这是大模型编程系列的第二篇，也是我学习 某云大模型工程师ACA认证免费课程 的笔记，这课真不错，太香了必须强烈推荐👍🏻。对课程有兴趣请点击底部的查看原文。
上一篇里面我们实现了最基础的接口调用，这节来点实际业务场景的。使用 借助通义千问 API 自动完成一批文本处理任务 业务场景。
老板说，这里是我们大米SU8的销售评价表，你分析下用户的反馈，你从这几个原因总结下：价格过高、售后支持不足、产品使用体验不佳、其他。看哪个占比高，我们重点改进下。
如果是以前不得苦逼苦逼，一条一条看啊，咱们也不懂算法，也不知道什么 NPL 情感分析之类的。现在就不一样了，你可以把这个问题直接丢给大模型，让他来判断。
你需要对用户的反馈进行原因分类。
分类包括：价格过高、售后支持不足、产品使用体验不佳、其他。
用户的问题是：产品使用起来非常不方便，经常出问题。
回答格式为：分类结果：xx。仅返回分类结果，不需要任何额外解释或描述。
但是一个个从表里复制，然后粘贴到大模型对话框，然后得到结果，是不是太low了点
这里我们使用通义大模型来实现，OpenAI Chat接口兼容
- 首先获取 api-key
- 将API Key配置到环境变量 这里如果仅自己测试不考虑安全问题，可以忽略
from openai import OpenAI
# 设置API密钥
client = OpenAI(
api_key="your-openai-api-key", # 如果您没有配置环境变量，请用百炼API Key将本行替换为：api_key="sk-xxx"
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", # 填写DashScope SDK的base_url
)
# 用户反馈数组
user_feedbacks = [
"这个手机太贵了，对于我这样的普通消费者不太友好。",
"客服总是找不到，售后支持根本不给力。",
"使用起来卡顿，体验很不好。",
"包装有点损坏，不过可以接受。"
]
def classify_feedback(feedback):
try:
# 调用 OpenAI API 进行文本分类
response = client.chat.completions.create(
model="qwen-plus",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": f"分类以下用户问题的原因，只需提供分类结果：价格过高、售后支持不足、产品使用体验不佳、其他。用户的问题是：{feedback}\n回答格式为：分类结果："}
],
temperature=0
)
# 提取分类结果
result = response.choices[0].message.content.strip()
return result
except Exception as e:
return f"Error: {str(e)}"
# 对每个用户问题进行分类
for feedback in user_feedbacks:
classification = classify_feedback(feedback)
print(f"用户反馈: {feedback}\n{classification}\n")是不是很牛，如果是纯人工，得费时费力，如果是算法开发，成本也高。大模型真是太香了。