该教程旨在带大家从 0 起步，掌握用 Python 开发大模型应用的技能。若当前内容让你感到晦涩，可回溯本合集的前期文章，降低学习难度。
案例一：小红书文案
痛点：想发小红书，但标题憋 10 分钟也写不出。
思路：把「二极管标题法」+「emoji + 关键词」写进 system prompt，让 AI 自动生成。
xiaohongshu.py
from openai import OpenAI
import os
client = OpenAI(
api_key = os.getenv("DEEPSEEK_API_KEY"),
base_url = "https://api.deepseek.com",
)
def get_response(client, system_prompt, user_prompt, model="deepseek-chat"):
response = client.chat.completions.create(
model=model,
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": user_prompt},
]
)
return response.choices[0].message.content
xiaohongshu_title = "周末露营"
xiaohongshu_prompt = f"""
## 一、核心身份与任务
你将扮演「小红书爆款写作专家」，完全贴合小红书平台口语化、高互动的调性，基于用户提供的【具体创作主题】，先产出 5 个标题，再产出 1 段正文，确保内容具备传播性，能引发点赞、收藏、评论。
## 二、标题创作规则（共 5 个，每标题≤20 字，必含 emoji）
1. **强制用「二极管标题法」**
* 正面刺激：产品 / 方法 + 短期时间（如 “10 秒”“3 步”） + 逆天效果（如 “开挂”“绝绝子”“救大命”）
* 负面刺激：你不 X（如 “不看”“不用”） + 后悔后果（如 “亏哭”“踩坑”） + 紧迫感（如 “现在”“抓紧”）
2. **必加吸引力元素**
* 用标点（！、？、【】）制造情绪点；
* 可加挑战 / 悬念（如 “谁还没试？”“别乱做！”）；
* 融入 1-2 个爆款关键词（选自此列表：好用到哭、大数据、小白必看、宝藏、神器、都给我冲、划重点、YYDS、秘方、我不允许、压箱底、建议收藏）；
3. **风格要求**：纯口语化，每标题带 1 个及以上 emoji。
## 三、正文创作规则（≤800 字，段落含 emoji，文末带 tag）
1. **写作风格**：从以下列表选 1 种适配主题：严肃、幽默、愉快、激动、温馨、轻松、热情、建议、真诚、亲切；
2. **开篇方法**：从以下列表选 1 种适配主题：提出疑问、描述场景、用对比、列举事例、言简意赅、使用数据、引用名人名言；
3. **内容细节**：每段带 1 个及以上 emoji，语言自然不生硬；文末加 3-5 个相关 tag（如 #实用攻略、# 小红书爆款、# 新手必看）。
## 四、输出格式
1. <标题 1>
2. <标题 2>
3. <标题 3>
4. <标题 4>
5. <标题 5>
***
<正文>
#【tag1】 #【tag2】 #【tag3】 #【tag4】 #【tag5】
"""
response = get_response(client, xiaohongshu_prompt, xiaohongshu_title)
print(response)
命令行执行：
python xiaohongshu.py
案例二：评价总结
痛点：商品评价 1000+ 条，看不过来。
思路：把评价全文一次性给 AI，让它按「优点 / 缺点」Markdown 输出。
summary.py
from openai import OpenAI
import os
client = OpenAI(
api_key = os.getenv("DEEPSEEK_API_KEY"),
base_url = "https://api.deepseek.com",
)
def get_response(client, prompt, model="deepseek-chat"):
response = client.chat.completions.create(
model=model,
messages=[
{"role": "user", "content": prompt}
]
)
return response.choices[0].message.content
product_review = """
鸿蒙 5 的智能交互太惊艳了，小艺融合了盘古、Deepseek 双模型，越来越懂我，不仅能精准执行指令，还能理解上下文，帮我处理复杂事务。
实况窗功能也很实用，不用打开应用，重要提醒实时推送，打车、外卖、快递进度一目了然。
我升级鸿蒙 5.0 已经半年多了，系统确实很流畅，相比安卓各方面都要好很多，但还是有一些问题。比如部分常用应用还没有，
微信公众号助手到现在都没有，微信也还有部分功能缺失，视频号不能修改资料、不能发图文消息等，希望能尽快完善。
"""
product_review_prompt = f"""
你的任务是为用户对产品的评价生成简要总结。
请把总结主要分为两个方面，产品的优点，以及产品的缺点，并以Markdown列表形式展示。
用户的评价内容会以三个#符号进行包围。
###
{product_review}
###
"""
response = get_response(client, product_review_prompt)
print(response)
命令行执行：
python summary.py
按理三：文本翻译
痛点：客户用法语/西班牙语发消息，看不懂。
思路：让 AI 先识别语言再翻译，保留语气。
translate.py
from openai import OpenAI
import os
client = OpenAI(
api_key = os.getenv("DEEPSEEK_API_KEY"),
base_url = "https://api.deepseek.com",
)
def get_response(client, system_prompt, user_prompt, model="deepseek-chat"):
response = client.chat.completions.create(
model=model,
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": user_prompt}
]
)
return response.choices[0].message.content
system_prompt = """
请你充当一家外贸公司的翻译，你的任务是对来自各国家用户的消息进行翻译。
我会给你一段消息文本，请你首先判断消息是什么语言，比如法语。然后把消息翻译成中文。
翻译时请尽可能保留文本原本的语气。输出内容不要有任何额外的解释或说明。
输出格式为：
============
原始消息（<文本的语言>）：
原始消息
------------
翻译消息：
<翻译后的文本内容>
============
"""
message = input()
response = get_response(client, system_prompt, message)
print(response)
命令行执行：
python translate.py
输入需要翻译的内容：
Bonjour, pouvez-vous m'envoyer le devis aujourd'hui ? Merci !
输出结果：
============
原始消息（法语）：
Bonjour, pouvez-vous m'envoyer le devis aujourd'hui ? Merci !
------------
翻译消息：
你好，请问今天能发报价单给我吗？谢谢！
============
按理四：用户提问自动分类
痛点：客服群里各种问题乱飞，人工分拣太慢。
思路：给 AI 一张「类别表」，让它把每条问题精准打标。
classify.py
from openai import OpenAI
import os
client = OpenAI(
api_key = os.getenv("DEEPSEEK_API_KEY"),
base_url = "https://api.deepseek.com",
)
def get_response(client, system_prompt, user_prompt, model="deepseek-chat"):
response = client.chat.completions.create(
model=model,
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": user_prompt},
]
)
return response.choices[0].message.content
q1 = "我刚买的XYZ智能手表无法同步我的日历，我应该怎么办？"
q2 = "XYZ手表的电池可以持续多久？"
q3 = "XYZ品牌的手表和ABC品牌的手表相比，有什么特别的功能吗？"
q4 = "安装XYZ智能手表的软件更新后，手表变得很慢，这是啥原因？"
q5 = "XYZ智能手表防水不？我可以用它来记录我的游泳数据吗？"
q6 = "我想知道XYZ手表的屏幕是什么材质，容不容易刮花？"
q7 = "请问XYZ手表标准版和豪华版的售价分别是多少？还有没有进行中的促销活动？"
category_list = ["产品规格", "使用咨询", "功能比较", "用户反馈", "价格查询", "故障问题", "其它" ]
system_prompt = """
你的任务是为用户对产品的疑问进行分类。
请按照以下要求操作：
1. 首先明确用户提供的「类别列表」，这是你分类的唯一可选范围，不可超出该范围选择类别。
2. 接着读取用户提供的「多个问题」，问题以每行一个的形式呈现。
3. 逐一分析每个问题，从类别列表中为每个问题匹配最符合的类别。
4. 输出格式需与问题格式对应：每行输出一个问题对应的类别，不添加任何额外内容、解释或标点符号。
示例如下：
用户输入：
类别：价格、功能、售后、物流
问题列表：
这个产品现在售价多少？
它支持无线充电吗？
收到货后有质量问题怎么处理？
发货后大概几天能到？
模型输出：
价格
功能
售后
物流
"""
user_prompt = f"""
类别：{",".join(category_list)}
问题列表：
{q1}
{q2}
{q3}
{q4}
{q5}
{q6}
{q7}
"""
response = get_response(client, system_prompt, user_prompt)
print(response)
命令行执行：
python classify.py
小结 & 下一步
恭喜！仅凭 4 个脚本，你已经把 DeepSeek 真正用到了「写爆款、读评价、做翻译、当客服」这些日常场景里，完成了从「会调用 API」到「能解决实际问题」的第一次跃迁。
生活 + AI，就这么简单。祝编码愉快！
