Node.js + DeepSeek API 实战：用 Prompt 5分钟搞定 NLP 文本总结

🚀 从零开始：用 AI 打造你的 NLP 智能助手

结合 ES6 模块化 + DeepSeek API，手把手教你用 Prompt 做自然语言处理

🎯 项目概览

这是一个用 Prompt 做 NLP 任务的小项目，通过调用 DeepSeek API 实现文本总结、情感分类等功能。

项目结构：

nlp-demo/
├── main.mjs          # 入口文件 - 调用 NLP 功能
├── client.mjs        # API 客户端配置
├── completion.mjs    # 调用 LLM 的函数
├── .env              # 环境变量（API 密钥）
└── package.json     # 项目配置

---

一、ES6 模块化：让代码更优雅 🔧

1.1 什么是模块化？

模块化就是"分而治之"——把一个大项目拆成多个小文件，每个文件负责特定功能。

好处：

• 📖 可读性：代码职责清晰
• 🔄 可维护：修改一个模块不影响其他部分
• ♻️ 可复用：一次编写，多次使用

1.2 import 和 export

ES6 引入了 import/export 语法，支持模块化开发。

导出（export）方式：

// client.mjs
export const a = 2;        // 命名导出
export default client;     // 默认导出（只能有一个）

导入（import）方式：

// main.mjs
import client, { a, b } from './client.mjs'

知识点：

导出方式	导入语法	说明
export const x	import { x }	命名导出，需要大括号
export default x	import x	默认导出，不需要大括号

---

二、解构赋值：提取数据更简洁 ✨

2.1 对象解构

// 传统方式
let name = obj.name;
let age = obj.age;

// ES6 解构赋值
let { name, age } = { name: "詹姆斯", age: 20 };

2.2 数组解构

let [coach, player, ...rest] = ['范甘迪', '詹姆斯', '麦迪', '穆托姆博'];

// coach = '范甘迪'
// player = '詹姆斯'
// rest = ['麦迪', '穆托姆博'] （rest 运算符）

知识点：

• ...rest 运算符：收集剩余元素为一个数组
• 解构赋值让代码更简洁，性能也更好（浏览器做了优化）

---

三、环境变量配置：安全第一 🔒

3.1 为什么需要环境变量？

// ❌ 不推荐：把密钥硬编码在代码里
const apiKey = "sk-6a14a2294846401f8ea301c607743b1e";

// ✅ 推荐：使用环境变量
const apiKey = process.env.DEEPSEEK_API_KEY;

好处：

1. 安全：密钥不会暴露在代码中
2. 灵活：不同环境（开发/生产）用不同配置
3. 便于团队协作

3.2 dotenv 的使用

// client.mjs
import dotenv from 'dotenv';
dotenv.config();  // 加载 .env 文件

const client = new OpenAI({
  apiKey: process.env.DEEPSEEK_API_KEY,
  baseURL: process.env.DEEPSEEK_API_BASE_URL
});

.env 文件内容：

DEEPSEEK_API_KEY=sk-6a14a2294846401f8ea301c607743b1e
DEEPSEEK_API_BASE_URL=https://api.deepseek.com

---

四、async/await：异步编程不再难 ⚡

4.1 同步 vs 异步

// 同步：代码从上往下执行，等上一行完成才执行下一行
const result1 = doSomething();
const result2 = doAnother();  // 等待

// 异步：不等结果，继续执行后面的代码
doSomething();  // 开始，但不等待
doAnother();    // 立即执行

4.2 async/await 语法

// 定义异步函数
async function getCompletion(prompt) {
  // await 等待 Promise 完成
  const response = await client.chat.completions.create({
    model: "deepseek-chat",
    messages: [{ role: "user", content: prompt }]
  });
  return response.choices[0].message.content;
}

// 调用异步函数
async function main() {
  const result = await getCompletion("你好");
  console.log(result);
}

main();

知识点：

关键字	作用
async	声明异步函数，自动返回 Promise
await	等待 Promise 完成，暂停函数执行
Promise	异步操作的结果容器

---

五、NLP 实战：用 Prompt 做文本总结 📝

5.1 项目代码

// main.mjs
import { getCompletion } from "./completion.mjs";

async function main() {
  const reviews = [
    "这个熊猫公仔很可爱，但有点小...",
    "灯的拉链断了，公司态度很好...",
    // ... 更多评论
  ];

  for (let review of reviews) {
    const prompt = `
      你的任务是从电子商务网站上的产品评论中提取相关信息。
      请对三个反引号之间的评论文本进行概括，最多20个字符。
      评论文本：\`\`\`${review}\`\`\`
    `;
    const response = await getCompletion(prompt);
    console.log(response);
  }
}

main();

5.2 Prompt 模板

核心是设计一个好的 Prompt 模板：

const prompt = `
  你的任务：从电子商务网站上的产品评论中提取信息
  要求：对评论文本进行概括，最多20个字符
  评论文本：\`\`\`${review}\`\`\`
`;

5.3 实际效果

输入评论：

"这个熊猫公仔是我给女儿的生日礼物，她很喜欢，去哪都带着。公仔很软，超级可爱..."

AI 输出：

"熊猫公仔可爱软萌，但体积偏小，性价比一般。"

---

六、NLP 常见任务类型 🎯

任务类型	说明	应用场景
情感分析	判断正面/负面/中性	客服质检、舆情监控
信息提取	从文本中抽取关键信息	简历筛选、订单处理
主题检测	判断文本属于哪个类别	内容分类、推荐系统
文本总结	将长文本压缩为短摘要	新闻摘要、报告生成

传统方式 vs Prompt 方式：

传统方式：                    Prompt 方式：
┌─────────────┐              ┌─────────────┐
│ 收集数据    │              │ 写好 Prompt │
└─────────────┘              └─────────────┘
        │                            │
        ▼                            ▼
┌─────────────┐              ┌─────────────┐
│ 特征工程    │              │ 调用 AI API │
└─────────────┘              └─────────────┘
        │                            │
        ▼                            ▼
┌─────────────┐              ┌─────────────┐
│ 训练模型    │              │ 获得结果    │
└─────────────┘              └─────────────┘

耗时：数天~数月              耗时：几分钟

---

七、完整代码实现 💻

client.mjs - API 客户端

import { OpenAI } from 'openai';
import dotenv from 'dotenv';

dotenv.config();

// 创建 OpenAI 客户端（兼容 DeepSeek）
const client = new OpenAI({
  apiKey: process.env.DEEPSEEK_API_KEY,
  baseURL: process.env.DEEPSEEK_API_BASE_URL
});

export default client;

completion.mjs - 调用函数

import client from './client.mjs';

// 调用 LLM 生成回复
export async function getCompletion(prompt) {
  const response = await client.chat.completions.create({
    model: process.env.DEEPSEEK_MODEL,
    messages: [{ role: "user", content: prompt }]
  });
  return response.choices[0].message.content;
}

main.mjs - 主程序

import { getCompletion } from "./completion.mjs";

async function main() {
  const prompt = "请用一句话介绍自己";
  const response = await getCompletion(prompt);
  console.log(response);
}

main();

---

八、运行项目 🚀

# 1. 安装依赖
pnpm install

# 2. 运行
node main.mjs

---

📚 知识点总结

知识点	说明	难度
ES6 模块化	import/export 实现代码拆分	⭐
解构赋值	从对象/数组提取值	⭐
环境变量	dotenv 安全管理配置	⭐⭐
async/await	优雅处理异步操作	⭐⭐
Prompt Engineering	设计好的提示词	⭐⭐⭐
NLP 任务	情感分析、文本总结等	⭐⭐

---

🎯 进阶练习

1. 情感分类：修改 Prompt，让 AI 判断评论是正面还是负面
2. 信息提取：提取评论中的产品优缺点
3. 多语言支持：添加英文评论的处理

---

💡 提示：Prompt 的质量直接影响 AI 的输出效果。多尝试不同的写法，找到最适合你场景的模板！

完整代码已整理好，快去试试吧！ 🚀