【OpenAI官方课程】第六课：ChatGPT文本扩展Expending

欢迎来到ChatGPT 开发人员提示工程课程（ChatGPT Prompt Engineering for Developers）！本课程将教您如何通过OpenAI API有效地利用大型语言模型（LLM）来创建强大的应用程序。

本课程由OpenAI 的Isa Fulford和 DeepLearning.AI 的Andrew Ng主讲，深入了解 LLM 的运作方式，提供即时工程的最佳实践，并演示 LLM API 在各种应用程序中的使用。

在这节课中，您将生成针对每位客户评价量身定制的客户服务电子邮件。

设置

import openai
import osfrom dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())  # 读取本地 .env 文件openai.api_key = os.getenv('OPENAI_API_KEY')def get_completion(prompt, model="gpt-3.5-turbo", temperature=0):messages = [{"role": "user", "content": prompt}]response = openai.ChatCompletion.create(model=model,messages=messages,temperature=temperature,  # 这是模型输出的随机程度)return response.choices[0].message["content"]

定制自动回复客户电子邮件

# 根据“推断”课程中的情感和原始客户消息，定制电子邮件
sentiment = "negative"# 关于搅拌机的评价
review = f"""
因此，在十一月份，他们仍然在季节性销售中以约49美元的价格销售17件套装，大约半价，但由于某种原因（称之为价格欺诈），到了十二月的第二周，所有价格都涨到了大约70-89美元之间，与同一系统相同。而11件套装的价格也比先前的29美元的销售价格上涨了约10美元左右。所以它看起来还好，但如果你看底座，刀锋锁定的地方看起来不如几年前的先前版本那么好，但我打算对它非常温柔（例如，我先在搅拌机中破碎像豆子、冰块、大米等非常硬的东西，然后在搅拌机中将它们粉碎成我想要的份量，然后切换到搅拌刀以获得更细的面粉，制作冰沙时首先使用交叉切割刀，然后使用平刀如果我需要更细/不那么浓稠的。制作冰沙时的特别提示，将要使用的水果和蔬菜切成细片并冷冻（如果使用菠菜-轻轻将菠菜炖软，然后冷冻直到使用时-如果制作冰糕，使用小到中等大小的食品处理器），这样你就可以避免在制作冰沙时添加太多冰。大约一年后，发动机发出奇怪的声音。我打电话给客户服务，但保修已经过期，所以我不得不再买一个。顺便说一下：这些产品的整体质量已经下降了，所以他们在依赖品牌认知度和消费者忠诚度来维持销售。两天内收到货。
"""prompt = f"""
您是一位客户服务 AI 助手。
您的任务是回复一位重要客户的电子邮件。
鉴于以``````括起来的客户电子邮件，
生成一封感谢客户评价的回复。
如果情感是积极的或中性的，请感谢他们的评价。
如果情感是负面的，请道歉并建议他们可以联系客户服务。
确保使用来自评价的具体细节。
用简明和专业的语气写。
将电子邮件签名为“AI 客户代理”。
客户评价：```{review}```
评价情感：{sentiment}
"""
response = get_completion(prompt)
print(response)

尊敬的客户，

感谢您抽出时间留下对我们产品的评价。很抱歉听到您对产品的价格上涨和质量不符合期望的感受。对此给您带来的任何不便，我们深感抱歉。

我们想向您保证，我们认真对待所有的反馈，我们一定会把您的评论传达给我们的团队。如果您有任何进一步的疑虑，请随时联系我们的客户服务团队寻求帮助。

再次感谢您的评价并选择我们的产品。我们希望在未来有机会为您提供更好的服务。

顺祝商祺，
AI 客户代理

提醒模型使用客户电子邮件中的细节

prompt = f"""
您是一位客户服务 AI 助手。
您的任务是回复一位重要客户的电子邮件。
鉴于以``````括起来的客户电子邮件，
生成一封感谢客户评价的回复。
如果情感是积极的或中性的，请感谢他们的评价。
如果情感是负面的，请道歉并建议他们可以联系客户服务。
确保使用来自评价的具体细节。
用简明和专业的语气写。
将电子邮件签名为“AI 客户代理”。
客户评价：```{review}```
评价情感：{sentiment}
"""
response = get_completion(prompt, temperature=0.7)
print(response)