零样本提示：商品评价
除了回答问题、转换文本和生成新文本外，DeepSeek 模型还可用于分类任务，例如主题分类和情感分析。
在本练习中，您将使用聊天模式的 DeepSeek，对一家名为 Toe-Tally Comfortable 的在线鞋店的评价做情感分类。理想情况下，输出格式如下所示：
1. 评价文本 = <1-5 打分>
2. 评价文本 = <1-5 打分>
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，要求对给定语句的情感进行分类，并使用数字1到5表示（正面到负面）——先不要给任何示例！ - 创建请求，将该提示发送给
deepseek-ai/DeepSeek-V4-Pro。
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-Pro",
messages=[{"role": "user", "content": ____}],
max_tokens=500
)
print(response.choices[0].message.content)