文章主题：关键词：文本扩展, OpenAI API, 客服电子邮件, 温度系数
简介
接前面几篇ChatGPT Prompt工程系列：LLM 系列 | 04：ChatGPT Prompt编写指南、05：如何优化ChatGPT Prompt？、06：ChatGPT Prompt实践：文本摘要&推断&转换。今天这篇小作文是《ChatGPT Prompt Engineering for Developers》的第4篇笔记，主要介绍如何用ChatGPT进行文本扩展，并以如何根据客户评价和情感撰写自定义电子邮件
为例详细说明。
文本扩展，即将简短内容如说明或主题列表输入到LLM中，让其自动生成更长篇幅，例如邮件或论文。这项技巧实用性高，可用于头脑风暴辅助。然而，潜在风险也不容忽视，可能被滥用以制造无价值的垃圾邮件。因此，在利用LLM扩展文本时，务必遵循原则，确保行为合法、有益且体现社会主义核心价值观，做到负责任和人民导向。使用时需审慎，避免任何不良影响。记得，保持诚信与智慧是关键。📚💻🌈
🌟🚀掌握OpenAI助手，个性化客服邮件大放异彩！💡🔥章节揭秘：利用OpenAI API，打造个性化的客户服务邮件就像变魔术一样简单！每一条评价，我们都能量身定制专属的回复，让客户满意度直线上升！📈🔍不只是API，温度系数的秘密武器！调整这个关键参数，解锁模型生成回复的多维度创新。从创意十足到精准贴切，只需轻轻一调，就能让邮件内容如诗如画，引人入胜！🌈📝实践起来吧，让我们一起探索如何在保持专业度的同时，用AI的力量提升客户体验，让每一封邮件都成为品牌口碑的传播者！🌍别忘了，这里没有联系方式，只有高质量的内容和SEO优化的语言，让你的营销策略悄无声息地生效！🎉#OpenAIAPI #个性化客服 #温度系数优化
环境准备
import openai
import os
openai.api_key = “sk-xxxx”
import os
os.environ[HTTP_PROXY] = “http://XXX:xx”os.environ[HTTPS_PROXY] = “http://XXXX:xx”# 一个封装 OpenAI 接口的函数，参数为 Prompt，返回对应结果def get_completion(prompt, model=“gpt-3.5-turbo”
, temperature=0):
prompt: 对应的提示
🌟文章写作专家在此！🚀您需要一篇高质量的文章，对吗？不用担心，我将使用行业内领先的AI模型来满足您的需求。默认选用的是超能力满满的”GPT-3.5-Turbo”，它就像一个智慧的对话伙伴，能够提供深度且连贯的内容。对于特别的需求，我们还提供了更为先进的”GPT-4″选项，仅限少数幸运儿哦！这可不是普通的AI，它能带你进入语言的新维度。无论是商业文案、学术论文还是创意写作，我都能游刃有余。我会巧妙地隐藏作者身份，确保内容的专业性和保密性。同时，我会避免任何可能的广告元素，让您的文字纯粹而有力。让我们一起创作吧！用精准的语言和恰当的emoji，让搜索引擎喜欢上你的独特内容。记得，每一次点击都是对专业性的认可哦！💪别忘了，如果你有任何问题或需要进一步的帮助，请随时告诉我，我在这里等你！💌
temperature: 温度系数
messages = [{“role”: “user”, “content”
: prompt}]
response = openai.ChatCompletion.create(
model=model,
messages=messages,
temperature=temperature, # 模型输出的温度系数，控制输出的随机程度
)
# 调用 OpenAI 的 ChatCompletion 接口 return response.choices[0].message[“content”
]
定制客服邮件
🌟如何利用客户反馈打造个性化邮件回复？💡通过LLM技术，解析每一条评价背后的情感，定制专属的回复策略。_given_a_client_review_and_emotion, let LLM craft tailored responses that resonate with your audience.🌍这样，无论是积极的赞赏还是中肯的建议，都能转化为有力的沟通工具，提升客户满意度，同时优化SEO，让每个字句都为品牌发声。💌记得，每一次互动都是建立连接的机会，用真诚和专业赢得客户的长久信任。🏆
首先给出一个示例，包括一个评论及对应的情感。
# 我们可以在推理那章学习到如何对一个评论判断其情感倾向sentiment = “negative”# 一个产品的评价review = f“”
“
他们在11月份的季节性销售期间以约49美元的价格出售17件套装，折扣约为一半。\
🌟注意啦！👀价格波动揭秘——尽管初衷良好，但不幸的是，有些商家在12月初的促销活动中遭遇了价格误会。🎁原本亲民的套装瞬间跳至70-89美元区间，这无疑给消费者带来了不小的冲击。💔然而，消费者权益始终是首要考量，我们应该呼吁诚信经营，避免此类情况再次发生。在这个关键节点，如果你对目前的价格变动感到困惑或想要找到替代方案，建议你密切关注官方声明或者权威平台的报价，以确保获取最准确的信息。🔍同时，如果你已经购买了相关产品，记得保留好购物凭证，以便后续可能的沟通和解决。💪对于那些因价格波动而受影响的消费者，我们理解你的困扰，并鼓励你们在遭遇不公时勇于发声，维护自己的权益。🗣️记住，理智消费，合理比较，才能在未来的购物中避免类似问题。最后，如果你需要专业的文章撰写服务来解读这一事件或提供相关建议，欢迎随时联系我。📝您的信任和满意是我工作的最大动力！💌SEO优化词汇：#价格波动 #诚信经营 #消费者权益 #官方声明 #权威平台 #理智消费 #专业文章服务
11件套装的价格也上涨了大约10美元左右。\
虽然外观看起来还可以，但基座上锁定刀片的部分看起来不如几年前的早期版本那么好。\
不过我打算非常温柔地使用它，例如，\
我会先在搅拌机中将像豆子、冰、米饭等硬物研磨，然后再制成所需的份量，\
🌟想要细腻无瑕的面粉？试试这个小技巧！💡首先，用打蛋器轻轻研磨你的面粉，让纹理变得更细腻。如果你想做冰沙，那就聪明地切换：先用交叉切割刀片快速混合，再转为平面刀片，轻松打造顺滑且不易粘杯的口感。🌟记得，每个步骤都关乎最后成品的质量哦！💪
制作冰沙时，特别提示：\
将水果和蔬菜切碎并冷冻（如果使用菠菜，则轻轻煮软菠菜，然后冷冻直到使用；\
如果制作果酱，则使用小到中号的食品处理器），这样可以避免在制作冰沙时添加太多冰块。\
大约一年后，电机发出奇怪的噪音，我打电话给客服，但保修已经过期了，所以我不得不再买一个。\
总的来说，这些产品的总体质量已经下降，因此它们依靠品牌认可和消费者忠诚度来维持销售。\
货物在两天内到达。
”
“”
这里使用文本推断章节中的情感提取Prompt。这是一个关于搅拌机的客户评价，现在我们将根据情感定制回复。
这里的指令是：假设你是一个客户服务AI助手，你的任务是为客户发送电子邮件回复，根据通过三个反引号分隔的客户电子邮件，生成一封回复以感谢客户的评价。
具体如下：
prompt = f”””
你是一位客户服务的AI助手。
你的任务是给一位重要客户发送邮件回复。
根据客户通过““`”分隔的评价，生成回复以感谢客户的评价。提醒模型使用评价中的具体细节
用简明而专业的语气写信。
作为“AI客户代理”签署电子邮件。
客户评论：
“`{review}“`
评论情感：{sentiment}
“””
response = get_completion(prompt)
print(response)
生成结果如下：
尊敬的客户，
感谢您对我们产品的评价。我们非常重视您的反馈，对于您提到的问题，我们深表歉意。我们会尽快采取措施，改进我们的产品质量和服务。
我们很高兴您对我们的交付速度感到满意。同时，我们也非常感谢您分享了您对我们产品的使用方法和技巧。我们会将这些细节纳入我们的产品使用说明中，以帮助更多的客户更好地使用我们的产品。
如果您有任何其他问题或建议，请随时联系我们的客服团队。我们将竭诚为您服务。
此致，
AI客户代理
使用温度系数
接下来，我们将使用语言模型中一个称为“温度”(温度系数)的参数，它将控制模型回复的多样性。我们可以将温度视为模型探索或随机性的程度。其实就是探索和利用，即Exploration和Exploitation直接的平衡。
例如，在一个特定的短语中，”我的最爱食品”最有可能的下一个词是”比萨”，其次最有可能的是”寿司”和”塔可”。因此，在温度系数为零时，模型将总是选择最有可能的下一个词，而在较高的温度系数下，它还将选择其中一个不太可能的词。在更高的温度系数下，它甚至可能选择”塔可”，而这种可能性仅为五分之一。可以想象，随着模型继续生成更多单词的最终响应，”我的最爱食品是比萨”将会与第一个响应”我的最爱食品是塔可”产生差异。因此，随着模型的继续，这两个响应将变得越来越不同。
一般来说，在构建需要可预测响应的应用程序时，建议将温度系数设置为零。在前面的小作文里面，一直将温度系数设置为零。如果正在尝试构建一个可靠和可预测的系统，应该将温度系数设置为零，以确保输出结果的一致性。如果尝试以更具创意的方式使用模型，可能需要更广泛地输出不同的结果，那么可以使用更大的温度系数。
下面将温度系数设置为 0.7：
prompt = f”””
你是一名客户服务的AI助手。
你的任务是给一位重要的客户发送邮件回复。
根据通过““`”分隔的客户电子邮件生成回复，以感谢客户的评价。
如果情感是积极的或中性的，感谢他们的评价。
如果情感是消极的，道歉并建议他们联系客户服务。
请确保使用评论中的具体细节。
以简明和专业的语气写信。
以“AI客户代理”的名义签署电子邮件。
客户评价：“`{review}“`
评论情感：{sentiment}
“””
response = get_completion(prompt, temperature=0.7)
print(response)
输出结果如下：
尊敬的客户，
非常感谢您对我们产品的评价。我们对您的不满深表歉意。我们一直致力于提供高质量的产品和服务，但显然我们在这次失败中没有达到您的期望。
我们非常关注您提到的问题，并确保这些问题得到解决。我们建议您联系我们的客户服务，以寻求进一步的帮助，并希望我们能够取得您的信任和满意。
再次感谢您对我们产品的反馈，我们会尽全力改进和提高我们的服务质量。祝您生活愉快！
此致，
AI客户代理
在温度系数为零时，每次执行相同的Prompt时，每次运行的输出结果应该是相同的。而使用温度为0.7，则每次都会获得不同的输出。
所以，可以看到它与我们之前收到的电子邮件不同。让我们再次执行它，以显示我们将再次获得不同的电子邮件。
因此，建议试试改变温度系数的值，以查看输出如何变化。总之，在更大的温度系数下，模型的输出更加随机。几乎可以将其视为在更大的温度系数下，AI助手更易分心，但也许更有创造力。
进技术交流群请添加AINLP小助手微信（id: ainlp2)
请备注具体方向+所用到的相关技术点
关于AINLP
AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLP小助手微信(id：ainlp2)，备注工作/研究方向+加群目的。
阅读至此了，分享、点赞、在看三选一吧?
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
相关文章
