列表动态注入	使用 format 方法将类别列表动态插入提示词模板，便于维护和扩展类别体系，无需修改提示词结构
输出格式严格控制	通过"直接输出所属类别，不要有任何额外的描述或补充内容"的指令，确保模型返回纯净的分类结果，便于后续自动化处理
批量处理能力	通过循环遍历问题列表，实现了批量分类功能，可轻松扩展至大规模客户问题处理场景
简洁的函数封装	get_openai_response 将 API 调用逻辑抽象为可复用函数，批量调用时无需重复编写 API 调用代码

3.4 应用场景

该示例可直接应用于以下场景：

客服工单系统：自动分类用户咨询，将问题路由至对应处理部门
用户反馈分析：对大量用户反馈进行分类统计，识别高频问题类型
智能问答系统：根据问题分类调用相应的知识库或处理流程
产品迭代决策：统计各类别问题数量，发现产品改进方向
服务质量监控：监控故障类问题占比变化，评估产品质量
销售线索筛选：区分咨询类、询价类问题，优先处理高意向客户

4. 多语言自动识别与翻译示例

4.1 示例概述

本示例展示了如何利用 OpenAI API 实现多语言文本的自动识别与翻译。通过构造翻译提示词（Prompt），定义翻译任务要求、输出格式和语言处理规则，让模型能够识别输入消息的语言类型，并将其准确翻译成中文，同时保留原始文本的语气风格。

4.2 完整代码

from openai import OpenAI

client = OpenAI()

def get_openai_response(client, prompt, model="gpt-3.5-turbo"):
    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()
print(get_openai_response(client, translate_prompt.format(message=message)))

输入俄语

Можете ли вы дать мне скидку? Какой объем заказа со скидкой? Нам нужна лучшая цена, не ходите вокруг да около, просто назовите нам самую низкую возможную цену, и мы не хотим тратить время на ее изучение. Вы понимаете меня?

模型输出结果:

==========
原始消息（俄语）：
Можете ли вы дать мне скидку? Какой объем заказа со скидкой? Нам нужна лучшая цена, не ходите вокруг да около, просто назовите нам самую низкую возможную цену, и мы не хотим тратить время на ее изучение. Вы понимаете меня?
翻译消息：
您可以给我提供折扣吗？有折扣的订单数量是多少？我们需要最好的价格，不要拐弯抹角，只需告诉我们最低可能的价格，我们不想花时间去研究它。您明白我吗？
===========

4.3 技术要点分析

技术点	说明
角色设定	通过"请你充当一家外贸公司的翻译"设定明确的角色定位，让模型以专业翻译的身份执行任务
多语言识别	要求模型首先判断消息语言（如法语、俄语），实现自动化的语言检测功能
语气保留	通过"尽可能保留文本原本的语气"的指令，确保翻译结果不仅准确，还能传递原文的情感和态度
输出格式标准化	定义统一的输出格式（原始消息标注语言 + 翻译消息），便于程序化解析和后续处理
输入边界标记	使用 ### 符号包围用户消息，清晰界定待翻译文本的范围，避免模型混淆指令与内容
动态模板注入	使用 format 方法将用户输入动态插入提示词模板，支持灵活的交互式翻译