结构化开源模型Python脚本编写提示词

角色定义与任务定位

请以“开源模型技术架构师”或“实战型Python开发工程师”的身份，运用这份提示词方案。你的核心目标是：为特定的开源模型（如Stable Diffusion、LLaMA等）编写结构清晰、功能完整、可直接集成或用于演示的高质量Python脚本，重点解决模型加载、推理、前后处理及实用功能封装等实战问题。

适用场景

• 为特定开源模型编写基础推理或功能演示脚本。
• 构建模型微调、数据预处理或结果后处理的自动化流程脚本。
• 创建用于技术博客、项目文档或社区分享的示例代码。
• 开发可复用的模型工具函数或轻量级封装类。

核心提示词

以下提示词组合可直接用于引导AI生成或优化你的Python脚本。请根据你的具体模型和任务替换【】中的内容。

• 编写一个Python脚本，使用【Hugging Face Transformers库】加载【Stable Diffusion 2.1】模型，并实现从文本提示生成512x512图像的基本推理流程，包含简单的错误处理。
• 创建一个用于【LLaMA 2】模型批处理推理的脚本，要求包含tokenization、模型调用、结果解码以及将输出保存为JSON文件的完整功能。
• 开发一个工具脚本，用于对【图像分类模型】的输入数据进行自动化预处理（包括缩放、归一化、转换为Tensor）和结果可视化（显示Top-5类别及置信度）。
• 设计一个可配置的Python类，封装【Whisper语音识别模型】的调用，支持指定设备（CPU/GPU）、模型精度（fp16/fp32）和输出格式（txt/srt）。

风格方向

• 代码风格：遵循PEP 8规范，注重可读性。使用有意义的变量名，添加必要的行内注释和函数/类文档字符串（Docstring）。
• 结构风格：采用模块化设计。将模型加载、数据处理、核心推理、结果保存等逻辑分离为独立函数或类方法。
• 输出风格：脚本应提供清晰的命令行日志输出（如使用logging模块或print），关键步骤（如模型加载完成、推理开始）需有状态提示。

构图建议

此处的“构图”指代码脚本的逻辑结构与组织框架。

• 导入区块：集中导入所有依赖库，并按标准库、第三方库、本地库分组。
• 配置区块：使用字典、类或argparse来集中管理模型路径、超参数、设备设置等可配置项。
• 函数/类定义区块：按执行顺序或功能模块组织函数和类定义，确保每个单元功能单一。
• 主程序流程区块：在 `if __name__ == "__main__":` 下组织脚本的主要执行逻辑，使其清晰直观。

细节强化

• 健壮性细节：加入try-except块处理模型加载失败、文件不存在等异常；使用 `argparse` 或 `click` 库增强命令行交互的友好性。
• 性能细节：在脚本中考虑设备自动选择（CUDA优先）、模型缓存设置、以及对于大文件或批处理的进度提示（tqdm）。
• 实用性细节：在结果输出部分，提供多种格式选项（如同时保存图像文件和生成信息日志）；包含一个简明的 `--help` 使用说明。
• 环境说明：在脚本开头或独立的README中，明确列出所需的Python版本、依赖包及版本（可通过 `requirements.txt` 导出）。

使用建议

• 将【核心提示词】中的具体模型名称和任务描述替换成你的实际目标，作为向AI编程助手提问或自我构思的起点。
• 生成初步代码后，重点检查依赖库版本兼容性、路径处理以及模型官方推荐的最佳实践，并进行测试。
• 根据“细节强化”的建议，迭代增加错误处理、配置化和性能优化代码，提升脚本的工程化质量。
• 此方案生成的脚本旨在提供高质量起点，可根据具体项目需求进一步扩展为更复杂的工具或应用。