你用什么擦干我的眼淚

莎士比亞全集

工業紙巾

還是你同樣泛紅的眼睛

????????????????????????????????—— 4.19

一、?【核心函數】定義大模型調用函數 call_large_model

prompt：用戶傳入的提示詞（如 “請分析這篇作文的主題”），指導模型執行任務

client：ZhipuAI客戶端實例，用于發起 API 請求，api_key需從智譜 AI 官網申請

model：指定使用智譜 AI 的glm-3-turbo模型（支持對話式交互）。

messages：輸入格式為列表，每個元素是包含role（角色，此處為user）和content（內容，即prompt）的字典，符合智譜 AI 對話模型的輸入規范。

response：模型返回的原始響應。

response_text：提取第一個生成結果的文本內容。

ZhipuAI()：初始化智譜 AI（ZhipuAI）的客戶端實例，用于與智譜 AI 的大模型服務進行交互，支持調用模型 API 發送請求并獲取響應。

參數名	類型	是否必填	默認值	描述
api_key	字符串	是	無	智譜 AI 的 API 密鑰，用于身份驗證（需從智譜 AI 官網申請，示例中為占位符）

chat.completions.create()：調用智譜 AI 的大模型（如glm-3-turbo）生成響應，支持對話式交互，傳入對話歷史和提示詞，獲取模型的文本生成結果。

參數名	類型	是否必填	默認值	描述
model	字符串	是	無	指定使用的模型名稱（如glm-3-turbo）
messages	列表 [字典]	是	無	對話歷史列表，每個元素包含role（角色）和content（內容）
temperature	浮點型	否	0.7	控制生成文本的隨機性（值越高越隨機，范圍：0-1）
max_tokens	整數	否	1000	生成文本的最大 tokens 數（控制輸出長度）
top_p	浮點型	否	1.0	核采樣參數，與temperature共同控制隨機性

def call_large_model(prompt):client = ZhipuAI(api_key="填寫你自己的智譜API")response = client.chat.completions.create(model="glm-3-turbo",messages=[{"role": "user", "content": prompt}])response_text = response.choices[0].message.contentreturn response_text

---

二、主題分析函數 language_optimization_agent

article_text：待分析的文章內容（從文件讀取或用戶輸入）

prompt_analysis：提示詞拼接結果，格式為 “請分析這篇作文的主題：[文章內容]”，明確告知模型任務是提取文章主題。

language_optimization_suggestions：模型生成的主題描述（如 “文章主題是：人與寵物的溫情陪伴”）

call_large_model()：大模型調用

def language_optimization_agent(article_text):prompt_analysis = "請分析這篇作文的主題：" + article_textlanguage_optimization_suggestions = call_large_model(prompt_analysis)return language_optimization_suggestions

---

三、定義內容豐富函數 content_enrichment_agent

article_text：待分析的文章內容（從文件讀取或用戶輸入）

theme_analysis_result：通過language_optimization_agent得到的主題分析結果（如 “寵物陪伴與成長”）。

prompt_content：提示詞結構為 “根據主題 [主題結果]，提出可擴展的內容點 [文章內容]”，引導模型結合主題給出具體擴展方向（如 “增加寵物互動細節”）。

content_enrichment_suggestions：模型生成的內容豐富建議（如 “可補充寵物生病時的照顧細節”）

call_large_model()：大模型調用

def content_enrichment_agent(article_text, theme_analysis_result):# 根據文章分析結果構建提示詞prompt_content = f"請閱讀下面這篇文章，根據主題{theme_analysis_result},為該文章提出可以進一步擴展和豐富的內容點" + article_textcontent_enrichment_suggestions = call_large_model(prompt_content)return content_enrichment_suggestions

---

四、定義可讀性優化函數

article_text：待分析的文章內容（從文件讀取或用戶輸入）

theme_analysis_result：通過language_optimization_agent得到的主題分析結果（如 “寵物陪伴與成長”）。

prompt_readablity：提示詞結構為 “根據主題 [主題結果]，總結主旨為 30 字以內通俗語言 [文章內容]”，明確任務是簡潔概括。

readability_suggestions：模型生成的主旨總結（如 “講述與金毛寵物大福的相遇、成長及相互陪伴的溫暖故事”）。

call_large_model()：大模型調用

def readability_agent(article_text, theme_analysis_result):# 根據文章分析結果構建提示詞prompt_readability = f"請閱讀下面這篇文章，根據主題{theme_analysis_result},將文章主旨大意總結成三十字以內通俗易懂的話：" + article_textreadability_suggestions = call_large_model(prompt_readability)return readability_suggestions

---

五、定義仿寫文章函數?imitate_article_agent

article_text：待分析的文章內容（從文件讀取或用戶輸入）

theme_analysis_result：通過language_optimization_agent得到的主題分析結果（如 “寵物陪伴與成長”）。

prompt_imitate：提示詞結構為 “根據主題 [主題結果]，仿寫同主題文章 [文章內容]”，引導模型模仿原文風格和主題生成新內容。

imitate_article_suggestions：?模型生成的仿寫文章（如以其他寵物為對象，重復 “相遇 - 成長 - 陪伴” 的敘事結構）。

call_large_model()：大模型調用

def imitate_article_agent(article_text, theme_analysis_result):# 根據文章分析結果構建提示詞prompt_imitate = f"請閱讀下面這篇文章，根據主題{theme_analysis_result},請參照同樣主題仿寫一篇相似的文章：" + article_textimitate_article_suggestions = call_large_model(prompt_imitate)return imitate_article_suggestions

---

六、讀取文件并調用函數

open()：打開一個文件并返回文件對象，用于讀取、寫入或操作文件內容，支持處理不同編碼和模式的文件。

參數名	類型	是否必填	默認值	描述
file	字符串	是	無	文件路徑（絕對路徑或相對路徑，如"F:/.../《我的寵物》.txt"）
mode	字符串	否	"r"	打開模式（如"r"只讀，"w"寫入，"a"追加等）
encoding	字符串	否	None	文件編碼（如"utf-8"處理中文，"gbk"等）
errors	字符串	否	None	編碼錯誤處理方式（如"ignore"忽略錯誤）

read()：從已打開的文件對象中讀取內容，返回字符串（文本文件）或字節數據（二進制文件），支持按指定長度讀取。

參數名	類型	是否必填	默認值	描述
size	整數	否	-1	讀取的字節數或字符數： -?-1（默認）：讀取全部內容 - 正數：讀取指定長度

article：?存儲從文本文件中讀取的文章內容，作為后續函數（如主題分析、內容豐富）的輸入數據，類型為字符串。

with open("F:/人工智能NLP/NLP/HomeWork/demo14.3_Prompt優化+Agent優化文章/《我的寵物》.txt", "r", encoding="utf-8") as file:article = file.read()
print("文章主題是：",language_optimization_agent(article))
print("————————————————————————————————————————————————————————————————————————————————————")
print("文章內容點是：",content_enrichment_agent(article, language_optimization_agent(article)))
print("————————————————————————————————————————————————————————————————————————————————————")
print("文章主旨大意是：",readability_agent(article, language_optimization_agent(article)))
print("————————————————————————————————————————————————————————————————————————————————————")
print("仿寫文章是：",imitate_article_agent(article, language_optimization_agent(article)))

---

七、完整代碼

代碼運行流程

┌─────────────────────────────┐
│      主程序開始              │
└──────────┬──────────────────┘│├─1. 讀取文件│    ├─文件路徑: F:/人工智能NLP/.../《我的寵物》.txt│    └─存儲內容到變量 `article`│├─2. 執行語言優化分析│    ├─調用 `language_optimization_agent(article)`│    │    ├─構造Prompt: 分析主題│    │    └─調用大模型 → 返回主題結果│    └─打印結果: "文章主題是：{主題}"│├─3. 執行內容擴展分析│    ├─調用 `content_enrichment_agent(article, 主題)`│    │    ├─構造Prompt: 基于主題擴展內容│    │    └─調用大模型 → 返回擴展建議│    └─打印結果: "文章內容點是：{建議}"│├─4. 執行可讀性分析│    ├─調用 `readability_agent(article, 主題)`│    │    ├─構造Prompt: 總結主旨（30字內）│    │    └─調用大模型 → 返回摘要│    └─打印結果: "文章主旨大意是：{摘要}"│└─5. 執行仿寫分析├─調用 `imitate_article_agent(article, 主題)`│    ├─構造Prompt: 基于主題仿寫│    └─調用大模型 → 返回仿寫文章└─打印結果: "仿寫文章是：{仿寫內容}"

from zhipuai import ZhipuAIdef call_large_model(prompt):client = ZhipuAI(api_key="填寫你自己的智譜API")response = client.chat.completions.create(model="glm-3-turbo",messages=[{"role": "user", "content": prompt}])response_text = response.choices[0].message.contentreturn response_textdef language_optimization_agent(article_text):prompt_analysis = "請分析這篇作文的主題：" + article_textlanguage_optimization_suggestions = call_large_model(prompt_analysis)return language_optimization_suggestionsdef content_enrichment_agent(article_text, theme_analysis_result):# 根據文章分析結果構建提示詞prompt_content = f"請閱讀下面這篇文章，根據主題{theme_analysis_result},為該文章提出可以進一步擴展和豐富的內容點" + article_textcontent_enrichment_suggestions = call_large_model(prompt_content)return content_enrichment_suggestionsdef readability_agent(article_text, theme_analysis_result):# 根據文章分析結果構建提示詞prompt_readability = f"請閱讀下面這篇文章，根據主題{theme_analysis_result},將文章主旨大意總結成三十字以內通俗易懂的話：" + article_textreadability_suggestions = call_large_model(prompt_readability)return readability_suggestionsdef imitate_article_agent(article_text, theme_analysis_result):# 根據文章分析結果構建提示詞prompt_imitate = f"請閱讀下面這篇文章，根據主題{theme_analysis_result},請參照同樣主題仿寫一篇相似的文章：" + article_textimitate_article_suggestions = call_large_model(prompt_imitate)return imitate_article_suggestionswith open("F:/人工智能NLP/NLP/HomeWork/demo14.3_Prompt優化+Agent優化文章/《我的寵物》.txt", "r", encoding="utf-8") as file:article = file.read()
print("文章主題是：",language_optimization_agent(article))
print("————————————————————————————————————————————————————————————————————————————————————")
print("文章內容點是：",content_enrichment_agent(article, language_optimization_agent(article)))
print("————————————————————————————————————————————————————————————————————————————————————")
print("文章主旨大意是：",readability_agent(article, language_optimization_agent(article)))
print("————————————————————————————————————————————————————————————————————————————————————")
print("仿寫文章是：",imitate_article_agent(article, language_optimization_agent(article)))