大语言模型具备从文字中推断情感和主题的能力。这种能力可用于获知客户对产品评价的情感、新闻或媒体文章的主题或倾向等。大语言模型的这种推断能力可被应用于舆情分析等场景。
推断可以看作是模型接收文本作为输入并执行某种分析的过程，其中涉及提取标签、提取实体、情感分析等。如果想要从一段文本中提取正面或负面情感，在传统的机器学习工作流程中，需要收集标签数据集、训练模型、确定如何在云端部署模型并进行推断。传统机器学习的这种做法也能达到还不错的效果，但是显然这个过程需要大量工作，而且对于每个不同任务，如情感分析、提取实体等，都需要分别训练和部署单独的模型。
大语言模型颠覆了这类任务的实现方式，我们只需要编写并提交一个提示就可以获得结果，而不需要进行大量繁琐的工作。得益于此，相关应用程序开发的效率大幅提升，而且我们还可以只使用一个模型结合API 来执行许多不同的任务，而不再需要训练和部署多个不同的模型。
例如对于电商网站的客户评价，我们可以利用推断来评估客户对于本次购物的情感体验。
以下用三个反引号分隔的产品评论的情感是什么？
```
包装很细心，盒子很精致，之前用水妍，这次换气韵生，水润不油腻，吸收也很好，这个季节，我比较爱出油，这个刚好可以，滋润的同时也不油腻，这款水乳蛮适合我的，很清爽，个人感觉也适合干性皮肤。基础的补水保湿够，使用感也不错，不会油腻。后真的很喜欢送小样，而且送的毫升数还不少。出门旅行或试用都很足够。春天时XX自营买过一套，用着挺好的，比较保湿还跟清爽。刚刚用完小天气丹，入冬了想着豁出去试试天气丹。有点贵没敢网购，让我姐出国带了，相比这个，天气丹很滋润，有一点点油，不过挺好吸收的，不会泛油光，更适合秋冬。这次趁做活动立马又囤了一套，明年夏天用。包装完好，东西齐全，生产日期新，到22年8月。第一次用感觉有点花露水的味道，用一段又会觉得香味挺清新的。乳液很容易涂抹，吸收很快保湿不错，第二天早晨花花嫩嫩的。目前XX自营买的东西都很满意，希望一直这样下去，保证正品！
```
我们看到模型先是给出了情感态度的结论，然后列举了判断的理由。如果需要在应用程序中继续处理判断出的情感结论，可能需要模型只是给出一个简洁的答案，此时我们可以明确要求模型以限定的词汇反馈，例如 以"正面" "负面"或"中性" 的形式给出答案。
以下示例基于节省篇幅的考虑，提示均以迭代的形式提出，在实际应用中，可以直接在一次提示中明确要求，直接获得期望的反馈。
情感在很多情况下仅以"正面""负面"或"中性"评价是不够的，或许我们需要更精确地识别情感，此时可以要求模型以多个词汇推断文字所表达的情感。
或许在某些场景下，我们仅需要判断一段文字是否表达了某种特定的情感，此时也可以要求模型以简洁的判断结果返回，以便应用程序可以统计或继续处理。
推断不仅可以判断情感，也可以从文字中提取特定的信息，例如我们想知道上述评价涉及的物品名称、品牌、有效期等信息，可以尝试通过以下提示获得。
*从以下用三个反引号分隔的产品评价中识别以下信息：
- 评论者购买的物品名称
- 该物品的品牌
- 该物品的保质期
请将你的响应以JSON格式输出，且以"物品""品牌"和"保质期"为键。如果信息不存在，请使用"未知"作为值。
你的回复尽可能简洁。
```[评价内容同以上提示]```*
这段提示重新给出了评价文本，使用迭代时，模型会从历史会话中识别此次提示的上下文，但基于计算成本原因模型参考的历史会话长度是有限的，因此为了获得更好的效果，迭代多次以后，建议重新开启一个会话继续。上述提示模型给出的反馈如下图。
