零样本提示：评论分类
除了回答问题、转换文本和生成新文本，DeepSeek 模型也可用于分类任务，例如归类与情感分析。
在本练习中，您将探索在聊天模式下使用 DeepSeek 对一家名为 Toe-Tally Comfortable 的网上鞋店的评论进行情感分类。理想情况下，您希望输出为以下形式：
1. Review text = <1-5 rating>
2. Review text = <1-5 rating>
3. ...
本练习是课程的一部分
在 Python 中使用 DeepSeek
练习说明
- 定义一个
prompt，使用数字1到5（正面到负面）对给定语句的情感进行分类——先不要提供任何示例！ - 创建一个请求，将该提示发送给
deepseek-ai/DeepSeek-V4.1-Flash。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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)