面向开发者的提示词工程③——文本总结（Summarizing）

前言

面向开发者的提示词工程——导读

本章节将介绍如何使用编程的方式，调用 API 接口来实现“文本概括”功能。

举了个商品评论的例子

prod_review_zh = """
这个熊猫公仔是我给女儿的生日礼物，她很喜欢，去哪都带着。
公仔很软，超级可爱，面部表情也很和善。但是相比于价钱来说，
它有点小，我感觉在别的地方用同样的价钱能买到更大的。
快递比预期提前了一天到货，所以在送给女儿之前，我自己玩了会。
"""

一、限制输出文本长度

输入：

prompt = f"""
你的任务是从电子商务网站上生成一个产品评论的简短摘要。请对三个反引号之间的评论文本进行概括，最多30个词汇。评论: ```{prod_review_zh}```
"""response = get_completion(prompt)
print(response)

输出：

可爱软熊猫公仔，女儿喜欢，面部表情和善，但价钱有点小贵，快递提前一天到货。

二、关键角度侧重

侧重于运输的输入：

prompt = f"""
你的任务是从电子商务网站上生成一个产品评论的简短摘要。请对三个反引号之间的评论文本进行概括，最多30个词汇，并且聚焦在产品运输上。评论: ```{prod_review_zh}```
"""response = get_completion(prompt)
print(response)

输出：

快递提前到货，熊猫公仔软可爱，但有点小，价钱不太划算。

侧重于价格与质量的输入：

prompt = f"""
你的任务是从电子商务网站上生成一个产品评论的简短摘要。请对三个反引号之间的评论文本进行概括，最多30个词汇，并且聚焦在产品价格和质量上。评论: ```{prod_review_zh}```
"""response = get_completion(prompt)
print(response)

输出：

可爱软熊猫公仔，面部表情友好，但价钱有点高，尺寸较小。快递提前一天到货。

三、关键信息提取

但如果我们只想要提取某一角度的信息，并过滤掉其他所有信息，则可以要求 LLM 进行“文本提取(Extract)”而非“文本概括(Summarize)”。

输入：

prompt = f"""
你的任务是从电子商务网站上的产品评论中提取相关信息。请从以下三个反引号之间的评论文本中提取产品运输相关的信息，最多30个词汇。评论: ```{prod_review_zh}```
"""response = get_completion(prompt)
print(response)

输出：

快递比预期提前了一天到货。

---

若觉得文章对你有帮助，随手『点赞』、『收藏』、『关注』，也是对我的支持。