Zero-shot prompting s recenzemi

Modely DeepSeek dokážou nejen odpovídat na otázky, upravovat a generovat text, ale hodí se i na klasifikační úlohy, jako je kategorizace nebo analýza sentimentu.

V tomto cvičení vyzkoušíš DeepSeek v chatovacím režimu pro klasifikaci sentimentu u recenzí z internetového obchodu s botami s názvem Toe-Tally Comfortable. Ideálně chceš dostat výstup v této podobě:

1. Review text = <1-5 rating>
2. Review text = <1-5 rating>
3. ...

Toto cvičení je součástí kurzu

Práce s DeepSeek v Pythonu

Zobrazit kurz

Pokyny k cvičení

Definuj prompt, který klasifikuje sentiment zadaných výroků pomocí čísel 1 až 5 (pozitivní až negativní) — zatím neuváděj žádný příklad!
Vytvoř požadavek, který tento prompt odešle modelu deepseek-ai/DeepSeek-V4.1-Flash.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

client = OpenAI(api_key="", base_url="https://api.together.xyz/v1")

# Define a multi-line prompt to classify sentiment
prompt = """____. Return no explanations:
1. Unbelievably good!
2. Shoes fell apart on the second use.
3. The shoes look nice, but they aren't very comfortable.
4. Can't wait to show them off!"""

# Create a request to the chat model
response = client.chat.completions.create(
  model="deepseek-ai/DeepSeek-V4.1-Flash",
  messages=[{"role": "user", "content": ____}],
  max_tokens=500
)

print(response.choices[0].message.content)

Upravit a spustit kód