建设部网站阮建昌公示,动漫制作专业属于什么类型专业,建网站需要哪些语言,免费营销软件网站建设你用什么擦干我的眼泪 莎士比亚全集 工业纸巾 还是你同样泛红的眼睛 —— 4.19 一、⭐【核心函数】定义大模型调用函数 call_large_model
prompt#xff1a;用户传入的提示词#xff08;如 “请分析这篇作文的主题”#xff09;#xff0c;指导模型执行任务
client… 你用什么擦干我的眼泪 莎士比亚全集 工业纸巾 还是你同样泛红的眼睛 —— 4.19 一、⭐【核心函数】定义大模型调用函数 call_large_model
prompt用户传入的提示词如 “请分析这篇作文的主题”指导模型执行任务
clientZhipuAI客户端实例用于发起 API 请求api_key需从智谱 AI 官网申请
model指定使用智谱 AI 的glm-3-turbo模型支持对话式交互。
messages输入格式为列表每个元素是包含role角色此处为user和content内容即prompt的字典符合智谱 AI 对话模型的输入规范。
response模型返回的原始响应。
response_text提取第一个生成结果的文本内容。
ZhipuAI()初始化智谱 AIZhipuAI的客户端实例用于与智谱 AI 的大模型服务进行交互支持调用模型 API 发送请求并获取响应。
参数名类型是否必填默认值描述api_key字符串是无智谱 AI 的 API 密钥用于身份验证需从智谱 AI 官网申请示例中为占位符
chat.completions.create()调用智谱 AI 的大模型如glm-3-turbo生成响应支持对话式交互传入对话历史和提示词获取模型的文本生成结果。
参数名类型是否必填默认值描述model字符串是无指定使用的模型名称如glm-3-turbomessages列表 [字典]是无对话历史列表每个元素包含role角色和content内容temperature浮点型否0.7控制生成文本的随机性值越高越随机范围0-1max_tokens整数否1000生成文本的最大 tokens 数控制输出长度top_p浮点型否1.0核采样参数与temperature共同控制随机性
def call_large_model(prompt):client ZhipuAI(api_key填写你自己的智谱API)response client.chat.completions.create(modelglm-3-turbo,messages[{role: user, content: prompt}])response_text response.choices[0].message.contentreturn response_text 二、主题分析函数 language_optimization_agent
article_text待分析的文章内容从文件读取或用户输入
prompt_analysis提示词拼接结果格式为 “请分析这篇作文的主题[文章内容]”明确告知模型任务是提取文章主题。
language_optimization_suggestions模型生成的主题描述如 “文章主题是人与宠物的温情陪伴”
call_large_model()大模型调用
def language_optimization_agent(article_text):prompt_analysis 请分析这篇作文的主题 article_textlanguage_optimization_suggestions call_large_model(prompt_analysis)return language_optimization_suggestions三、定义内容丰富函数 content_enrichment_agent
article_text待分析的文章内容从文件读取或用户输入
theme_analysis_result通过language_optimization_agent得到的主题分析结果如 “宠物陪伴与成长”。
prompt_content提示词结构为 “根据主题 [主题结果]提出可扩展的内容点 [文章内容]”引导模型结合主题给出具体扩展方向如 “增加宠物互动细节”。
content_enrichment_suggestions模型生成的内容丰富建议如 “可补充宠物生病时的照顾细节”
call_large_model()大模型调用
def content_enrichment_agent(article_text, theme_analysis_result):# 根据文章分析结果构建提示词prompt_content f请阅读下面这篇文章根据主题{theme_analysis_result},为该文章提出可以进一步扩展和丰富的内容点 article_textcontent_enrichment_suggestions call_large_model(prompt_content)return content_enrichment_suggestions四、定义可读性优化函数
article_text待分析的文章内容从文件读取或用户输入
theme_analysis_result通过language_optimization_agent得到的主题分析结果如 “宠物陪伴与成长”。
prompt_readablity提示词结构为 “根据主题 [主题结果]总结主旨为 30 字以内通俗语言 [文章内容]”明确任务是简洁概括。
readability_suggestions模型生成的主旨总结如 “讲述与金毛宠物大福的相遇、成长及相互陪伴的温暖故事”。
call_large_model()大模型调用
def readability_agent(article_text, theme_analysis_result):# 根据文章分析结果构建提示词prompt_readability f请阅读下面这篇文章根据主题{theme_analysis_result},将文章主旨大意总结成三十字以内通俗易懂的话 article_textreadability_suggestions call_large_model(prompt_readability)return readability_suggestions 五、定义仿写文章函数 imitate_article_agent
article_text待分析的文章内容从文件读取或用户输入
theme_analysis_result通过language_optimization_agent得到的主题分析结果如 “宠物陪伴与成长”。
prompt_imitate提示词结构为 “根据主题 [主题结果]仿写同主题文章 [文章内容]”引导模型模仿原文风格和主题生成新内容。
imitate_article_suggestions 模型生成的仿写文章如以其他宠物为对象重复 “相遇 - 成长 - 陪伴” 的叙事结构。
call_large_model()大模型调用
def imitate_article_agent(article_text, theme_analysis_result):# 根据文章分析结果构建提示词prompt_imitate f请阅读下面这篇文章根据主题{theme_analysis_result},请参照同样主题仿写一篇相似的文章 article_textimitate_article_suggestions call_large_model(prompt_imitate)return imitate_article_suggestions 六、读取文件并调用函数
open()打开一个文件并返回文件对象用于读取、写入或操作文件内容支持处理不同编码和模式的文件。
参数名类型是否必填默认值描述file字符串是无文件路径绝对路径或相对路径如F:/.../《我的宠物》.txtmode字符串否r打开模式如r只读w写入a追加等encoding字符串否None文件编码如utf-8处理中文gbk等errors字符串否None编码错误处理方式如ignore忽略错误
read()从已打开的文件对象中读取内容返回字符串文本文件或字节数据二进制文件支持按指定长度读取。
参数名类型是否必填默认值描述size整数否-1读取的字节数或字符数 - -1默认读取全部内容 - 正数读取指定长度
article 存储从文本文件中读取的文章内容作为后续函数如主题分析、内容丰富的输入数据类型为字符串。
with open(F:/人工智能NLP/NLP/HomeWork/demo14.3_Prompt优化Agent优化文章/《我的宠物》.txt, r, encodingutf-8) as file:article file.read()
print(文章主题是,language_optimization_agent(article))
print(————————————————————————————————————————————————————————————————————————————————————)
print(文章内容点是,content_enrichment_agent(article, language_optimization_agent(article)))
print(————————————————————————————————————————————————————————————————————————————————————)
print(文章主旨大意是,readability_agent(article, language_optimization_agent(article)))
print(————————————————————————————————————————————————————————————————————————————————————)
print(仿写文章是,imitate_article_agent(article, language_optimization_agent(article))) 七、完整代码
代码运行流程
┌─────────────────────────────┐
│ 主程序开始 │
└──────────┬──────────────────┘│├─1. 读取文件│ ├─文件路径: F:/人工智能NLP/.../《我的宠物》.txt│ └─存储内容到变量 article│├─2. 执行语言优化分析│ ├─调用 language_optimization_agent(article)│ │ ├─构造Prompt: 分析主题│ │ └─调用大模型 → 返回主题结果│ └─打印结果: 文章主题是{主题}│├─3. 执行内容扩展分析│ ├─调用 content_enrichment_agent(article, 主题)│ │ ├─构造Prompt: 基于主题扩展内容│ │ └─调用大模型 → 返回扩展建议│ └─打印结果: 文章内容点是{建议}│├─4. 执行可读性分析│ ├─调用 readability_agent(article, 主题)│ │ ├─构造Prompt: 总结主旨30字内│ │ └─调用大模型 → 返回摘要│ └─打印结果: 文章主旨大意是{摘要}│└─5. 执行仿写分析├─调用 imitate_article_agent(article, 主题)│ ├─构造Prompt: 基于主题仿写│ └─调用大模型 → 返回仿写文章└─打印结果: 仿写文章是{仿写内容}
from zhipuai import ZhipuAIdef call_large_model(prompt):client ZhipuAI(api_key填写你自己的智谱API)response client.chat.completions.create(modelglm-3-turbo,messages[{role: user, content: prompt}])response_text response.choices[0].message.contentreturn response_textdef language_optimization_agent(article_text):prompt_analysis 请分析这篇作文的主题 article_textlanguage_optimization_suggestions call_large_model(prompt_analysis)return language_optimization_suggestionsdef content_enrichment_agent(article_text, theme_analysis_result):# 根据文章分析结果构建提示词prompt_content f请阅读下面这篇文章根据主题{theme_analysis_result},为该文章提出可以进一步扩展和丰富的内容点 article_textcontent_enrichment_suggestions call_large_model(prompt_content)return content_enrichment_suggestionsdef readability_agent(article_text, theme_analysis_result):# 根据文章分析结果构建提示词prompt_readability f请阅读下面这篇文章根据主题{theme_analysis_result},将文章主旨大意总结成三十字以内通俗易懂的话 article_textreadability_suggestions call_large_model(prompt_readability)return readability_suggestionsdef imitate_article_agent(article_text, theme_analysis_result):# 根据文章分析结果构建提示词prompt_imitate f请阅读下面这篇文章根据主题{theme_analysis_result},请参照同样主题仿写一篇相似的文章 article_textimitate_article_suggestions call_large_model(prompt_imitate)return imitate_article_suggestionswith open(F:/人工智能NLP/NLP/HomeWork/demo14.3_Prompt优化Agent优化文章/《我的宠物》.txt, r, encodingutf-8) as file:article file.read()
print(文章主题是,language_optimization_agent(article))
print(————————————————————————————————————————————————————————————————————————————————————)
print(文章内容点是,content_enrichment_agent(article, language_optimization_agent(article)))
print(————————————————————————————————————————————————————————————————————————————————————)
print(文章主旨大意是,readability_agent(article, language_optimization_agent(article)))
print(————————————————————————————————————————————————————————————————————————————————————)
print(仿写文章是,imitate_article_agent(article, language_optimization_agent(article)))
