当前位置： 首页 > news >正文

OpenAI的Prompt工程

news 来源：原创 2025/6/20 6:16:54

OpenAI 的 Prompt 工程是指通过设计和构建与大语言模型进行交互的输入方式，以引导模型生成期望输出的过程。

任务：本文将以引导AI根据用户指令输出符合用户要求的json格式数据。

一）测试 Azure OpenAI 服务

import openai
import time
from openai import AzureOpenAI
from openai.types.chat import ChatCompletion
import jsonclass AIJSONProcessor:def __init__(self, endpoint, deployment, subscription_key, api_version, max_retries=2, timeout=30, proxy=None):self.endpoint = endpoint.rstrip('/')self.deployment = deploymentself.subscription_key = subscription_keyself.api_version = api_versionself.max_retries = max_retries# 配置Azure OpenAI客户端self.client = AzureOpenAI(api_key=subscription_key,api_version=api_version,azure_endpoint=endpoint)# 设置超时self.timeout = timeoutdef testOpenaiConnection(self):'''测试程序'''for attempt in range(self.max_retries + 1):try:print(f"正在尝试连接到Azure OpenAI: {self.deployment} (尝试 {attempt + 1}/{self.max_retries + 1})")print(f"端点: {self.endpoint}")print(f"超时设置: {self.timeout}秒")# 调用Azure OpenAI APIresponse = self.client.chat.completions.create(model=self.deployment,messages=[{"role": "system", "content": "你是一个AI助手。"},{"role": "user", "content": "你是openai的哪个版本"}],max_tokens=50)# 提取模型回复message = response.choices[0].message.content.strip()return {"success": True,"deployment": self.deployment,"response": message}except openai.AuthenticationError as e:return {"success": False,"error": "认证失败，请检查订阅密钥或API端点","details": str(e)}except openai.RateLimitError as e:wait_time = 2 ** attempt  # 指数退避print(f"速率限制错误，等待 {wait_time} 秒后重试...")time.sleep(wait_time)continueexcept openai.APITimeoutError as e:return {"success": False,"error": "请求超时，请检查网络连接或增加超时时间","details": str(e)}except openai.APIError as e:if attempt < self.max_retries:wait_time = 2 ** attempt  # 指数退避print(f"API错误: {str(e)}，等待 {wait_time} 秒后重试...")time.sleep(wait_time)continueelse:return {"success": False,"error": "多次尝试后API请求仍失败","details": str(e)}except ValueError as e:return {"success": False,"error": "配置错误，请确认OpenAI库版本和参数设置","details": str(e)}except Exception as e:return {"success": False,"error": "发生未知错误","details": str(e)}processor = AIJSONProcessor(endpoint="https://XXXXX-openai.openai.azure.com/",deployment="gpt-4.1",subscription_key="10XXXXXXXXXXXXXXXXXXXXXXXXXXXe",api_version="2025-XXXXXX-preview",  max_retries=2,timeout=60,  
)print("正在测试Azure OpenAI API连接...")
result = processor.testOpenaiConnection()print(result)
  • endpoint  指定 Azure OpenAI 服务的 API 访问地址（端点）。
  • deployment 指定你在 Azure OpenAI 上部署的模型名称，告诉API要使用的是哪个模型。
  • subscription_key 你的 Azure OpenAI 订阅密钥（API Key）。
  • api_version 指定调用的 API 版本，Azure OpenAI 的 API 可能会有多个版本，不同版本可能有不同的功能或参数要求。
  • max_retries 请求失败时最多重试的次数。
  • timeout 每次 API 请求的超时时间（秒）。如果请求在指定时间内没有响应，就会报超时错误，防止程序一直卡住。

测试可以正常通信后，就可以开始构建OpenAI的Prompt工程了。

二）设计有效的提示词

 2.1 系统级prompt

在调用Azure OpenAI API的时候，会给AI传递对应的prompt

# 调用Azure OpenAI API
response = self.client.chat.completions.create(model=self.deployment,messages=[{"role": "system", "content": "你是一个AI助手。"},{"role": "user", "content": "你是openai的哪个版本"}],max_tokens=50
)

在如上的示例中传递的prompt是两种类型的prompt，即系统级prompt和用户级prompt，实际上还有AI本身的prompt，这种prompt其实是保留AI之前的回答，在下次用户prompt输入的时候一起被输入，保留记忆。

 对于系统级prompt，其提示词会让AI明确自己的身份定位，从而制约说话语气，和表达方式。

由于本文任务是引导AI根据用户指令输出符合用户要求的json格式数据，其对于自身定位没有要求，只有一些前提可以告诉AI，比如json数据中属性对应的自然语言，这样AI就能理解自然语言的表达，并按着用户需求来生成对应的json格式数据。

其prompt设置如下：

referPrompt = 'json格式其属性和中文的对应关系如下：公司＝company，姓名＝name,年龄＝age,工作经验＝workExperience,职位＝position，入职时间＝duration'

当然，其实这个任务中不需要AI明确自己的身份定位，这个提示词也可以被放入用户提示词中。

2.2 用户级prompt

对于用户级别的prompt来说，该prompt的作用是核心的prompt，用户prompt是任务完美完成的核心，是影响着AI输出的关键。

# 示例JSON数据
input_data = {"name": "张三","age": 25,"skills": ["Python", "SQL", "AI"],"workExperience": [{"company": "科技公司A","position": "数据分析师","duration": "2022-2024"}]
}aiPrompt = (prompt + "\n""请创建新的 json。请不要添加任何说明文字或补充内容，严格遵守 json 格式，确保每一层级的括号必须    闭合，仅输出 json。"+ "\n"+ json.dumps(input_data, ensure_ascii=False)
)

 2.3 AI级prompt

由于这里的任务不需要上下文的记忆，因此不需要加入词prompt。

三）测试

import openai
import time
from openai import AzureOpenAI
from openai.types.chat import ChatCompletion
import jsonclass AIJSONProcessor:def __init__(self, endpoint, deployment, subscription_key, api_version, max_retries=2, timeout=30, proxy=None):self.endpoint = endpoint.rstrip('/')  # 确保端点不以斜杠结尾self.deployment = deploymentself.subscription_key = subscription_keyself.api_version = api_versionself.max_retries = max_retries# 配置Azure OpenAI客户端self.client = AzureOpenAI(api_key=subscription_key,api_version=api_version,azure_endpoint=endpoint)# 设置超时self.timeout = timeoutdef process(self, prompt):'''执行程序 参数列表prompt: 用户指令'''for attempt in range(self.max_retries + 1):try:print(f"正在尝试连接到Azure OpenAI: {self.deployment} (尝试 {attempt + 1}/{self.max_retries + 1})")print(f"端点: {self.endpoint}")print(f"超时设置: {self.timeout}秒")referPrompt = 'json格式其属性和中文的对应关系如下：公司＝company，姓名＝name,年龄＝age,工作经验＝workExperience,职位＝position，入职时间＝duration'# 示例JSON数据input_data = {"name": "张三","age": 25,"skills": ["Python", "SQL", "AI"],"workExperience": [{"company": "科技公司A","position": "数据分析师","duration": "2022-2024"}]}aiPrompt = (prompt + "\n""请创建新的 json。请不要添加任何说明文字或补充内容，严格遵守 json 格式，确保每一层级的括号必须闭合，仅输出 json。"+"\n"+ json.dumps(input_data, ensure_ascii=False))# 调用Azure OpenAI APIresponse = self.client.chat.completions.create(model=self.deployment,messages=[{"role": "system", "content": referPrompt },{"role": "user", "content": aiPrompt }],max_tokens=100)# 提取模型回复message = response.choices[0].message.content.strip()return messageexcept openai.AuthenticationError as e:return {"success": False,"error": "认证失败，请检查订阅密钥或API端点","details": str(e)}except openai.RateLimitError as e:wait_time = 2 ** attempt  # 指数退避print(f"速率限制错误，等待 {wait_time} 秒后重试...")time.sleep(wait_time)continueexcept openai.APITimeoutError as e:return {"success": False,"error": "请求超时，请检查网络连接或增加超时时间","details": str(e)}except openai.APIError as e:if attempt < self.max_retries:wait_time = 2 ** attempt  # 指数退避print(f"API错误: {str(e)}，等待 {wait_time} 秒后重试...")time.sleep(wait_time)continueelse:return {"success": False,"error": "多次尝试后API请求仍失败","details": str(e)}except ValueError as e:return {"success": False,"error": "配置错误，请确认OpenAI库版本和参数设置","details": str(e)}except Exception as e:return {"success": False,"error": "发生未知错误","details": str(e)}processor = AIJSONProcessor(endpoint="https://XXXXXXXXXXopenai.openai.azure.com/",deployment="gpt-4.1",subscription_key="103XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXfe",api_version="2025-0XXXXXXXXXeview",  max_retries=2,timeout=60,  
)print("正在测试Azure OpenAI API连接...")
result = processor.process("把姓名改成cce，年龄改为22，职位改为小白")print(result)

 

成功输出！！测试完成！！ 

 

相关文章：

  • ABP VNext + MongoDB 数据存储：多模型支持与 NoSQL 扩展
  • 动态规划算法思路详解
  • 基于微信小程序在肠造口病人健康宣教中的应用
  • C#编程与1200PLC S7通信
  • 单点登录我们的
  • AI正在重构SaaS的底层逻辑：从“买软件”到“写软件”的范式转移
  • C++ std::set的用法
  • ​​​​​​​神经网络基础讲解 一
  • Python爬虫（六）：Scrapy框架
  • 深入解析connect函数：阻塞与非阻塞模式下的行为差异
  • SQL注入安全研究
  • 在 Mac 上配置 Charles，抓取 iOS 手机端接口请求
  • 机器学习赋能多尺度材料模拟：前沿技术会议邀您共探
  • 【深度学习】生成对抗网络（GANs）深度解析：从理论到实践的革命性生成模型
  • buildroot 升级 OPENSSH
  • 医疗低功耗智能AI网络搜索优化策略
  • Python正则如何匹配各种附件格式
  • vector模拟实现中的迭代器失效问题
  • LeetCode 2187.完成旅途的最少时间
  • linux操作命令（最常用）
  • 有什么做外贸的好网站/重庆seo网络推广关键词
  • 网站更换空间需要怎么做/自媒体营销方式有哪些
  • 教育企业重庆网站建设/百度视频免费高清影视
  • 如何做网课网站/2345网址导航是什么浏览器
  • 莱芜今日信息广告平台/清远seo
  • 广州动态网站开发/写软文的app