需求：
有一份数据需要通过前端在线展示给用户，不需要复杂的样式交互，后端服务是基于Python3实现的API接口，对前端技术不是很了解，需要快速实现该需求。类似样式即可：
思路：
如果页面不复杂，想要快速实现页面的渲染，可以通过html文件来实现，具体的html文件内容可以通过写prompt调大模型生成，然后通过一个在线API访问即可，接口开发可以使用Python3完成，比如Flask。
实践：
直接使用ChatGPT或者文心一言即可，prompt示例如下：
注：大模型生成结果可能存在不确定性，可以简单结合实际情况调整prompt。
你是一个资深的python3开发工程师，当前有一个API返回的结果格式示例如下： {"data": {"items": [{"abilityName": "OPENTESTING_ROBOT","abilityInfo": "opentesting企业机器人","creator": "zhangsan"},{ "abilityName": "AI_PERF","abilityInfo": "AI性能测试","creator": "lisi"}]}
}，现在你帮我使用一个html静态网页表格渲染，各个列分别取items中的值，按照第一列默认排序即可，自动换行，给出完整的前端代码，整体样式尽可能美观一点，可以带一些不同的颜色，最后通过python3 flask开发接口传递数据，以及访问html文件，给出完整的代码。大模型回答结果：
以ChaGpt 3.5为例，完整生成的内容如下，也可以直接参考分享链接。
以下是一个简单的Python Flask应用，它提供一个API来获取给定格式的数据，并通过HTML表格渲染数据。
首先，确保你已经安装了Flask和Jinja2。你可以使用以下命令安装它们：
pip install flask jinja2然后，创建一个名为 app.py 的Python文件，并将以下代码复制粘贴进去：
from flask import Flask, render_templateapp = Flask(__name__)# 模拟API返回的数据
data = {"data": {"items": [{"abilityName": "OPENTESTING_ROBOT","abilityInfo": "opentesting企业机器人","creator": "zhangsan"},{"abilityName": "AI_PERF","abilityInfo": "AI性能测试","creator": "lisi"}]}
}@app.route('/')
def index():items = data["data"]["items"]return render_template('index.html', items=items)if __name__ == '__main__':app.run(debug=True)
接下来，在同一目录下创建一个名为 templates 的文件夹，并在其中创建一个名为 index.html 的HTML文件。将以下代码复制粘贴到 index.html 文件中：
<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><title>API数据展示</title><style>table {width: 100%;border-collapse: collapse;}th, td {padding: 8px;text-align: left;border-bottom: 1px solid #ddd;}th {background-color: #f2f2f2;}</style>
</head>
<body><h2>API数据展示</h2><table><thead><tr><th>能力名称</th><th>能力信息</th><th>创建者</th></tr></thead><tbody>{% for item in items %}<tr><td>{{ item['abilityName'] }}</td><td>{{ item['abilityInfo'] }}</td><td>{{ item['creator'] }}</td></tr>{% endfor %}</tbody></table>
</body>
</html>
在命令行中运行 app.py 文件：
python app.py然后在浏览器中访问 http://127.0.0.1:5000/，你将看到渲染了API返回的数据的HTML表格页面。效果如下，可以看到基本上可以直接使用：
优化：
上文的prompt只是简单的描述了我们的需求，基本都是白话，可能大模型不能理解所有内容，因而最后生成的答案可能距离我们理想的还有差距，其实也没有关系，我们可以继续提问，比如我们觉得演示不够美观，继续提问：
表格样式美观一点，表头第一行可以用一些其它的颜色，第一列使用默认方式排序。
具体不再赘述，基本可以通过优化prompt或者连续引导提问来满足常规的需求。
