【Prompt Engineering】6 文本扩展

一、引言

文本扩展：将短文本输入到大型语言模型中，生成更长的文本。
应用场景：头脑风暴、生成电子邮件或论文等。
风险：可能被用于生成垃圾邮件。
使用原则：负责任地使用，确保有益于人们。
技术准备：配置环境以使用OpenAI API。

from zhipuai import ZhipuAI
# 导入第三方库

key = "sk-..."
# 设置 API_KEY, 请替换成您自己的 API_KEY
client = ZhipuAI(api_key = key)


def get_completion(prompt, model="glm-3-turbo", temperature=0):
    messages = [{"role": "user", "content": prompt}]
    response = clinet.chat.completions.create(
        model=model,
        messages=messages,
        temperature=temperature, # 模型输出的温度系数，控制输出的随机程度
    )
    return response.choices[0].message.content

二、定制客户邮件

根据客户评价和情感：使用LLM生成针对性的客户服务邮件。
情感分析：先前章节中已学习如何判断评论情感。
Prompt设计：设计Prompt以生成感谢信，根据情感正面或负面调整回复内容。
具体细节：确保回复中使用客户评价的具体细节。
专业语气：以简明、专业的语气撰写邮件。
签名：以“AI客户代理”名义签署邮件。

# 我们可以在推理那章学习到如何对一个评论判断其情感倾向
sentiment = "negative"

# 一个产品的评价
review = f"""
他们在11月份的季节性销售期间以约49美元的价格出售17件套装，折扣约为一半。\
但由于某些原因（可能是价格欺诈），到了12月第二周，同样的套装价格全都涨到了70美元到89美元不等。\
11件套装的价格也上涨了大约10美元左右。\
虽然外观看起来还可以，但基座上锁定刀片的部分看起来不如几年前的早期版本那么好。\
不过我打算非常温柔地使用它，例如，\
我会先在搅拌机中将像豆子、冰、米饭等硬物研磨，然后再制成所需的份量，\
切换到打蛋器制作更细的面粉，或者在制作冰沙时先使用交叉切割刀片，然后使用平面刀片制作更细/不粘的效果。\
制作冰沙时，特别提示：\
将水果和蔬菜切碎并冷冻（如果使用菠菜，则轻轻煮软菠菜，然后冷冻直到使用；\
如果制作果酱，则使用小到中号的食品处理器），这样可以避免在制作冰沙时添加太多冰块。\
大约一年后，电机发出奇怪的噪音，我打电话给客服，但保修已经过期了，所以我不得不再买一个。\
总的来说，这些产品的总体质量已经下降，因此它们依靠品牌认可和消费者忠诚度来维持销售。\
货物在两天内到达。
"""

prompt = f"""
你是一位客户服务的AI助手。
你的任务是给一位重要客户发送邮件回复。
根据客户通过“```”分隔的评价，生成回复以感谢客户的评价。提醒模型使用评价中的具体细节
用简明而专业的语气写信。
作为“AI客户代理”签署电子邮件。
客户评论：
```{review}```
评论情感：{sentiment}
"""
response = get_completion(prompt)
print(response)

三、引入温度系数

温度系数：控制模型响应的多样性和随机性。
温度影响：温度为零时，响应最可预测；温度较高时，响应更随机、多样。
应用场景：
- 可预测响应：设置温度为零，适用于需要一致性的应用。
- 创意输出：使用更高的温度，适用于需要创意和多样性的场景。
实验建议：尝试不同的温度值，观察输出如何变化。
温度效果：高温度下模型输出更随机，可能更有创造力但也可能更分散。

prompt = f"""
你是一名客户服务的AI助手。
你的任务是给一位重要的客户发送邮件回复。
根据通过“```”分隔的客户电子邮件生成回复，以感谢客户的评价。
如果情感是积极的或中性的，感谢他们的评价。
如果情感是消极的，道歉并建议他们联系客户服务。
请确保使用评论中的具体细节。
以简明和专业的语气写信。
以“AI客户代理”的名义签署电子邮件。
客户评价：```{review}```
评论情感：{sentiment}
"""
response = get_completion(prompt, temperature=0.7)
print(response)