Zero-shot prompting com avaliações
Além de responder perguntas, transformar texto e gerar novo conteúdo, os modelos DeepSeek também podem ser usados para tarefas de classificação, como categorização e análise de sentimento.
Neste exercício, você vai explorar o uso do DeepSeek no modo de chat para classificar sentimento usando avaliações de uma loja online de sapatos chamada Toe-Tally Comfortable. Idealmente, você quer saídas no formato:
1. Texto da avaliação = <nota de 1 a 5>
2. Texto da avaliação = <nota de 1 a 5>
3. ...
Este exercicio faz parte do curso
Trabalhando com DeepSeek em Python
Instruções do exercicio
- Defina um
promptpara classificar o sentimento das afirmações fornecidas usando os números de1a5(positivo a negativo) — não forneça nenhum exemplo ainda! - Crie uma requisição para enviar esse prompt para
deepseek-ai/DeepSeek-V4-Pro.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
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-Pro",
messages=[{"role": "user", "content": ____}],
max_tokens=500
)
print(response.choices[0].message.content)