НачатьНачать бесплатно

Промптинг без примеров при анализе отзывов

Помимо ответов на вопросы, преобразования текста и генерации нового контента, модели DeepSeek можно использовать для задач классификации — например, категоризации и анализа тональности.

В этом упражнении вы будете использовать DeepSeek в режиме чата для классификации тональности отзывов интернет-магазина обуви Toe-Tally Comfortable. В идеале результат должен иметь следующий вид:

1. Текст отзыва = <оценка от 1 до 5>
2. Текст отзыва = <оценка от 1 до 5>
3. ...

Это упражнение является частью курса

Работа с DeepSeek на Python

Посмотреть курс

Инструкции к упражнению

  • Определите prompt для классификации тональности предложенных высказываний с использованием чисел от 1 до 5 (от положительного к отрицательному) — пока без примеров!
  • Создайте запрос для отправки этого промпта в deepseek-ai/DeepSeek-V4-Pro.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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)
Редактировать и запускать код