面向开发者的提示词工程④——文本推断（Inferring）

前言

面向开发者的提示词工程——导读

在这节课中，你将从产品评论和新闻文章中推断情感和主题。

举了个商品评论的例子

lamp_review_zh = """
我需要一盏漂亮的卧室灯，这款灯具有额外的储物功能，价格也不算太高。\
我很快就收到了它。在运输过程中，我们的灯绳断了，但是公司很乐意寄送了一个新的。\
几天后就收到了。这款灯很容易组装。我发现少了一个零件，于是联系了他们的客服，他们很快就给我寄来了缺失的零件！\
在我看来，Lumina 是一家非常关心顾客和产品的优秀公司！
"""

一、情感（正向/负向）

通用输入：

prompt = f"""
以下用三个反引号分隔的产品评论的情感是什么？评论文本: ```{lamp_review_zh}```
"""
response = get_completion(prompt)
print(response)

输出：

情感是积极的/正面的。

限制输入：

prompt = f"""
以下用三个反引号分隔的产品评论的情感是什么？用一个单词回答：「正面」或「负面」。评论文本: ```{lamp_review_zh}```
"""
response = get_completion(prompt)
print(response)

输出：

正面

二、识别情感类型

输入：

# 中文
prompt = f"""
识别以下评论的作者表达的情感。包含不超过五个项目。将答案格式化为以逗号分隔的单词列表。评论文本: ```{lamp_review_zh}```
"""
response = get_completion(prompt)
print(response)

输出：

满意,感激,信任,赞扬,愉快

三、识别愤怒

对于很多企业来说，了解某个顾客是否非常生气很重要。

输入：

# 中文
prompt = f"""
以下评论的作者是否表达了愤怒？评论用三个反引号分隔。给出是或否的答案。评论文本: ```{lamp_review_zh}```
"""
response = get_completion(prompt)
print(response)

输出：

否

四、从客户评论中提取产品和公司名称

对于这些评论来说，弄清楚是什么物品，谁制造了该物品，弄清楚积极和消极的情感，以跟踪特定物品或特定制造商的积极或消极情感趋势，可能会很有用。

在下面这个示例中，我们要求它将响应格式化为一个 JSON 对象，其中物品和品牌是键。

输入：

prompt = f"""
从评论文本中识别以下项目：
- 评论者购买的物品
- 制造该物品的公司评论文本用三个反引号分隔。将你的响应格式化为以 “物品” 和 “品牌” 为键的 JSON 对象。
如果信息不存在，请使用 “未知” 作为值。
让你的回应尽可能简短。评论文本: ```{lamp_review_zh}```
"""
response = get_completion(prompt)
print(response)

输出：

{"物品": "卧室灯","品牌": "Lumina"
}

五、一次完成多项任务

提取上面所有这些信息使用了 3 或 4 个 prompt，但实际上可以编写单个 prompt 来同时提取所有这些信息。

输入：

prompt = f"""
从评论文本中识别以下项目：
- 情绪（正面或负面）
- 审稿人是否表达了愤怒？（是或否）
- 评论者购买的物品
- 制造该物品的公司评论用三个反引号分隔。将您的响应格式化为 JSON 对象，以 “Sentiment”、“Anger”、“Item” 和 “Brand” 作为键。
如果信息不存在，请使用 “未知” 作为值。
让你的回应尽可能简短。
将 Anger 值格式化为布尔值。评论文本: ```{lamp_review_zh}```
"""
response = get_completion(prompt)
print(response)

输出：

{"Sentiment": "正面","Anger": false,"Item": "卧室灯","Brand": "Lumina"
}

---

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。