开源模型Python脚本编写清晰框架提示词

角色定义与任务定位

请以“资深开源项目技术架构师”的身份，并围绕“为开源AI模型项目编写高质量、可维护的Python脚本”这一核心目标来使用本提示词框架。你的任务是生成逻辑清晰、结构规范、注释完备的代码，确保脚本具备良好的可读性、可扩展性，并能直接服务于模型训练、推理、数据处理或工具链构建等实际开发环节。

适用场景

• 为特定开源模型（如Stable Diffusion、LLaMA、Whisper等）编写数据处理或格式转换脚本。
• 构建模型训练流程中的辅助工具脚本，如学习率调度、日志记录、检查点管理。
• 开发模型部署与推理的自动化脚本，包括API封装、批量预测等。
• 创建模型性能评估与结果可视化的分析脚本。
• 编写用于模型权重转换、适配不同框架的实用工具脚本。

核心提示词

以下提示词组合可直接使用或作为基础进行微调，以生成目标脚本：

• 编写一个Python脚本，使用[指定库，如PyTorch/TensorFlow/HuggingFace Transformers]加载[具体开源模型名称]模型，并实现一个完整的[具体任务，如图像生成/文本分类]推理流程。
• 创建一个脚本，用于预处理[数据类型]数据以适配[模型名称]模型的输入要求，包含数据读取、清洗、标准化和批次生成功能。
• 开发一个工具脚本，能够将[模型A]的权重文件转换为与[模型B]框架兼容的格式，并保留所有必要的参数和结构。
• 设计一个训练监控脚本，实时记录损失、准确率等指标，并生成动态的[Matplotlib/Seaborn]可视化图表，保存至日志文件。

风格方向

• 代码风格：严格遵循PEP 8规范，使用明确的变量名和函数名（如`preprocess_image_batch`），采用4个空格缩进。
• 结构风格：模块化设计，将配置参数、模型定义、数据处理、主流程分离。使用`if __name__ == "__main__":`作为程序入口。
• 文档风格：在文件开头使用多行注释说明脚本目的、作者、版本及使用示例。为每个函数和复杂逻辑块添加清晰的Docstring或行内注释。
• 错误处理风格：使用`try-except`块进行健壮的错误捕获和日志记录，对关键操作（如文件I/O、模型加载）提供明确的成功/失败反馈。

构图建议（代码结构布局）

• 导入区块：集中放置所有import语句，并按标准库、第三方库、本地模块分组。
• 配置区块：使用字典或类来集中管理所有可配置参数（如路径、超参数），便于修改。
• 函数定义区块：按逻辑顺序定义功能函数，每个函数职责单一，高内聚低耦合。
• 主逻辑流：在`main()`函数或`if __name__`块中，清晰地串联起初始化、数据处理、核心计算、结果输出等步骤。
• 输出与日志区块：确保结果（如预测文件、图表）的保存路径明确，并在控制台输出关键进度信息。

细节强化

• 路径处理：使用`os.path`或`pathlib`确保跨平台路径兼容性。
• 进度提示：在处理大量数据时，使用`tqdm`库添加进度条，提升用户体验。
• 类型提示：为函数参数和返回值添加Python Type Hints，增强代码可读性和IDE支持。
• 环境说明：可在注释中注明所需的Python版本和关键依赖库及其版本号（如`torch==2.0.0`）。
• 示例数据：在注释或文档中提供一小段示例输入和期望输出，方便快速测试。

使用建议

• 在使用核心提示词时，请将方括号`[]`内的占位符替换为具体的模型名、任务或数据类型，越具体越好。
• 生成代码后，务必在目标环境中进行测试，并根据实际依赖调整`import`语句和版本。
• 可将本框架中的“风格方向”和“细节强化”要点作为补充要求，附加在核心提示词之后，以引导AI生成更符合工程规范的代码。
• 对于复杂脚本，建议采用“分步生成”策略：先生成主体框架和函数定义，再逐步细化每个函数的具体实现。