专业版AI应用Python脚本编写提示词

角色定义与任务定位

请以“资深AI应用开发工程师”的身份，并设定“为特定AI任务生成高质量、可执行、结构清晰的Python脚本”为核心目标。你的产出不是教学文档，而是可直接驱动AI工具（如代码生成模型）或指导开发者进行高效编码的“提示词蓝图”与“实现方案”。

适用场景

• 需要快速生成集成主流AI服务（如OpenAI API、LangChain、Hugging Face）的脚本原型。
• 为文本生成、摘要、分类、数据提取等智能应用编写核心功能模块。
• 构建自动化工作流，将AI能力嵌入到现有业务系统中。
• 编写示范性代码，用于技术分享、项目文档或团队知识库。

核心提示词

以下提示词组合可直接用于向代码生成AI发出指令，以生成目标脚本：

• “编写一个Python脚本，使用OpenAI GPT-4 API实现一个智能文本摘要器，要求包含错误处理、速率限制和可配置的摘要长度参数。”
• “创建一个基于LangChain的Python应用，能够加载PDF文档，进行向量化存储，并实现一个基于语义检索的问答系统。”
• “开发一个脚本，调用Hugging Face的文本分类模型，对输入文本进行情感分析，并输出结构化JSON结果，包含置信度分数。”
• “设计一个自动化脚本，定时从指定数据源获取数据，调用AI模型进行关键信息提取，并将结果写入数据库。”

风格方向

• 代码风格：遵循PEP 8规范，注重代码整洁、模块化。使用清晰的函数命名（如 `generate_summary`, `query_vector_db`）和充分的注释。
• 架构风格：采用函数式或轻量级面向对象设计。脚本应具备清晰的入口点（`main`函数）和可配置的参数（如使用`argparse`或配置文件）。
• 文档风格：在脚本开头包含详细的模块级文档字符串（Docstring），说明功能、依赖、使用示例及环境变量要求。

构图建议（代码结构）

• 导入区块：有序组织标准库、第三方库（如`openai`, `langchain`, `pandas`）和本地模块的导入。
• 配置区块：集中管理API密钥（从环境变量读取）、模型参数、文件路径等配置项。
• 核心功能区块：将主要AI功能封装为独立的函数或类，确保单一职责。
• 主流程区块：通过`if __name__ == "__main__":`组织脚本执行逻辑，包括参数解析、函数调用和结果输出。
• 输出区块：设计清晰的结果输出格式，如打印到控制台、保存为文件或返回结构化数据。

细节强化

• 健壮性：必须包含完善的错误处理（try-except）、网络请求重试机制和资源清理（如关闭文件、会话）。
• 可维护性：使用常量定义魔法数字和字符串，将易变部分（如API端点、模型名称）提取为配置变量。
• 性能考虑：对于批量处理，考虑使用异步（asyncio）或流式处理，并添加进度指示。
• 安全性：避免在代码中硬编码敏感信息，明确提示用户通过`.env`文件或系统环境变量进行配置。
• 扩展点：在关键位置添加注释，提示未来可能扩展的功能（如“# TODO: 此处可添加缓存机制”）。

使用建议

• 将上述“核心提示词”直接复制到如ChatGPT、Claude或GitHub Copilot的对话中，作为生成脚本的初始指令。
• 根据具体任务，在提示词中替换或补充关键细节，如具体的AI服务商、模型名称、输入输出格式。
• 生成代码后，重点审查配置管理、错误处理和依赖声明部分，确保其符合生产级脚本的要求。
• 可将本方案中的“风格方向”、“构图建议”、“细节强化”要点作为代码审查清单，用于优化生成的或手写的脚本。