AI 生成专业文章：从提示词工程到可运行代码

{
  "title": "文章标题",
  "abstract": "摘要",
  "sections": [
    {"heading": "一级标题", "points": ["要点1", "要点2"]}
  ]
}

pip install -U openai

import os
import json
import datetime
from openai import OpenAI

# ========== 配置 ==========
API_KEY = os.getenv("OPENAI_API_KEY")
BASE_URL = os.getenv("OPENAI_BASE_URL", "https://api.openai.com/v1")
MODEL = os.getenv("OPENAI_MODEL", "gpt-4o-mini")

if not API_KEY:
    raise SystemExit(
        "请先设置环境变量 OPENAI_API_KEY。\n"
        "如使用 Ollama，可设为：export OPENAI_API_KEY=ollama"
    )

client = OpenAI(api_key=API_KEY, base_url=BASE_URL)


def chat(messages, temperature=0.6, max_tokens=4000):
    """统一模型调用入口。"""
    resp = client.chat.completions.create(
        model=MODEL,
        messages=messages,
        temperature=temperature,
        max_tokens=max_tokens,
    )
    return resp.choices[0].message.content.strip()


def extract_json(text):
    """从模型输出中提取 JSON，增强鲁棒性。"""
    start = text.find("{")
    end = text.rfind("}")
    if start == -1 or end == -1:
        raise ValueError(f"未找到 JSON：{text[:300]}")
    return json.loads(text[start:end + 1])


def build_outline(topic, audience, length, requirements):
    """第一阶段：生成结构化提纲。"""
    system = (
        "你是一位资深行业研究员和编辑，擅长将复杂主题拆解为逻辑严密的专业文章提纲。"
        "你只输出 JSON，不输出解释。"
    )
    user = f"""请为以下文章生成提纲。
主题：{topic}
目标读者：{audience}
预计字数：{length}
额外要求：{requirements}

返回 JSON，格式如下：
{{
  "title": "文章标题",
  "abstract": "200字以内摘要",
  "sections": [
    {{"heading": "一级标题", "points": ["要点1", "要点2", "要点3"]}}
  ]
}}
"""
    raw = chat(
        [
            {"role": "system", "content": system},
            {"role": "user", "content": user},
        ],
        temperature=0.3,
    )
    return extract_json(raw)


def write_section(article_title, heading, points, audience, tone):
    """第二阶段：逐节扩写。"""
    system = (
        "你是一位专业作者，写作严谨、结构清晰、避免空话。"
        "不得编造具体数据、文献或政策条款；无法确认时写“示例”或“需核实”。"
    )
    user = f"""请撰写文章《{article_title}》中的一节。
本节标题：{heading}
必须覆盖的要点：{points}
目标读者：{audience}
语气风格：{tone}

要求：
1. 使用 Markdown 格式；
2. 600-1000 字；
3. 至少包含一个可操作建议、流程或代码示例；
4. 不要重复文章标题；
5. 不要虚构参考文献。
"""
    return chat(
        [
            {"role": "system", "content": system},
            {"role": "user", "content": user},
        ],
        temperature=0.7,
    )


def polish_article(draft):
    """第三阶段：审校与润色。"""
    system = (
        "你是一位资深编辑，负责事实风险检查、逻辑优化与语言润色。"
        "保留 Markdown 结构。"
    )
    user = f"""请审校以下文章：
1. 删除重复和空泛表述；
2. 标出需要人工核实的事实性陈述；
3. 统一术语和语气；
4. 保持原意，不添加虚构引用。

文章：
{draft}
"""
    return chat(
        [
            {"role": "system", "content": system},
            {"role": "user", "content": user},
        ],
        temperature=0.2,
    )


def generate_article(
    topic,
    audience="专业人士",
    length=2000,
    tone="严谨、客观、可操作",
    requirements="无",
):
    """端到端生成文章。"""
    outline = build_outline(topic, audience, length, requirements)

    parts = [
        f"# {outline['title']}\n",
        f"> 摘要：{outline['abstract']}\n",
    ]

    for sec in outline["sections"]:
        heading = sec["heading"]
        points = "；".join(sec.get("points", []))
        parts.append(f"## {heading}\n")
        parts.append(
            write_section(
                article_title=outline["title"],
                heading=heading,
                points=points,
                audience=audience,
                tone=tone,
            )
        )

    draft = "\n\n".join(parts)
    final = polish_article(draft)
    return final


if __name__ == "__main__":
    article = generate_article(
        topic="企业如何构建大模型驱动的知识管理系统",
        audience="企业 CTO、IT 负责人与知识管理从业者",
        length=2000,
        requirements="包含架构、实施步骤、代码片段、风险与合规",
    )

    filename = f"article_{datetime.datetime.now():%Y%m%d_%H%M%S}.md"
    with open(filename, "w", encoding="utf-8") as f:
        f.write(article)

    print(article)
    print(f"\n已保存：{filename}")

export OPENAI_API_KEY="你的密钥"
export OPENAI_BASE_URL="https://api.openai.com/v1"
export OPENAI_MODEL="gpt-4o-mini"
python article_generator.py

export OPENAI_API_KEY=ollama
export OPENAI_BASE_URL=http://localhost:11434/v1
export OPENAI_MODEL=qwen2.5:7b
python article_generator.py