Prompt Engineering：不是玄学，是有框架的

import anthropic

client = anthropic.Anthropic()

def ask(prompt, model="claude-sonnet-4-20250514"):
    response = client.messages.create(
        model=model,
        max_tokens=512,
        messages=[{"role": "user", "content": prompt}]
    )
    return response.content[0].text

prompt = """
请将以下产品标题分类到对应类目：['运动户外', '家居用品', '3C数码']

产品标题：Sony WH-1000XM5 降噪无线耳机头戴式
类目：
"""
print("Zero-shot 回答:")
print(ask(prompt))

def build_few_shot_prompt(query, examples):
    parts = []
    for inp, out in examples:
        parts.append(f"输入：{inp}")
        parts.append(f"输出：{out}")
    parts.append(f"输入：{query}")
    parts.append("输出：")
    return "\n".join(parts)

examples = [
    ("Nike Air Max 270 跑步鞋男款黑色透气",
     "品牌=Nike; 款型=Air Max 270; 类型=跑步鞋; 性别=男; 颜色=黑色; 特性=透气"),
    ("Adidas Ultraboost 22 女子训练跑鞋米白",
     "品牌=Adidas; 款型=Ultraboost 22; 类型=训练跑鞋; 性别=女; 颜色=米白"),
]

query = "New Balance Fresh Foam 1080v12 跑步鞋男灰色轻便"
prompt = build_few_shot_prompt(query, examples)
print("Few-shot Prompt:")
print(prompt)

def build_cot_prompt(question):
    return f"""问题：{question}

请分步骤思考，并在最后给出答案。

步骤："""

question = "某商品原价120元，先涨价20%，再降价15%，最终价格是多少？"
prompt = build_cot_prompt(question)
print("CoT Prompt:")
print(prompt)
print("\n--- 模型回答 ---")
print("步骤1: 涨价20% -> 120 x 1.20 = 144元")
print("步骤2: 再降价15% -> 144 x 0.85 = 122.4元")
print("最终答案: 122.4元")

import numpy as np
from collections import Counter

def self_consistency(answers):
    normalized = [a.strip().rstrip(".。") for a in answers]
    counter = Counter(normalized)
    winner = counter.most_common(1)[0]
    print(f"答案分布: {counter.most_common()}")
    return winner[0][0]

answers = ["122.4元", "122.4元", "118.8元"]
winner = self_consistency(answers)
print(f"Self-Consistency 结果: {winner}")

SYSTEM_PROMPT = """你是一位专业的跨境电商产品经理助手。

你的专长：
- 分析亚马逊、Temu、SHEIN 等平台的产品标题和描述
- 提炼产品的核心卖点、目标人群、适用场景
- 识别标题中的关键属性（品牌、型号、颜色、尺码、材质）
- 提供多语言产品本地化建议（英语、西班牙语、德语、法语）

输出格式要求：
- 输出必须严格遵循用户指定的格式，不额外发挥
- 如果信息不足，明确说"信息不足，无法判断"
- 涉及价格、销量等数据时，标注"未提供"而不是编造

语言风格：专业、简洁、直接，关键结论放在最前面"""

user_prompt = "分析这个亚马逊产品标题的核心卖点：Sony WH-1000XM5 Wireless Noise Canceling Headphones"

def ask_with_system(user_prompt, system_prompt=SYSTEM_PROMPT):
    return f"[System: {system_prompt[:50]}...]\n[User: {user_prompt}]"

print(ask_with_system(user_prompt))

from string import Template

PRODUCT_ANALYSIS_TEMPLATE = Template("""
【产品分析任务】

产品标题：${title}
平台：${platform}
目标市场：${market}

分析要求：
1. 提取关键属性：${attributes}
2. 识别核心卖点：${selling_points}
3. 判断目标人群：${target_audience}

开始分析：
""")

prompt = PRODUCT_ANALYSIS_TEMPLATE.substitute(
    title="Xiaomi Mi Smart Band 7 GPS 运动手环男黑色防水心率",
    platform="Amazon US",
    market="北美",
    attributes="品牌、型号、功能、颜色、适用性别",
    selling_points="3个最重要卖点",
    target_audience="2个细分人群",
)

print("模板生成的 Prompt:")
print(prompt)

SYSTEM = """你是一个跨境电商产品描述专家，擅长为电商平台生成符合当地用户习惯的产品标题和要点。

核心原则：
1. 标题控制在200字符以内，包含核心关键词在前
2. Bullet points 每条不超过250字符，格式：关键词 + 卖点描述
3. 避免夸大宣传，只描述产品实际具备的功能
4. 目标市场是 ${market}，请使用当地用户的搜索词习惯

输出格式：
标题：[生成的标题]
要点：
- [要点1]
- [要点2]
- [要点3]"""

FEW_SHOT_EXAMPLES = [
    ("Xiaomi Mi Smart Band 7, GPS, Heart Rate Monitor, Sleep Tracker, 5ATM Waterproof, Black",
     "标题：Xiaomi Mi Smart Band 7 GPS Fitness Tracker - Heart Rate, Sleep & Waterproof Sports Band\n要点：\n- GPS Built-in: Track outdoor runs without your phone\n- 24/7 Heart Rate Monitoring: Real-time health insights\n- Advanced Sleep Tracking: Analyze sleep stages and quality")
]

def generate_product_copy(product_info, market="北美"):
    system = SYSTEM.replace("${market}", market)
    examples = "\n\n".join([f"产品：{p}\n描述：{d}" for p, d in FEW_SHOT_EXAMPLES])
    user = f"产品信息：{product_info}\n\n参考示例：\n{examples}"
    return {"system": system, "user": user}

product = "Amazfit GTS 4 Mini,1.75 AMOLED Screen, GPS, 5ATM Waterproof, Heart Rate, Sleep Tracker, 15-day Battery, Rose Black"
result = generate_product_copy(product, "北美")
print("=== System Prompt ===")
print(result["system"])