AI 创作日记 | 提示工程进阶，让DeepSeek输出结构化数据语法的探索

# 让 DeepSeek 输出 JSON 格式的商品信息
prompt = """
请提取以下文本中的商品信息，并以 JSON 格式输出：
“这款苹果手机，售价 5999 元，内存 128GB，颜色为黑色。”

{
"name": "苹果手机",
"price": 5999,
"memory": "128GB",
"color": "黑色"
}
"""

# 调用 DeepSeek 模型
output = deepseek_api(prompt)

# 解析输出结果
try:
    result = json.loads(output)
    print(result)
except json.JSONDecodeError:
    print("输出结果不是有效的 JSON 格式。")

# 让 DeepSeek 输出 CSV 格式的订单信息
prompt = """
请提取以下文本中的订单信息，并以 CSV 格式输出，表头为“订单编号,客户姓名,商品名称,数量,价格”：
“订单编号：001，客户姓名：张三，购买了 2 件 T 恤，每件价格 50 元。”

订单编号,客户姓名,商品名称,数量,价格
001,张三,T 恤,2,50
"""

# 调用 DeepSeek 模型
output = deepseek_api(prompt)

# 解析输出结果
lines = output.strip().split('\n')
header = lines[0].split(',')
data = [line.split(',') for line in lines[1:]]
print("表头：", header)
print("数据：", data)

# 让 DeepSeek 输出 XML 格式的客户反馈信息
prompt = """
请提取以下文本中的客户反馈信息，并以 XML 格式输出：
“客户反馈这款产品的质量很好，但是价格有点高。”

<feedback>
    <product>产品</product>
    <comment>质量很好，但是价格有点高</comment>
</feedback>
"""

# 调用 DeepSeek 模型
output = deepseek_api(prompt)

# 解析输出结果
try:
    root = ET.fromstring(output)
    product = root.find('product').text
    comment = root.find('comment').text
    print("产品：", product)
    print("反馈：", comment)
except ET.ParseError:
    print("输出结果不是有效的 XML 格式。")

请提取以下文本中的商品信息，并以 JSON 格式输出：
“这款智能手表，品牌是华为，型号为 GT5，售价 2088 元，支持情绪健康和睡眠监测功能。”
{
  "name": "智能手表",
  "brand": "华为",
  "model": "GT5",
  "price": 2088,
  "features": ["情绪健康", "睡眠监测"]
}

{
  "name": "智能手表",
  "brand": "华为",
  "model": "GT5",
  "price": 2088,
  "features": ["情绪健康", "睡眠监测"]
}

请提取以下文本中的订单信息，并以 CSV 格式输出，表头为“订单编号,客户姓名,商品名称,数量,单价,收货地址”：
“订单编号：002，客户姓名：李四，购买了 3 双运动鞋，每双价格 300 元，收货地址为北京市朝阳区。”

订单编号,客户姓名,商品名称,数量,单价,收货地址
002,李四,运动鞋,3,300,北京市朝阳区

订单编号,客户姓名,商品名称,数量,单价,收货地址
002,李四,运动鞋,3,300,北京市朝阳区

请提取以下文本中的客户反馈信息，并以 XML 格式输出：
“我买的这件衣服颜色很正，但是尺码有点小，希望能换大一号。”

<feedback>
    <product>衣服</product>
    <positive>颜色很正</positive>
    <negative>尺码有点小</negative>
    <request>换大一号</request>
</feedback>

<feedback>
    <product>衣服</product>
    <positive>颜色很正</positive>
    <negative>尺码有点小</negative>
    <request>换大一号</request>
</feedback>

# 多轮对话优化
prompt = """
请提取以下文本中的商品信息，并以 JSON 格式输出：
“这款平板电脑，价格大概 2000 元左右。”

{
"name": "平板电脑",
"price": 2000
}
"""

# 第一轮对话
output = deepseek_api(prompt)

try:
    result = json.loads(output)
    if "price" not in result:
        # 追问
        follow_up_prompt = f"你输出的结果中缺少价格信息，请重新提取并以 JSON 格式输出。原文本：“这款平板电脑，价格大概 2000 元左右。”"
        output = deepseek_api(follow_up_prompt)
        result = json.loads(output)
    print(result)
except json.JSONDecodeError:
    print("输出结果不是有效的 JSON 格式。")

# 上下文信息利用
context = "这是一款华为品牌的电子产品。"
text = "这款产品售价 3999 元。"
prompt = f"""
根据上下文信息，提取以下文本中的商品信息，并以 JSON 格式输出：
上下文：{context}
文本：{text}

{
"name": "电子产品",
"brand": "华为",
"price": 3999
}
"""

# 调用 DeepSeek 模型
output = deepseek_api(prompt)

# 解析输出结果
try:
    result = json.loads(output)
    print(result)
except json.JSONDecodeError:
    print("输出结果不是有效的 JSON 格式。")

# 错误处理与反馈
prompt = """
请提取以下文本中的商品信息，并以 JSON 格式输出：
“这款相机，价格 4999 元。”

{
"name": "相机",
"price": 4999
}
"""

# 调用 DeepSeek 模型
output = deepseek_api(prompt)

try:
    result = json.loads(output)
    if "name" not in result or "price" not in result:
        # 反馈错误信息
        feedback = f"你输出的结果缺少必要信息，请重新提取并以 JSON 格式输出。原文本：“这款相机，价格 4999 元。”"
        prompt = feedback
        output = deepseek_api(prompt)
        result = json.loads(output)
    print(result)
except json.JSONDecodeError:
    print("输出结果不是有效的 JSON 格式。")