当前位置：首页 > news >正文

021_自然语言处理应用

news 2025/7/16 5:13:15

自然语言处理应用

NLP应用概述

核心能力范围

文本理解

语义理解：深度理解文本含义和上下文
实体识别：识别人名、地名、机构名等命名实体
关系提取：理解实体间的关系和连接
情感分析：分析文本的情感倾向和态度

文本生成

内容创作：自动生成文章、报告、创意内容
文本摘要：提取关键信息生成摘要
文本转换：格式转换、风格改写、语言翻译
对话生成：智能对话和问答系统

语言分析

语法分析：句法结构和语法关系分析
语义分析：词汇语义和语句意义分析
语用分析：上下文和语境理解
话语分析：篇章结构和修辞分析

应用价值

效率提升：自动化文本处理任务
质量保证：标准化和一致性处理
成本降低：减少人工处理成本
创新应用：开发新的智能化服务

文本理解技术

实体识别与提取

命名实体识别(NER)

def extract_named_entities(text):"""提取命名实体"""ner_prompt = f"""请从以下文本中提取所有命名实体，并按类别分类：文本：{text}请提取：1. 人名 (PERSON)2. 地名 (LOCATION) 3. 机构名 (ORGANIZATION)4. 时间 (DATE/TIME)5. 数量 (QUANTITY)6. 货币 (MONEY)请以JSON格式返回结果。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1024,messages=[{"role": "user", "content": ner_prompt}])return parse_ner_response(response.content[0].text)def parse_ner_response(response_text):"""解析NER响应"""try:import jsonreturn json.loads(response_text)except:# 如果不是标准JSON，手动解析return extract_entities_manually(response_text)# 使用示例
sample_text = """
苹果公司CEO蒂姆·库克于2023年3月在加利福尼亚州库比蒂诺宣布，
公司将投资1000万美元用于人工智能研发。
"""entities = extract_named_entities(sample_text)
print(entities)

关系抽取

def extract_relationships(text):"""提取实体关系"""relation_prompt = f"""分析以下文本中实体之间的关系：文本：{text}请识别：1. 主语-谓语-宾语关系2. 从属关系3. 时间关系4. 地点关系5. 因果关系以三元组形式返回：(实体1, 关系, 实体2)"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1024,messages=[{"role": "user", "content": relation_prompt}])return parse_relationships(response.content[0].text)def build_knowledge_graph(entities, relationships):"""构建知识图谱"""knowledge_graph = {"nodes": [{"id": entity["text"], "type": entity["label"], "properties": entity.get("properties", {})}for entity_list in entities.values()for entity in entity_list],"edges": [{"source": rel["subject"],"target": rel["object"], "relation": rel["predicate"],"properties": rel.get("properties", {})}for rel in relationships]}return knowledge_graph

情感分析

细粒度情感分析

class SentimentAnalyzer:"""情感分析器"""def __init__(self):self.emotion_dimensions = {"valence": "正面-负面","arousal": "激动-平静", "dominance": "主导-顺从"}def analyze_sentiment(self, text):"""分析情感"""sentiment_prompt = f"""对以下文本进行全面的情感分析：文本：{text}请分析：1. 整体情感倾向（正面/负面/中性）2. 情感强度（1-10分）3. 具体情绪类别（喜悦、愤怒、悲伤、恐惧、惊讶、厌恶等）4. 情感目标（情感指向的对象）5. 情感原因（产生情感的原因）以结构化格式返回结果。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1024,messages=[{"role": "user", "content": sentiment_prompt}])return self.parse_sentiment_result(response.content[0].text)def analyze_aspect_sentiment(self, text):"""方面级情感分析"""aspect_prompt = f"""对以下文本进行方面级情感分析：文本：{text}请识别文本中提到的不同方面/属性，并分析对每个方面的情感：格式：方面：[方面名称]情感：[正面/负面/中性]强度：[1-10]原因：[情感原因]"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1024,messages=[{"role": "user", "content": aspect_prompt}])return self.parse_aspect_sentiment(response.content[0].text)def detect_emotion_change(self, text_sequence):"""检测情感变化"""emotion_change_prompt = f"""分析以下文本序列中情感的变化过程：文本序列：{chr(10).join([f"{i+1}. {text}" for i, text in enumerate(text_sequence)])}请分析：1. 情感变化趋势2. 关键转折点3. 情感变化原因4. 整体情感弧线"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": emotion_change_prompt}])return response.content[0].text

主题建模与聚类

主题提取

def extract_topics(documents, num_topics=5):"""提取文档主题"""topic_prompt = f"""分析以下文档集合，提取主要主题：文档数量：{len(documents)}目标主题数：{num_topics}文档内容：{chr(10).join([f"文档{i+1}: {doc[:200]}..." for i, doc in enumerate(documents)])}请提取{num_topics}个主要主题，对每个主题提供：1. 主题名称2. 关键词（10个）3. 主题描述4. 相关文档编号5. 主题强度评分"""response = client.messages.create(model="claude-opus-4-20250514",max_tokens=2048,messages=[{"role": "user", "content": topic_prompt}])return parse_topics(response.content[0].text)def cluster_documents(documents, cluster_method="semantic"):"""文档聚类"""clustering_prompt = f"""对以下文档进行语义聚类：聚类方法：{cluster_method}文档数量：{len(documents)}文档列表：{chr(10).join([f"{i+1}. {doc[:150]}..." for i, doc in enumerate(documents)])}请将文档分为合适的类别，对每个类别提供：1. 类别名称2. 类别描述3. 包含的文档编号4. 类别特征关键词5. 类别内聚性评分"""response = client.messages.create(model="claude-opus-4-20250514",max_tokens=2048,messages=[{"role": "user", "content": clustering_prompt}])return parse_clusters(response.content[0].text)

文本生成应用

内容创作系统

自动文章生成

class ContentGenerator:"""内容生成器"""def __init__(self):self.writing_styles = {"新闻": "客观、简洁、事实导向","博客": "个人化、轻松、互动性强","学术": "严谨、专业、引用丰富","营销": "吸引人、行动导向、情感化","技术": "准确、详细、逻辑清晰"}def generate_article(self, topic, style="博客", length="中等", audience="一般读者"):"""生成文章"""length_guides = {"短": "500-800字","中等": "1000-1500字", "长": "2000-3000字"}article_prompt = f"""请创作一篇关于"{topic}"的{style}风格文章。要求：- 风格：{style}（{self.writing_styles.get(style, "通用")}）- 长度：{length_guides.get(length, "1000-1500字")}- 目标读者：{audience}请包含：1. 吸引人的标题2. 引人入胜的开头3. 逻辑清晰的主体内容4. 有力的结尾5. 适当的小标题和段落结构请确保内容原创、准确且有价值。"""response = client.messages.create(model="claude-opus-4-20250514",max_tokens=3000,messages=[{"role": "user", "content": article_prompt}])return self.format_article(response.content[0].text)def generate_with_outline(self, topic, outline):"""基于大纲生成内容"""outline_prompt = f"""基于以下大纲创作关于"{topic}"的文章：大纲：{self.format_outline(outline)}请为每个部分写出详细内容，保持逻辑连贯，内容充实。"""response = client.messages.create(model="claude-opus-4-20250514",max_tokens=3000,messages=[{"role": "user", "content": outline_prompt}])return response.content[0].textdef format_outline(self, outline):"""格式化大纲"""formatted = []for i, section in enumerate(outline, 1):formatted.append(f"{i}. {section['title']}")if 'subsections' in section:for j, subsection in enumerate(section['subsections'], 1):formatted.append(f"   {i}.{j} {subsection}")return "\n".join(formatted)

创意写作助手

class CreativeWritingAssistant:"""创意写作助手"""def __init__(self):self.genres = {"科幻": "想象力丰富、技术感强、未来感","悬疑": "紧张刺激、逻辑严密、悬念迭起","浪漫": "情感丰富、温馨甜蜜、人物细腻","恐怖": "氛围营造、心理描写、恐怖元素","历史": "时代背景、历史细节、人物塑造"}def generate_story(self, genre, theme, length="短篇"):"""生成故事"""story_prompt = f"""创作一个{genre}类型的{length}故事。主题：{theme}类型特点：{self.genres.get(genre, "通用故事")}请包含：1. 引人入胜的开头2. 鲜明的人物角色3. 紧凑的情节发展4. 适当的冲突和转折5. 令人满意的结局注重：- 人物性格刻画- 环境氛围营造- 对话自然流畅- 情节发展合理"""response = client.messages.create(model="claude-opus-4-20250514",max_tokens=3000,messages=[{"role": "user", "content": story_prompt}])return response.content[0].textdef generate_character(self, story_context=""):"""生成角色"""character_prompt = f"""为以下故事背景创建一个丰富立体的角色：故事背景：{story_context}请提供：1. 基本信息（姓名、年龄、职业）2. 外貌特征3. 性格特点4. 背景故事5. 动机和目标6. 优点和缺点7. 说话方式和习惯8. 与其他角色的关系"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1024,messages=[{"role": "user", "content": character_prompt}])return response.content[0].textdef generate_dialogue(self, characters, situation):"""生成对话"""dialogue_prompt = f"""为以下角色在特定情况下创作自然的对话：角色：{self.format_characters(characters)}情况：{situation}要求：1. 体现每个角色的性格特点2. 推动情节发展3. 对话自然流畅4. 包含适当的动作描写5. 体现角色间的关系动态"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": dialogue_prompt}])return response.content[0].text

文本摘要系统

智能摘要生成

class TextSummarizer:"""文本摘要器"""def __init__(self):self.summary_types = {"extractive": "提取原文关键句子","abstractive": "重新组织表达要点","hybrid": "结合提取和重写方法"}def generate_summary(self, text, summary_type="abstractive", length="medium"):"""生成摘要"""length_ratios = {"short": "原文的10-15%","medium": "原文的20-30%", "long": "原文的40-50%"}summary_prompt = f"""为以下文本生成{summary_type}摘要：原文：{text}摘要要求：- 类型：{summary_type}（{self.summary_types.get(summary_type)}）- 长度：{length_ratios.get(length, "原文的20-30%")}- 保留核心信息和要点- 保持逻辑连贯性- 使用简洁清晰的语言请生成摘要："""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1024,messages=[{"role": "user", "content": summary_prompt}])return response.content[0].textdef generate_multi_level_summary(self, text):"""生成多层级摘要"""multi_level_prompt = f"""为以下文本生成不同详细程度的摘要：原文：{text}请提供：1. 一句话摘要（核心要点）2. 段落摘要（100-150字）3. 详细摘要（200-300字）4. 要点列表（5-8个关键点）每个层次都应准确反映原文内容，但详细程度不同。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": multi_level_prompt}])return self.parse_multi_level_summary(response.content[0].text)def summarize_multiple_documents(self, documents, focus_topic=None):"""多文档摘要"""multi_doc_prompt = f"""对以下多个文档进行综合摘要：文档数量：{len(documents)}{f"关注主题：{focus_topic}" if focus_topic else ""}文档内容：{self.format_documents(documents)}请提供：1. 综合摘要（整合所有文档的要点）2. 共同主题（所有文档共同讨论的话题）3. 不同观点（文档间的差异和分歧）4. 关键结论（基于所有文档的总结）"""response = client.messages.create(model="claude-opus-4-20250514",max_tokens=2048,messages=[{"role": "user", "content": multi_doc_prompt}])return response.content[0].textdef format_documents(self, documents):"""格式化文档列表"""formatted = []for i, doc in enumerate(documents, 1):formatted.append(f"文档{i}:\n{doc[:500]}...")return "\n\n".join(formatted)

语言分析工具

语法与语义分析

语法分析器

class GrammarAnalyzer:"""语法分析器"""def analyze_syntax(self, text):"""语法分析"""syntax_prompt = f"""对以下文本进行详细的语法分析：文本：{text}请分析：1. 句子结构（主谓宾、定状补）2. 词性标注3. 语法错误识别4. 句式类型分析5. 复合句结构分析以结构化格式返回分析结果。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": syntax_prompt}])return response.content[0].textdef check_grammar(self, text):"""语法检查"""grammar_check_prompt = f"""检查以下文本的语法错误并提供修改建议：文本：{text}请识别：1. 语法错误（主谓不一致、时态错误等）2. 标点符号错误3. 用词不当4. 句式结构问题5. 逻辑连接问题对每个错误提供：- 错误类型- 错误位置- 修改建议- 修改后的正确表达"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": grammar_check_prompt}])return response.content[0].text

语义分析器

class SemanticAnalyzer:"""语义分析器"""def analyze_semantics(self, text):"""语义分析"""semantic_prompt = f"""对以下文本进行深入的语义分析：文本：{text}请分析：1. 核心语义（主要表达的意思）2. 隐含语义（暗示的含义）3. 语义关系（词汇间的语义连接）4. 语义角色（施事、受事、工具等）5. 语义冲突（矛盾或不一致）提供详细的语义解读。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": semantic_prompt}])return response.content[0].textdef detect_semantic_similarity(self, text1, text2):"""语义相似度检测"""similarity_prompt = f"""分析以下两段文本的语义相似度：文本1：{text1}文本2：{text2}请分析：1. 整体相似度评分（0-100分）2. 语义重叠部分3. 语义差异部分4. 表达方式差异5. 相似度判断依据提供详细的相似度分析报告。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1024,messages=[{"role": "user", "content": similarity_prompt}])return response.content[0].text

文本质量评估

可读性分析

class ReadabilityAnalyzer:"""可读性分析器"""def analyze_readability(self, text, target_audience="一般读者"):"""可读性分析"""readability_prompt = f"""分析以下文本的可读性：文本：{text}目标读者：{target_audience}请评估：1. 词汇复杂度（简单/中等/复杂）2. 句子长度和结构复杂度3. 专业术语使用情况4. 逻辑结构清晰度5. 可读性评分（1-10分）对于目标读者群体，提供：- 适合程度评估- 改进建议- 简化方案"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1024,messages=[{"role": "user", "content": readability_prompt}])return response.content[0].textdef improve_readability(self, text, target_level="中等"):"""改善可读性"""improvement_prompt = f"""请改写以下文本，提高其可读性至{target_level}水平：原文：{text}改写要求：1. 简化复杂句式2. 替换难懂词汇3. 增加逻辑连接词4. 调整段落结构5. 保持原意不变请提供改写后的文本和改写说明。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": improvement_prompt}])return response.content[0].text

多语言处理

翻译系统

智能翻译

class IntelligentTranslator:"""智能翻译器"""def __init__(self):self.supported_languages = {"zh": "中文","en": "英语", "ja": "日语","ko": "韩语","fr": "法语","de": "德语","es": "西班牙语","ru": "俄语"}def translate_text(self, text, source_lang, target_lang, style="标准"):"""文本翻译"""translation_prompt = f"""请将以下文本从{self.supported_languages.get(source_lang, source_lang)}翻译成{self.supported_languages.get(target_lang, target_lang)}：原文：{text}翻译要求：- 风格：{style}- 保持原文的语气和含义- 考虑文化背景差异- 使用自然流畅的目标语言表达请提供高质量的翻译结果。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": translation_prompt}])return response.content[0].textdef translate_with_context(self, text, context, source_lang, target_lang):"""上下文翻译"""context_translation_prompt = f"""基于以下上下文信息翻译文本：上下文：{context}待翻译文本：{text}从{self.supported_languages.get(source_lang)}翻译到{self.supported_languages.get(target_lang)}请考虑：1. 上下文语境2. 专业术语一致性3. 语域适配4. 文化适应性提供准确的上下文翻译。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": context_translation_prompt}])return response.content[0].textdef evaluate_translation_quality(self, source_text, translated_text, reference_translation=None):"""翻译质量评估"""evaluation_prompt = f"""评估以下翻译的质量：原文：{source_text}译文：{translated_text}{f"参考译文：{reference_translation}" if reference_translation else ""}请从以下维度评估：1. 准确性（意思是否准确传达）2. 流畅性（语言是否自然流畅）3. 完整性（是否遗漏信息）4. 一致性（术语翻译是否一致）5. 适应性（是否适合目标文化）给出评分（1-10分）和改进建议。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1024,messages=[{"role": "user", "content": evaluation_prompt}])return response.content[0].text

跨语言分析

多语言内容分析

class MultilingualAnalyzer:"""多语言分析器"""def analyze_multilingual_content(self, content_dict):"""多语言内容分析"""multilingual_prompt = f"""分析以下多语言内容：{self.format_multilingual_content(content_dict)}请分析：1. 各语言版本的一致性2. 翻译质量评估3. 文化适应性差异4. 内容完整性对比5. 语言特色保持情况提供综合分析报告。"""response = client.messages.create(model="claude-opus-4-20250514",max_tokens=2048,messages=[{"role": "user", "content": multilingual_prompt}])return response.content[0].textdef detect_language(self, text):"""语言检测"""language_detection_prompt = f"""检测以下文本的语言：文本：{text}请识别：1. 主要语言2. 混合语言（如果有）3. 置信度评分4. 语言变体（如方言、地区差异）以结构化格式返回结果。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=512,messages=[{"role": "user", "content": language_detection_prompt}])return response.content[0].textdef format_multilingual_content(self, content_dict):"""格式化多语言内容"""formatted = []for lang, content in content_dict.items():lang_name = self.supported_languages.get(lang, lang)formatted.append(f"{lang_name}版本：\n{content}\n")return "\n".join(formatted)

专业领域应用

法律文本处理

法律文档分析

class LegalTextProcessor:"""法律文本处理器"""def analyze_legal_document(self, document, doc_type="合同"):"""法律文档分析"""legal_analysis_prompt = f"""分析以下{doc_type}文档：文档内容：{document}请提供：1. 文档结构分析2. 关键条款识别3. 权利义务梳理4. 风险点识别5. 法律术语解释6. 合规性检查以专业的法律视角进行分析。"""response = client.messages.create(model="claude-opus-4-20250514",max_tokens=2048,messages=[{"role": "user", "content": legal_analysis_prompt}])return response.content[0].textdef extract_legal_entities(self, text):"""提取法律实体"""legal_entities_prompt = f"""从以下法律文本中提取法律实体：文本：{text}请识别：1. 当事人（自然人、法人）2. 法律关系3. 法律行为4. 法律后果5. 时间要素6. 地点要素7. 标的物8. 适用法条以结构化格式返回。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": legal_entities_prompt}])return response.content[0].text

医学文本处理

医学文档分析

class MedicalTextProcessor:"""医学文本处理器"""def analyze_medical_report(self, report, report_type="检查报告"):"""医学报告分析"""medical_analysis_prompt = f"""分析以下{report_type}：报告内容：{report}请提供：1. 关键医学信息提取2. 症状和体征识别3. 诊断建议总结4. 治疗方案梳理5. 医学术语解释6. 风险因素评估注意：仅用于信息分析，不提供医学诊断建议。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": medical_analysis_prompt}])return response.content[0].textdef extract_medical_entities(self, text):"""提取医学实体"""medical_entities_prompt = f"""从以下医学文本中提取医学实体：文本：{text}请识别：1. 疾病名称2. 症状描述3. 药物名称4. 检查项目5. 治疗方法6. 解剖部位7. 医学数值8. 时间信息以标准医学术语格式返回。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1024,messages=[{"role": "user", "content": medical_entities_prompt}])return response.content[0].text

实践案例

企业应用案例

客户服务智能化

class CustomerServiceNLP:"""客户服务NLP系统"""def __init__(self):self.intent_categories = {"咨询": "产品信息、使用方法、功能介绍","投诉": "产品问题、服务不满、要求赔偿","建议": "功能改进、新需求、使用体验","技术支持": "故障排除、操作指导、技术问题","商务": "价格咨询、合作洽谈、采购需求"}def classify_customer_query(self, query):"""客户查询分类"""classification_prompt = f"""对以下客户查询进行意图分类：客户查询：{query}分类类别：{self.format_intent_categories()}请确定：1. 主要意图类别2. 紧急程度（低/中/高）3. 情感倾向（正面/中性/负面）4. 关键信息点5. 建议处理方式以结构化格式返回分类结果。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1024,messages=[{"role": "user", "content": classification_prompt}])return response.content[0].textdef generate_response_template(self, query_analysis, knowledge_base):"""生成回复模板"""response_generation_prompt = f"""基于客户查询分析和知识库信息生成回复：查询分析：{query_analysis}相关知识：{knowledge_base}请生成：1. 个性化问候语2. 针对性回答3. 额外有用信息4. 后续服务建议5. 礼貌结束语回复应当专业、友好、有帮助。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1024,messages=[{"role": "user", "content": response_generation_prompt}])return response.content[0].textdef format_intent_categories(self):"""格式化意图类别"""formatted = []for category, description in self.intent_categories.items():formatted.append(f"- {category}：{description}")return "\n".join(formatted)

内容营销优化

class ContentMarketingNLP:"""内容营销NLP系统"""def optimize_marketing_content(self, content, target_audience, platform):"""优化营销内容"""optimization_prompt = f"""优化以下营销内容：原始内容：{content}目标受众：{target_audience}发布平台：{platform}请提供：1. 内容优化建议2. 情感调性调整3. 关键词优化4. 行动号召改进5. 平台适配建议生成优化后的内容版本。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": optimization_prompt}])return response.content[0].textdef analyze_content_performance(self, content, metrics):"""分析内容表现"""performance_analysis_prompt = f"""分析以下营销内容的表现：内容：{content}表现指标：{self.format_metrics(metrics)}请分析：1. 内容表现评估2. 成功因素识别3. 改进机会发现4. 未来内容建议5. 受众反应洞察提供详细的分析报告。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": performance_analysis_prompt}])return response.content[0].textdef format_metrics(self, metrics):"""格式化指标数据"""formatted = []for metric, value in metrics.items():formatted.append(f"- {metric}：{value}")return "\n".join(formatted)

教育应用案例

智能作文评估

class EssayEvaluationSystem:"""作文评估系统"""def evaluate_essay(self, essay, grade_level, topic):"""评估作文"""evaluation_prompt = f"""评估以下{grade_level}学生作文：题目：{topic}作文内容：{essay}请从以下维度评分（1-10分）：1. 内容相关性2. 结构组织3. 语言表达4. 创意性5. 语法正确性对每个维度提供：- 评分- 具体评价- 改进建议最后给出总分和总体评价。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": evaluation_prompt}])return response.content[0].textdef provide_writing_feedback(self, essay, focus_areas=None):"""提供写作反馈"""feedback_prompt = f"""为以下作文提供详细的写作反馈：作文：{essay}{f"重点关注：{focus_areas}" if focus_areas else ""}请提供：1. 优点识别2. 问题诊断3. 具体修改建议4. 写作技巧指导5. 范例展示反馈应当具体、建设性、鼓励性。"""response = client.messages.create(model="claude-sonnet-4-20250514",max_tokens=1536,messages=[{"role": "user", "content": feedback_prompt}])return response.content[0].text