用 OpenAI API 自动化分类智能手表用户问题示例

一、代码功能与应用场景

这段代码的核心目标是：将智能手表用户的 7 个典型问题，按照预设的 7 个类别（产品规格、使用咨询等）自动分类。适用场景包括：客服工单自动标签化、用户反馈结构化分析、产品问题归类统计等。相比人工分类，AI 分类不仅效率更高，还能保证分类标准的一致性。

二、代码逐段拆解

1. 环境准备

复制代码

from openai import OpenAI

client = OpenAI(api_key="sk-0b717f29b6ee4852a2331cf1ffa30d4f",
                base_url="https://dashscope.aliyuncs.com/compatible-mode/v1")

核心作用 ：初始化 OpenAI 客户端，对接阿里云通义千问的兼容接口（无需单独部署模型，直接调用 API）。
关键参数说明：
api_key ：阿里云 DashScope 平台的 API 密钥（需自行申请，示例密钥仅为演示）
base_url：通义千问的 OpenAI 兼容接口地址，保证代码无需修改即可适配阿里云模型。

2. 定义 API 调用函数

复制代码

def get_openai_response(client, prompt, model="qwen-plus"):
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    return response.choices[0].message.content

函数功能 ：封装 OpenAI 的 ChatCompletions 接口调用逻辑，简化后续重复调用。

参数与返回值：
client ：初始化后的 OpenAI 客户端实例；
prompt ：传给 AI 的提示词（包含分类指令和用户问题）；
model ：指定使用的模型（qwen-plus 是通义千问的增强版，兼顾效果与速度）；
返回值：提取 AI 回复的核心内容（仅返回分类结果，无多余信息）。

3. 准备待分类的问题与分类标准

复制代码

# 待分类的用户问题列表
q1 = "我刚买的智能手表无法同步我的日历，我应该怎么办？"
q2 = "手表的电池可以持续多久？"
q3 = "品牌的手表和ABC品牌的手表相比，有什么特别的功能吗？"
q4 = "安装智能手表的软件更新后，手表变得很慢，这是啥原因？"
q5 = "智能手表防水不？我可以用它来记录我的游泳数据吗？"
q6 = "我想知道手表的屏幕是什么材质，容不容易刮花？"
q7 = "请问手表标准版和豪华版的售价分别是多少？还有没有进行中的促销活动？"
q_list = [q1, q2, q3, q4, q5, q6, q7]

# 预设的分类标准
category_list = ["产品规格", "使用咨询", "功能比较", "用户反馈", "价格查询", "故障问题", "其它"]

设计思路：将用户问题和分类标准分别封装为列表，便于后续批量处理
分类标准说明：覆盖智能手表用户高频问题类型，可根据实际业务调整（如新增 "售后政策""物流咨询" 等）

4. 构建分类提示词模板

复制代码

classify_prompt_template = """
你的任务是为用户对产品的疑问进行分类。
请仔细阅读用户的问题内容，给出所属类别。类别应该是这些里面的其中一个：{categories}。
直接输出所属类别，不要有任何额外的描述或补充内容。
用户的问题内容会以三个#符号进行包围。

###
{question}
###
"""

提示词（Prompt）设计技巧 ：
明确任务 ："为用户对产品的疑问进行分类"，避免 AI 理解偏差；
限定输出 ："直接输出所属类别，不要有任何额外的描述"，确保返回结果可直接使用；
占位符：{categories} 和 {question} 用于动态替换分类标准和用户问题，提升模板复用性。

5. 批量分类与结果输出

复制代码

# 遍历问题列表 q_list 中的每一个问题
for q in q_list:
    # 格式化提示词模板
    formatted_prompt = classify_prompt_template.format(
        categories="，".join(category_list),  # 将类别列表转为中文顿号分隔的字符串
        question=q  # 替换为当前用户问题
    )

    # 调用API获取分类结果
    response = get_openai_response(client, formatted_prompt)

    # 打印分类结果
    print(response)

遍历所有待分类问题
用format方法填充提示词模板，生成针对单个问题的分类指令
调用get_openai_response函数获取 AI 分类结果
打印结果（实际场景中可写入数据库、生成报表等）

三、总结

核心逻辑：通过 OpenAI API（兼容阿里云通义千问），结合结构化提示词模板，实现用户问题的自动化分类
关键技巧：提示词设计需明确任务、限定输出，代码封装需兼顾复用性和异常处理
应用价值：将重复的人工分类工作自动化，提升客服、运营等场景的效率，同时保证分类标准的一致性。