НачатьНачать бесплатно

Zero-shot-промптинг с отзывами

Модели DeepSeek умеют не только отвечать на вопросы, преобразовывать и генерировать текст, но и решать задачи классификации, например категоризацию и анализ тональности.

В этом упражнении вы попробуете использовать DeepSeek в режиме чата для классификации тональности отзывов из интернет-магазина обуви Toe-Tally Comfortable. В идеале вы хотите получить вывод в следующем виде:

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

Это упражнение является частью курса

Работа с DeepSeek на Python

Посмотреть курс

Инструкции к упражнению

  • Определите prompt для классификации тональности предоставленных высказываний с помощью чисел от 1 до 5 (от положительной к отрицательной) — пока не приводите никаких примеров!
  • Создайте запрос, чтобы отправить этот промпт модели deepseek-ai/DeepSeek-V4-Pro-0813.

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-0813",
  messages=[{"role": "user", "content": ____}],
  max_tokens=500
)

print(response.choices[0].message.content)
Редактировать и запускать код