第十二章：Prompt 提示工程之实战项目

文章目录

前言
[项目一：会议纪要重点提取项目](#项目一：会议纪要重点提取项目)
- [1.1 项目背景与需求分析](#1.1 项目背景与需求分析)
- - [1.1.1 核心需求](#1.1.1 核心需求)
  - [1.1.2 适用人群](#1.1.2 适用人群)
- [1.2 项目核心Prompt设计思路](#1.2 项目核心Prompt设计思路)
- [1.3 项目完整可运行代码](#1.3 项目完整可运行代码)
- [1.4 代码运行说明与项目优化](#1.4 代码运行说明与项目优化)
- - [1.4.1 运行步骤](#1.4.1 运行步骤)
  - [1.4.2 项目优化方向](#1.4.2 项目优化方向)
项目二：短剧脚本生成项目
- [2.1 项目背景与需求分析](#2.1 项目背景与需求分析)
- - [2.1.1 核心需求](#2.1.1 核心需求)
  - [2.1.2 适用人群](#2.1.2 适用人群)
- [2.2 项目核心Prompt设计思路](#2.2 项目核心Prompt设计思路)
- [2.3 项目完整可运行代码](#2.3 项目完整可运行代码)
- [2.4 代码运行说明与项目优化](#2.4 代码运行说明与项目优化)
- - [2.4.1 运行步骤](#2.4.1 运行步骤)
  - [2.4.2 项目优化方向](#2.4.2 项目优化方向)
项目三：网络爆款文案生成项目
- [3.1 项目背景与需求分析](#3.1 项目背景与需求分析)
- - [3.1.1 核心需求](#3.1.1 核心需求)
  - [3.1.2 适用人群](#3.1.2 适用人群)
- [3.2 项目核心Prompt设计思路](#3.2 项目核心Prompt设计思路)
- [3.3 项目完整可运行代码](#3.3 项目完整可运行代码)
- [3.4 代码运行说明与项目优化](#3.4 代码运行说明与项目优化)
- - [3.4.1 运行步骤](#3.4.1 运行步骤)
  - [3.4.2 项目优化方向](#3.4.2 项目优化方向)
项目四：数据库查询SQL语句生成项目
- [4.1 项目背景与需求分析](#4.1 项目背景与需求分析)
- - [4.1.1 核心需求](#4.1.1 核心需求)
  - [4.1.2 适用人群](#4.1.2 适用人群)
- [4.2 项目核心Prompt设计思路](#4.2 项目核心Prompt设计思路)
- [4.3 项目完整可运行代码（带详细注释）](#4.3 项目完整可运行代码（带详细注释）)
- [4.4 代码运行说明与项目优化](#4.4 代码运行说明与项目优化)
- - [4.4.1 运行步骤](#4.4.1 运行步骤)
  - [4.4.2 项目优化方向](#4.4.2 项目优化方向)
项目五：旅游行程定制系统
- [5.1 项目背景与需求分析](#5.1 项目背景与需求分析)
- - [5.1.1 核心需求](#5.1.1 核心需求)
  - [5.1.2 适用人群](#5.1.2 适用人群)
- [5.2 项目核心Prompt设计思路](#5.2 项目核心Prompt设计思路)
- [5.3 项目完整可运行代码](#5.3 项目完整可运行代码)
- [5.4 代码运行说明与项目优化](#5.4 代码运行说明与项目优化)
- - [5.4.1 运行步骤](#5.4.1 运行步骤)
  - [5.4.2 项目优化方向](#5.4.2 项目优化方向)
项目六：影视推荐助手项目
- [6.1 项目背景与需求分析](#6.1 项目背景与需求分析)
- - [6.1.1 核心需求](#6.1.1 核心需求)
  - [6.1.2 适用人群](#6.1.2 适用人群)
- [6.2 项目核心Prompt设计思路](#6.2 项目核心Prompt设计思路)
- [6.3 项目完整可运行代码](#6.3 项目完整可运行代码)
- [6.4 代码运行说明与项目优化](#6.4 代码运行说明与项目优化)
- - [6.4.1 运行步骤](#6.4.1 运行步骤)
  - [6.4.2 项目优化方向](#6.4.2 项目优化方向)
- [AI 大模型基础教程目录大纲](#AI 大模型基础教程目录大纲)

前言

在大语言模型全面普及的当下，Prompt提示工程早已不是单纯的"AI指令编写"，而是能够直接落地、解决真实业务痛点、提升工作效率的核心工程化技能。不管是初入职场的初级开发者、深耕业务的中级工程师，还是专注效率提升的前端、后端、运维人员，亦或是想要玩转AI的爱好者，掌握实战化的提示工程能力，都能快速将大模型转化为专属生产力工具，替代重复性工作、简化复杂任务、缩短业务落地周期。

市面上多数提示工程内容，仍停留在基础理论、单一指令写法层面，缺乏完整的项目化实战体系，学习者往往学会了基础技巧，却不知道如何结合真实场景落地、如何封装标准化Prompt、如何搭建可复用的AI小工具。针对这一痛点，本文聚焦七大真实落地实战项目，覆盖办公提效、内容创作、研发落地、生活服务四大核心场景，从项目需求分析、Prompt结构化设计、核心代码封装、运行调试到优化迭代，全程手把手教学，所有代码均可直接运行、附带逐行详细注释，无需深厚机器学习基础，零基础也能上手落地。

本文涵盖会议纪要重点提取、短剧脚本生成、网络爆款文案生成、数据库SQL查询语句生成、旅游行程定制系统、影视推荐助手六大细分实战项目，外加全套工程化封装逻辑。全文兼顾理论与实战，既讲解Prompt设计核心逻辑，又提供可直接复用的项目源码，助力全岗位学习者快速掌握提示工程实战能力，真正实现学以致用。

阅读本文前，无需掌握复杂AI底层知识，只需具备基础Python语法、电脑环境可联网运行代码即可；针对前端、后端、运维岗位，文中也针对性适配了岗位专属场景，优化Prompt与代码逻辑，做到全场景适配、全人群易懂。接下来，我们将逐一拆解七大实战项目，开启Prompt提示工程落地实战之旅。

项目一：会议纪要重点提取项目

1.1 项目背景与需求分析

日常办公、项目研发、团队沟通中，会议是必不可少的环节，但会后整理会议纪要、提炼核心议题、待办事项、责任人、截止时间等关键信息，往往耗费大量时间，尤其针对时长较长、参会人数较多、议题繁杂的技术会议、项目复盘会，人工整理极易遗漏重点、效率低下。

本项目依托Prompt提示工程，搭建会议纪要智能重点提取工具，无需手动梳理冗长会议文本，只需导入会议录音转写文字、现场记录草稿，通过标准化Prompt引导大模型，快速提取核心内容，自动结构化输出，完美适配职场办公、研发会议、运维复盘等各类场景，解决会议纪要整理低效、易错的痛点。

1.1.1 核心需求

支持导入任意格式会议原始文本（无排版、口语化内容均可适配）

自动提取会议核心议题、参会核心人员、关键决策、待办任务

结构化输出：待办事项需明确责任人、截止时间、完成标准

剔除口语化废话、重复内容，保留精简核心信息

支持输出Markdown格式，方便直接保存、同步团队

代码可直接运行，支持本地调用、批量处理

1.1.2 适用人群

职场办公人员、前端/后端项目组、运维团队、产品经理，无需AI基础即可使用。

1.2 项目核心Prompt设计思路

本项目Prompt采用**"角色定位+任务约束+格式规范+输出要求"**四层结构化设计，贴合大模型理解逻辑，保证提取结果精准、格式统一：

角色定位：设定为专业会议纪要整理师，精通职场、技术会议内容梳理，擅长重点提炼
任务约束：严格基于输入的原始会议文本，不编造、不扩充、不遗漏核心信息
格式规范：固定输出模块，禁止随意调整结构
输出要求：精简无废话、结构化展示、标注清晰

1.3 项目完整可运行代码

本项目使用Python+主流大模型API实现，代码封装完整，支持替换API密钥即可运行，适配OpenAI系列、国内主流大模型，逐行添加注释，新手可直接修改使用。

python 复制代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
项目一：会议纪要重点提取项目
核心功能：输入原始会议文本，自动提取核心内容+结构化输出
适配场景：技术会议、项目例会、运维复盘、办公会议
代码说明：可直接运行，替换API_KEY即可使用，支持自定义输出格式
"""
# 导入依赖库
import openai
import os
from typing import Dict, Any

# ------------------- 配置区（用户只需修改此处）-------------------
# 大模型API密钥，建议使用环境变量，避免密钥泄露
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY", "此处填写你的大模型API密钥")
# 国内大模型可替换Base_URL，例如https://api.deepseek.com/v1 等
BASE_URL = "https://api.openai.com/v1"
# 模型选型，基础任务gpt-3.5-turbo足够，精度要求高可换gpt-4o
MODEL_NAME = "gpt-3.5-turbo"
# ----------------------------------------------------------------

# 初始化大模型配置
openai.api_key = OPENAI_API_KEY
openai.base_url = BASE_URL


def extract_meeting_minutes(meeting_raw_text: str) -> str:
    """
    会议纪要重点提取核心函数
    :param meeting_raw_text: 原始会议文本（口语化、无排版均可）
    :return: 结构化会议重点内容（Markdown格式）
    """
    # ------------- 项目核心：标准化Prompt -------------
    prompt = f"""
    角色定位：你是一名资深专业会议纪要整理师，精通技术研发、运维、职场各类会议内容梳理，擅长精准提取重点、剔除冗余信息。
    任务要求：
    1. 严格基于下方【原始会议文本】内容，不编造、不脑补、不新增原文没有的信息
    2. 自动剔除口语化词汇、重复语句、无关闲聊内容
    3. 按照固定结构提取核心内容，不得随意更改模块顺序
    4. 待办事项必须明确：任务内容、责任人、截止时间、完成标准，无信息标注【待补充】
    5. 最终输出纯Markdown格式，无多余解释、无开场白、无结尾话术

    输出固定结构：
    # 会议纪要核心内容
    ## 一、会议基本信息
    - 会议主题：
    - 核心参会人：
    ## 二、会议核心议题
    1. xxx
    2. xxx
    ## 三、会议关键决策
    1. xxx
    2. xxx
    ## 四、待办任务清单
    | 任务序号 | 任务内容 | 责任人 | 截止时间 | 完成标准 |
    | -------- | -------- | ------ | -------- | -------- |
    | 1        | xxx      | xxx    | xxx      | xxx      |
    ## 五、其他备注

    【原始会议文本】：
    {meeting_raw_text}
    """

    try:
        # 调用大模型接口
        response = openai.chat.completions.create(
            model=MODEL_NAME,
            messages=[{"role": "user", "content": prompt}],
            # 技术/办公类精准任务，temperature设为0.1，保证输出严谨不发散
            temperature=0.1,
            max_tokens=2048,
            top_p=0.95
        )
        # 获取返回结果并去除空白字符
        result = response.choices[0].message.content.strip()
        return result

    except Exception as e:
        return f"会议纪要提取失败，错误原因：{str(e)}"


# ------------------- 项目测试入口 -------------------
if __name__ == "__main__":
    # 测试用原始会议文本（可替换为自己的会议内容）
    test_meeting_text = """
    今天开一个后端项目迭代会议，参会的有后端开发小张、前端小李、运维老王、产品经理小刘。
    首先说一下本次迭代的核心需求，就是优化用户登录接口，解决之前的响应慢问题，然后还要修复移动端页面适配的bug。
    小张负责优化登录接口，要在3月30号之前完成，必须把接口响应时间压缩到200ms以内。
    小李负责修改移动端适配bug，截止时间也是3月30号，要兼容安卓和iOS所有主流机型。
    老王负责上线前的服务器压力测试，得在4月1号完成，出具测试报告。
    另外，下次会议定在4月2号，复盘本次迭代结果，还有就是接口优化完要同步给测试团队。
    对了，中途还有一些闲聊，大家说了下最近的工作进度，没什么别的重要内容了。
    """

    # 执行提取函数
    meeting_result = extract_meeting_minutes(test_meeting_text)
    # 打印结果
    print("=" * 50)
    print("结构化会议纪要提取结果")
    print("=" * 50)
    print(meeting_result)

1.4 代码运行说明与项目优化

1.4.1 运行步骤

安装依赖库：执行pip install openai安装所需包

替换代码中API_KEY为自己的大模型密钥

将test_meeting_text替换为真实会议原始文本

运行代码，直接输出结构化Markdown会议纪要

1.4.2 项目优化方向

支持txt文件导入：新增文件读取功能，直接读取本地会议纪要文件

批量处理：支持遍历文件夹，批量提取多份会议纪要

结果导出：新增Markdown文件保存功能，直接生成本地文档

岗位适配：针对运维会议，新增故障排查、服务器运维相关专项提取模块

项目二：短剧脚本生成项目

2.1 项目背景与需求分析

当下短视频、短剧赛道飞速发展，无论是自媒体创作者、影视工作室，还是企业宣传、职场短视频创作，都需要大量轻量化、高剧情张力、易拍摄的短剧脚本。但人工撰写短剧脚本存在创意匮乏、排版不规范、剧情节奏把控差、撰写效率低等问题，尤其对于零基础创作人群、职场宣传人员，很难快速产出合格脚本。

本项目基于Prompt提示工程，打造智能短剧脚本生成工具，只需输入短剧主题、时长、风格、核心剧情、人物设定，即可快速生成标准化、可直接拍摄的分镜短剧脚本，适配抖音、快手、视频号等全平台短剧创作，同时支持职场宣传短剧、剧情类短视频、反转短剧等多类型脚本生成，彻底解决短剧创作门槛高、效率低的痛点。

2.1.1 核心需求

支持自定义短剧类型：反转剧、情感剧、职场剧、搞笑剧、宣传短剧、悬疑短剧等

支持自定义时长：15秒、30秒、60秒、3分钟、5分钟等短视频/短剧适配

支持自定义人物设定：人物姓名、身份、性格、台词风格

生成标准化分镜脚本：包含镜号、景别、画面内容、台词、音效、时长拆分

剧情节奏紧凑，贴合平台流量逻辑，支持反转、高潮等剧情设计

脚本格式规范，可直接导出使用，无需二次排版

代码可运行，支持自定义参数调整，零基础可操作

2.1.2 适用人群

自媒体创作者、短视频运营、企业宣传人员、AI爱好者、职场短视频创作者，无编剧基础均可快速上手。

2.2 项目核心Prompt设计思路

本项目Prompt采用**"角色定位+创作约束+参数传入+格式固化+剧情要求"**五层结构化设计，兼顾创意性与规范性，既保证剧情有张力，又能输出标准化拍摄脚本：

角色定位：设定为资深短视频短剧编剧，精通全平台流量逻辑，擅长紧凑剧情、分镜脚本撰写
创作约束：严格按照用户输入的主题、时长、人物设定创作，不偏离核心需求
参数传入：兼容用户自定义的各类创作参数，适配多场景需求
格式固化：固定分镜脚本格式，严禁随意更改排版，方便直接拍摄使用
剧情要求：节奏紧凑、冲突清晰、结尾点题，贴合短视频平台传播特性

2.3 项目完整可运行代码

python 复制代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
项目二：短剧脚本生成项目
核心功能：自定义参数，一键生成标准化分镜短剧脚本
适配场景：短视频短剧、企业宣传、职场剧情视频、自媒体创作
代码说明：替换API密钥即可运行，支持自定义各类创作参数
"""
# 导入依赖库
import openai
import os

# ------------------- 配置区（用户只需修改此处）-------------------
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY", "此处填写你的大模型API密钥")
BASE_URL = "https://api.openai.com/v1"
# 文案创作类可适当调高temperature，提升创意，0.3-0.5最佳
MODEL_NAME = "gpt-3.5-turbo"
# ----------------------------------------------------------------

# 初始化大模型配置
openai.api_key = OPENAI_API_KEY
openai.base_url = BASE_URL


def generate_short_drama_script(
        drama_type: str,
        duration: str,
        character_setting: str,
        core_theme: str,
        has_plot_twist: bool = True
) -> str:
    """
    短剧分镜脚本生成核心函数
    :param drama_type: 短剧类型（搞笑/反转/情感/职场/宣传/悬疑）
    :param duration: 总时长（15s/30s/60s/3min/5min）
    :param character_setting: 人物设定（姓名+身份+性格）
    :param core_theme: 核心剧情主题
    :param has_plot_twist: 是否包含反转剧情，默认开启
    :return: 标准化分镜短剧脚本
    """
    # 反转剧情补充描述
    twist_desc = "必须包含高能反转剧情，结尾出人意料且贴合主题" if has_plot_twist else "剧情流畅，逻辑清晰，无强制反转"

    # ------------- 项目核心：标准化Prompt -------------
    prompt = f"""
    角色定位：你是拥有5年短视频编剧经验的资深短剧编剧，精通抖音、快手、视频号全平台流量逻辑，擅长撰写轻量化、高传播、易拍摄的分镜短剧脚本，排版极致规范，时长把控精准。
    创作要求：
    1. 严格按照以下用户输入参数创作，绝不偏离设定，不擅自修改人物、主题、时长
    2. 脚本节奏紧凑，{twist_desc}，无冗余台词、无拖沓剧情
    3. 严格按照【分镜脚本标准格式】输出，包含镜号、景别、画面、台词、音效、单段时长
    4. 总时长严格控制在{duration}，每一段镜头时长拆分合理，贴合拍摄逻辑
    5. 台词口语化、接地气，符合人物性格，画面描述简洁易懂，适合实景拍摄
    6. 输出纯Markdown表格格式，无多余开场白、无解释、无无关话术

    用户创作参数：
    短剧类型：{drama_type}
    总时长：{duration}
    人物设定：{character_setting}
    核心主题：{core_theme}

    固定输出格式（严格遵照，不得修改）：
    # {duration}{drama_type}短剧脚本
    ## 基础信息
    - 短剧类型：
    - 总时长：
    - 核心人物：
    - 剧情简介：

    ## 分镜拍摄脚本
    | 镜号 | 景别（全景/近景/特写/中景） | 画面内容 | 人物台词 | 音效/背景音乐 | 单段时长 |
    | ---- | ---------------------------- | -------- | -------- | ------------- | -------- |
    | 1    | xxx                          | xxx      | xxx      | xxx           | xxx      |
    """

    try:
        # 调用大模型接口
        response = openai.chat.completions.create(
            model=MODEL_NAME,
            messages=[{"role": "user", "content": prompt}],
            # 创作类任务，温度值适中，兼顾创意与逻辑
            temperature=0.4,
            max_tokens=3000,
            top_p=0.9
        )
        result = response.choices[0].message.content.strip()
        return result

    except Exception as e:
        return f"短剧脚本生成失败，错误原因：{str(e)}"


# ------------------- 项目测试入口 -------------------
if __name__ == "__main__":
    # 自定义创作参数（可自行修改）
    test_drama_type = "职场反转短剧"
    test_duration = "60秒"
    test_character = "小李：职场新人，性格内向但做事认真；王经理：部门领导，看似严厉实则暖心"
    test_core_theme = "新人加班被误解，最后靠细心完成关键工作，获得领导认可"

    # 生成脚本
    drama_result = generate_short_drama_script(
        drama_type=test_drama_type,
        duration=test_duration,
        character_setting=test_character,
        core_theme=test_core_theme,
        has_plot_twist=True
    )

    # 打印结果
    print("=" * 60)
    print("短剧分镜脚本生成结果")
    print("=" * 60)
    print(drama_result)

2.4 代码运行说明与项目优化

2.4.1 运行步骤

执行pip install openai安装依赖，已安装可跳过

替换代码中的API_KEY为个人密钥

修改测试入口的短剧类型、时长、人物、主题参数

运行代码，直接生成可拍摄的分镜脚本

2.4.2 项目优化方向

新增场景适配：针对室内、室外、职场、居家等拍摄场景做专项优化

台词风格定制：支持严肃、搞笑、文艺、接地气等风格切换

脚本导出：新增txt/word文档导出功能，方便线下拍摄使用

批量生成：支持一次性生成多版本脚本，自主选择最优内容

项目三：网络爆款文案生成项目

3.1 项目背景与需求分析

不管是自媒体运营、电商带货、企业品牌宣传、前端页面文案、后端接口文档宣传语、运维工具推广，还是日常朋友圈、短视频文案，都需要具备吸引力、高传播度、贴合平台规则的爆款文案。人工撰写文案容易陷入同质化、吸引力不足、平台流量不匹配、效率低下等问题，尤其对于技术岗位人群（前端、后端、运维），日常工作中需要撰写宣传文案、项目介绍、工具说明时，往往缺乏文案创作思路。

本项目依托Prompt提示工程，搭建全场景网络爆款文案生成工具，覆盖短视频文案、电商文案、朋友圈文案、品牌宣传、项目介绍、技术工具推广等全场景，支持自定义平台、风格、字数、卖点，一键生成高传播、高点击的爆款文案，兼顾技术岗位与日常创作需求，零基础也能产出优质文案。

3.1.1 核心需求

支持全场景适配：短视频、电商、朋友圈、技术项目推广、企业宣传、公众号等

支持自定义文案风格：爆款吸睛、简洁干练、文艺感性、幽默搞笑、专业严谨

支持自定义字数、文案条数、是否带话题标签

针对技术岗位：生成技术项目介绍、运维工具宣传、前端页面宣传、后端服务推广文案

文案自带流量属性，贴合平台算法，杜绝违规、同质化内容

支持批量生成，格式整洁，可直接复制使用

代码可运行，参数修改简单，适配全人群使用

3.1.2 适用人群

自媒体运营、电商从业者、市场宣传、前端/后端/运维工程师、AI爱好者、职场文案需求人群。

3.2 项目核心Prompt设计思路

本项目Prompt采用**"角色定位+场景约束+风格定义+卖点提炼+格式要求"**模块化设计，兼顾传播性与专业性，针对技术岗位额外增加专业严谨性约束，避免文案过于浮夸：

角色定位：资深爆款文案策划，精通全平台流量算法，擅长高点击、高传播文案撰写
场景约束：严格匹配对应发布平台、使用场景，符合平台文案规则
风格定义：精准贴合用户设定风格，技术场景额外强化专业、严谨属性
卖点提炼：自动提炼核心亮点，开头吸睛、结尾引导，提升传播效果
格式要求：简洁无冗余，按需添加话题、标签，方便直接发布

3.3 项目完整可运行代码

python 复制代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
项目三：网络爆款文案生成项目
核心功能：全场景、多风格、批量生成爆款文案，适配技术+日常场景
适配场景：短视频、电商、技术推广、职场宣传、公众号、朋友圈
代码说明：API密钥替换即可运行，支持自定义各类文案参数
"""
# 导入依赖库
import openai
import os

# ------------------- 配置区 -------------------
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY", "此处填写你的大模型API密钥")
BASE_URL = "https://api.openai.com/v1"
MODEL_NAME = "gpt-3.5-turbo"
# --------------------------------------------

openai.api_key = OPENAI_API_KEY
openai.base_url = BASE_URL


def generate_hot_copywriting(
        copy_scenario: str,
        copy_style: str,
        core_selling_point: str,
        word_count: int,
        generate_num: int = 3,
        need_topic: bool = True
) -> str:
    """
    爆款文案生成核心函数
    :param copy_scenario: 文案使用场景（短视频/电商/技术推广/朋友圈/公众号/运维工具宣传）
    :param copy_style: 文案风格（爆款吸睛/专业严谨/幽默搞笑/文艺简洁）
    :param core_selling_point: 核心卖点/主题/介绍内容
    :param word_count: 单条文案字数
    :param generate_num: 生成条数，默认3条
    :param need_topic: 是否需要话题标签，默认需要
    :return: 批量格式化文案
    """
    # 话题标签补充描述
    topic_desc = "每条文案末尾按需添加相关热门话题标签，技术类文案添加专业相关标签" if need_topic else "不添加任何话题标签"

    # 技术场景专项约束，保证文案专业性
    tech_constraint = ""
    if "技术" in copy_scenario or "运维" in copy_scenario or "前端" in copy_scenario or "后端" in copy_scenario:
        tech_constraint = "文案必须专业、严谨，杜绝夸大宣传，表述精准贴合技术内容，符合工程师阅读习惯"

    # ------------- 核心Prompt -------------
    prompt = f"""
    角色定位：你是拥有多年经验的爆款文案策划师，精通各大内容平台流量算法，擅长撰写高点击、高传播、高转化的文案，同时精通技术类文案撰写，兼顾专业性与传播性。
    创作要求：
    1. 场景：严格适配{copy_scenario}场景，符合平台文案规范
    2. 风格：{copy_style}，{tech_constraint}
    3. 核心内容：围绕【{core_selling_point}】创作，突出亮点，开头吸睛抓人眼球
    4. 字数：单条文案严格控制在{word_count}字，上下浮动不超过5字
    5. 数量：一次性生成{generate_num}条不同思路的文案，不重复、不雷同
    6. 格式：每条文案编号排序，简洁干练，无冗余内容，{topic_desc}
    7. 禁止违规、敏感内容，文案可直接发布使用

    输出格式：
    # 全场景爆款文案
    ## 场景：{copy_scenario} | 风格：{copy_style}
    1. xxx
    2. xxx
    3. xxx
    """

    try:
        response = openai.chat.completions.create(
            model=MODEL_NAME,
            messages=[{"role": "user", "content": prompt}],
            temperature=0.5,
            max_tokens=2048,
            top_p=0.92
        )
        result = response.choices[0].message.content.strip()
        return result

    except Exception as e:
        return f"文案生成失败，错误原因：{str(e)}"


# ------------------- 测试入口 -------------------
if __name__ == "__main__":
    # 日常爆款文案测试
    print("---------- 日常爆款文案生成 ----------")
    daily_result = generate_hot_copywriting(
        copy_scenario="短视频文案",
        copy_style="爆款吸睛",
        core_selling_point="Prompt提示工程实战教程，零基础玩转AI，提升工作效率",
        word_count=50,
        generate_num=3,
        need_topic=True
    )
    print(daily_result)

    # 技术岗位文案测试（运维/前端/后端专用）
    print("n---------- 技术类文案生成 ----------")
    tech_result = generate_hot_copywriting(
        copy_scenario="运维工具推广",
        copy_style="专业严谨",
        core_selling_point="自动化运维脚本工具，一键部署、日志排查、服务器监控，提升运维效率",
        word_count=60,
        generate_num=3,
        need_topic=True
    )
    print(tech_result)

3.4 代码运行说明与项目优化

3.4.1 运行步骤

配置openai依赖，替换API密钥

修改场景、风格、核心内容、字数等参数

运行代码，批量生成文案，直接复制发布

3.4.2 项目优化方向

岗位专属文案库：预置前端、后端、运维常用文案模板，一键调用

文案校验：新增违规词检测，规避平台违规内容

字数精准控制：优化逻辑，实现字数零误差

格式自定义：支持加粗、分段、表情符号等格式定制

项目四：数据库查询SQL语句生成项目

4.1 项目背景与需求分析

数据库操作是后端、运维、数据分析师的核心工作，编写SQL查询语句看似基础，却经常出现语法错误、逻辑混乱、查询效率低、不会编写复杂查询（多表联查、分组、聚合、子查询）等问题。初级开发者、运维人员往往对复杂SQL语法不熟练，手动编写耗时费力，还容易出现慢查询、语法报错等问题，影响业务运行。

本项目基于Prompt提示工程，打造智能SQL查询语句生成工具，只需输入数据库表结构、查询需求、查询条件、排序分组要求，即可一键生成标准、可直接运行、语法规范、带优化建议的SQL语句，同时适配MySQL、Oracle、PostgreSQL等主流数据库，支持单表查询、多表联查、子查询、聚合查询等复杂场景，彻底解决SQL编写难、易出错、效率低的痛点。

4.1.1 核心需求

支持主流数据库：MySQL、Oracle、PostgreSQL、SQL Server

支持各类查询场景：单表查询、条件查询、多表联查、分组聚合、子查询、排序分页

输入表结构+查询需求，自动生成语法规范的SQL语句

生成SQL附带详细注释、字段说明，方便理解修改

自动给出SQL优化建议，避免慢查询、语法错误

支持校验SQL语法，提示错误风险

代码可运行，适配后端、运维、数据岗位日常使用

4.1.2 适用人群

后端开发者、运维工程师、数据分析师、初级开发者、数据库初学者，无需精通复杂SQL语法即可使用。

4.2 项目核心Prompt设计思路

本项目Prompt采用**"角色定位+语法约束+需求解析+格式规范+优化要求"**工程化设计，全程贴合数据库开发规范，保证SQL语法严谨、可直接运行、性能最优：

角色定位：资深数据库开发工程师，精通主流数据库SQL语法、查询优化、规范编写
语法约束：严格适配对应数据库语法，杜绝语法错误、不规范写法
需求解析：精准理解查询需求，完整还原查询逻辑，不遗漏条件
格式规范：SQL语句格式化、添加详细注释、关键字大写，符合开发规范
优化要求：自动给出索引优化、查询效率优化建议，避免慢查询

4.3 项目完整可运行代码（带详细注释）

python 复制代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
项目四：数据库查询SQL语句生成项目
核心功能：输入表结构+查询需求，生成可运行、带注释、优化后的SQL语句
适配场景：后端开发、运维排查、数据分析、数据库查询
支持数据库：MySQL/Oracle/PostgreSQL/SQL Server
"""
# 导入依赖库
import openai
import os

# ------------------- 配置区 -------------------
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY", "此处填写你的大模型API密钥")
BASE_URL = "https://api.openai.com/v1"
# 技术代码类任务，temperature设为0.1，保证语法100%精准
MODEL_NAME = "gpt-3.5-turbo"
# --------------------------------------------

openai.api_key = OPENAI_API_KEY
openai.base_url = BASE_URL


def generate_sql_query(
        db_type: str,
        table_structure: str,
        query_requirement: str
) -> str:
    """
    智能SQL生成核心函数
    :param db_type: 数据库类型（MySQL/Oracle/PostgreSQL/SQL Server）
    :param table_structure: 数据库表名+字段结构（必填）
    :param query_requirement: 详细查询需求（条件、分组、排序、联查等）
    :return: 标准SQL语句+注释+优化建议
    """
    # ------------- 核心Prompt -------------
    prompt = f"""
    角色定位：你是资深数据库开发工程师，精通{db_type}数据库语法规范、SQL编写、查询性能优化，拥有多年后端开发、运维数据库实操经验，编写的SQL语法严谨、可直接运行、格式规范。
    任务要求：
    1. 严格根据【表结构】和【查询需求】，生成适配{db_type}的标准SQL查询语句
    2. SQL关键字大写，语句格式化排版，每一段逻辑添加详细注释
    3. 确保SQL无语法错误、无逻辑漏洞，可直接在数据库运行
    4. 如果是多表联查、复杂查询，保证逻辑通顺、关联字段准确
    5. 生成SQL后，额外给出对应的优化建议（索引添加、查询效率提升等）
    6. 输出格式固定，无多余解释、无无关话术，纯技术内容

    输入信息：
    数据库类型：{db_type}
    表结构（含字段名、字段类型、主键）：{table_structure}
    查询需求：{query_requirement}

    固定输出格式：
    # SQL查询语句生成结果
    ## 一、数据库与表信息
    - 数据库类型：
    - 涉及表名：
    ## 二、可直接运行SQL语句
    ```sql
    -- 此处为详细注释，说明SQL作用
    SELECT 字段 FROM 表名 WHERE 条件;
    ```
    ## 三、SQL语句说明
    1. xxx
    2. xxx
    ## 四、数据库优化建议
    1. xxx
    2. xxx
    """

    try:
        response = openai.chat.completions.create(
            model=MODEL_NAME,
            messages=[{"role": "user", "content": prompt}],
            temperature=0.1,
            max_tokens=2500,
            top_p=0.95
        )
        result = response.choices[0].message.content.strip()
        return result

    except Exception as e:
        return f"SQL生成失败，错误原因：{str(e)}"


# ------------------- 测试入口 -------------------
if __name__ == "__main__":
    # 测试参数：表结构+查询需求（后端/运维常用场景）
    test_db_type = "MySQL"
    # 表结构：用户表+订单表，模拟多表联查场景
    test_table_struct = """
    1. user表：uid(INT主键，用户ID)、username(VARCHAR，用户名)、age(TINYINT，年龄)、phone(VARCHAR，手机号)
    2. order表：oid(INT主键，订单ID)、uid(INT，关联user表uid)、order_price(DECIMAL，订单金额)、create_time(DATETIME，订单时间)
    """
    # 查询需求：多表联查，查询20-30岁用户的订单信息，按订单时间倒序，分页查询
    test_query_req = "查询20-30岁用户的用户名、手机号、订单金额、订单时间，关联用户表和订单表，按订单创建时间倒序，分页查询第1页，每页10条数据"

    # 生成SQL
    sql_result = generate_sql_query(test_db_type, test_table_struct, test_query_req)
    print("=" * 60)
    print("智能SQL生成结果")
    print("=" * 60)
    print(sql_result)

4.4 代码运行说明与项目优化

4.4.1 运行步骤

配置openai依赖，替换API密钥

录入数据库类型、完整表结构、详细查询需求

运行代码，直接生成带注释、可运行的SQL语句

4.4.2 项目优化方向

新增SQL语法校验：本地预校验SQL语法，提前排查错误

支持增删改查全语句：覆盖INSERT、UPDATE、DELETE、ALTER等操作

运维专项优化：新增数据库巡检、日志查询、数据清理专用SQL

批量SQL生成：支持一次性生成多业务场景SQL语句

项目五：旅游行程定制系统

5.1 项目背景与需求分析

日常出行、假期旅游时，定制行程需要花费大量时间查询攻略、规划路线、安排食宿、把控预算，对于上班族、旅行爱好者来说，手动规划行程效率极低，且容易出现路线不合理、时间浪费、预算超支等问题。而市面上的旅行攻略大多同质化严重，无法贴合个人出行天数、预算、出行方式、喜好等个性化需求。

本项目基于Prompt提示工程，搭建AI智能旅游行程定制系统，只需输入目的地、出行天数、出行人数、预算、出行方式、游玩偏好，即可一键生成精细化、可直接落地的每日旅行行程，涵盖路线规划、景点打卡、食宿推荐、预算分配、时间安排，适配亲子游、情侣游、独自旅行、商务出行等全场景，打造专属个性化旅行方案。

5.1.1 核心需求

支持自定义目的地、出行天数、出行人数、预算范围

支持出行方式：自驾、高铁、飞机、公共交通

支持游玩偏好：网红打卡、自然风光、人文历史、美食探店、休闲躺平、小众深度

支持场景适配：亲子、情侣、独自、老人、商务出行

生成每日精细化行程：时间点、景点、交通、食宿、预算、注意事项

行程规划合理，不赶时间、路线顺畅、贴合预算

代码可运行，参数自定义，AI爱好者可二次开发

5.1.2 适用人群

旅行爱好者、上班族、亲子家庭、AI爱好者、需要定制出行方案的全人群。

5.2 项目核心Prompt设计思路

本项目Prompt采用**"角色定位+个性化参数+规划约束+格式细化"**设计，依托大模型本地旅行知识库，保证行程实用性、合理性：

角色定位：资深旅行规划师，精通全国及全球目的地，擅长个性化、高性价比行程规划
个性化参数：完整接入用户出行参数，全方位贴合个人需求
规划约束：路线合理、时间宽松、预算精准、规避旅行坑点
格式细化：按天拆分行程，细化到时间段，信息全面清晰

5.3 项目完整可运行代码

python 复制代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
项目五：AI旅游行程定制系统
核心功能：输入出行参数，一键生成精细化、个性化每日旅行行程
适配场景：休闲旅行、亲子出行、情侣旅行、独自旅行、商务出行
代码说明：替换API密钥即可运行，支持全参数自定义
"""
# 导入依赖库
import openai
import os

# ------------------- 配置区 -------------------
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY", "此处填写你的大模型API密钥")
BASE_URL = "https://api.openai.com/v1"
MODEL_NAME = "gpt-3.5-turbo"
# --------------------------------------------

openai.api_key = OPENAI_API_KEY
openai.base_url = BASE_URL


def generate_travel_plan(
        destination: str,
        travel_days: int,
        people_num: int,
        budget: str,
        travel_type: str,
        travel_preference: str
) -> str:
    """
    旅游行程定制核心函数
    :param destination: 旅行目的地（城市/景区）
    :param travel_days: 出行天数
    :param people_num: 出行人数
    :param budget: 总预算
    :param travel_type: 出行方式（自驾/高铁/飞机/公共交通）
    :param travel_preference: 旅行偏好+人群场景（亲子/情侣/自然风光/美食探店）
    :return: 精细化每日旅行行程
    """
    # ------------- 核心Prompt -------------
    prompt = f"""
    角色定位：你是拥有10年旅行规划经验的资深金牌旅行规划师，走遍国内外各大目的地，精通各类场景行程规划，擅长制定高性价比、路线顺畅、时间合理、无坑点的个性化旅行行程。
    规划要求：
    1. 严格按照用户出行参数制定行程，全程贴合预算、人数、偏好、出行方式
    2. 行程按天拆分，细化到【上午、下午、晚上】三个时间段
    3. 每个时间段包含：游玩景点、交通方式、美食推荐、住宿建议、预算参考、注意事项
    4. 路线规划顺畅不绕路，时间安排宽松不赶场，贴合{travel_preference}偏好
    5. 标注出行小贴士、避坑指南、当地特色
    6. 输出格式清晰，Markdown排版，可直接保存使用，无多余废话

    用户出行参数：
    目的地：{destination}
    出行天数：{travel_days}天
    出行人数：{people_num}人
    总预算：{budget}
    出行方式：{travel_type}
    人群&偏好：{travel_preference}

    固定输出格式：
    # AI定制旅行行程
    ## 出行基础信息
    - 目的地：
    - 出行天数：
    - 出行人群：
    - 总预算：
    - 出行方式：
    - 旅行偏好：

    ## Day1 行程安排
    ### 上午
    - 行程：
    - 交通：
    - 预算：
    ### 下午
    - 行程：
    - 美食：
    - 预算：
    ### 晚上
    - 住宿：
    - 休闲：
    - 预算：
    ## 行程避坑小贴士
    1. xxx
    2. xxx
    """

    try:
        response = openai.chat.completions.create(
            model=MODEL_NAME,
            messages=[{"role": "user", "content": prompt}],
            temperature=0.6,
            max_tokens=3500,
            top_p=0.9
        )
        result = response.choices[0].message.content.strip()
        return result

    except Exception as e:
        return f"行程规划失败，错误原因：{str(e)}"


# ------------------- 测试入口 -------------------
if __name__ == "__main__":
    # 自定义出行参数
    test_destination = "山东青岛"
    test_travel_days = 3
    test_people_num = 2
    test_budget = "2000元"
    test_travel_type = "高铁"
    test_travel_preference = "情侣出行+海鲜美食+海边风光+休闲不赶场"

    # 生成行程
    travel_result = generate_travel_plan(
        destination=test_destination,
        travel_days=test_travel_days,
        people_num=test_people_num,
        budget=test_budget,
        travel_type=test_travel_type,
        travel_preference=test_travel_preference
    )

    print("=" * 60)
    print("AI定制旅行行程")
    print("=" * 60)
    print(travel_result)

5.4 代码运行说明与项目优化

5.4.1 运行步骤

配置openai依赖，替换API密钥

完善目的地、天数、预算、出行方式等参数

运行代码，生成精细化行程，直接保存使用

5.4.2 项目优化方向

新增天气适配：结合目的地天气，优化行程安排

季节专项：根据出行季节，推荐对应游玩项目

导出功能：生成PDF/Markdown文件，方便离线查看

本地部署：适配开源大模型，实现本地离线行程规划

项目六：影视推荐助手项目

6.1 项目背景与需求分析

日常休闲观影时，很多人面临"片荒"问题，不知道有哪些优质影视、找不到贴合自己喜好的作品、全网找推荐耗时费力，而且普通影视推荐缺乏个性化，无法精准匹配个人偏好。对于AI爱好者，还可以将本项目二次开发为对话式推荐助手，实现个性化、精准化影视推荐。

本项目基于Prompt提示工程，打造个性化影视推荐助手，只需输入喜欢的影视类型、风格、演员、年代，或者参考影视名称，即可精准推荐高分电影、电视剧、综艺、动漫，同时附带推荐理由、评分、演员阵容、剧情简介，支持过滤烂片、精准匹配喜好，打造专属观影清单。

6.1.1 核心需求

支持自定义类型：电影、电视剧、综艺、动漫、纪录片

支持自定义风格：悬疑、喜剧、爱情、科幻、动作、治愈、职场等

支持按年代、演员、地区、评分筛选推荐

支持根据参考影视，推荐同类型高分作品

每条推荐附带：名称、评分、演员、剧情简介、推荐理由

过滤低分烂片，只推荐高分优质作品

代码可运行，支持对话式交互，AI爱好者可二次开发

6.1.2 适用人群

追剧观影爱好者、AI爱好者、日常休闲人群，零基础可直接使用。

6.2 项目核心Prompt设计思路

本项目Prompt采用**"角色定位+偏好匹配+推荐约束+格式规范"**设计，依托大模型影视知识库，实现精准个性化推荐：

角色定位：资深影视鉴赏师，精通各类影视内容，掌握全网高分影视库
偏好匹配：精准对接用户喜好，过滤不相关内容
推荐约束：优先推荐高分优质作品，信息准确、不剧透
格式规范：信息完整、排版清晰，方便用户筛选

6.3 项目完整可运行代码

python 复制代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
项目六：个性化影视推荐助手项目
核心功能：根据个人喜好，精准推荐高分电影、电视剧、动漫、综艺
适配场景：日常观影、片荒找剧、个性化推荐
代码说明：API密钥替换即可运行，支持多维度筛选
"""
# 导入依赖库
import openai
import os

# ------------------- 配置区 -------------------
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY", "此处填写你的大模型API密钥")
BASE_URL = "https://api.openai.com/v1"
MODEL_NAME = "gpt-3.5-turbo"
# --------------------------------------------

openai.api_key = OPENAI_API_KEY
openai.base_url = BASE_URL


def movie_recommendation(
        media_type: str,
        style: str,
        score_limit: float = 7.0,
        reference_work: str = ""
) -> str:
    """
    影视推荐核心函数
    :param media_type: 影视类型（电影/电视剧/动漫/综艺/纪录片）
    :param style: 影视风格（悬疑/喜剧/科幻/治愈/动作/职场等）
    :param score_limit: 最低评分限制，默认7.0分
    :param reference_work: 参考作品（选填，输入后推荐同类型）
    :return: 个性化影视推荐清单
    """
    # 参考作品补充描述
    ref_desc = f"严格按照【{reference_work}】同类型、同风格推荐高分作品" if reference_work else "按照指定风格类型推荐"

    # ------------- 核心Prompt -------------
    prompt = f"""
    角色定位：你是资深专业影视鉴赏师，拥有海量影视库储备，精通各类影视评分、剧情、演员信息，擅长精准匹配用户喜好，推荐高分优质影视，绝不剧透、不推荐低分烂片。
    推荐要求：
    1. {ref_desc}，类型：{media_type}，风格：{style}
    2. 只推荐评分大于等于{score_limit}分的优质作品
    3. 一次性推荐5部，信息准确无误，不重复、不冷门偏门
    4. 每部作品包含：名称、豆瓣/IMDB评分、主演阵容、简短剧情简介、推荐理由
    5. 输出格式清晰，Markdown排版，无多余废话、无无关内容
    6. 严禁剧透核心剧情，简介简洁易懂

    输出格式：
    # 个性化影视推荐清单
    ## 推荐条件
    - 类型：
    - 风格：
    - 最低评分：
    - 参考作品：

    ## 推荐列表
    ### 1. 影视名称
    - 评分：
    - 主演：
    - 剧情简介：
    - 推荐理由：
    """

    try:
        response = openai.chat.completions.create(
            model=MODEL_NAME,
            messages=[{"role": "user", "content": prompt}],
            temperature=0.5,
            max_tokens=3000,
            top_p=0.9
        )
        result = response.choices[0].message.content.strip()
        return result

    except Exception as e:
        return f"影视推荐失败，错误原因：{str(e)}"


# ------------------- 测试入口 -------------------
if __name__ == "__main__":
    # 测试参数1：按类型风格推荐
    print("---------- 按风格推荐影视 ----------")
    result1 = movie_recommendation(
        media_type="电影",
        style="悬疑推理",
        score_limit=7.5,
        reference_work=""
    )
    print(result1)

    # 测试参数2：按参考作品推荐
    print("n---------- 按同类型作品推荐 ----------")
    result2 = movie_recommendation(
        media_type="电视剧",
        style="职场治愈",
        score_limit=8.0,
        reference_work="《平凡之路》"
    )
    print(result2)

6.4 代码运行说明与项目优化

6.4.1 运行步骤

配置openai依赖，替换API密钥

设置影视类型、风格、评分、参考作品参数

运行代码，获取精准影视推荐清单

6.4.2 项目优化方向

对话式交互：改成循环对话，支持用户追加筛选条件

观看渠道：新增影视观看平台、渠道推荐

历史记录：添加推荐历史，避免重复推荐

本地部署：接入开源大模型，实现离线推荐

🌟 感谢您耐心阅读到这里！

🚀 技术成长没有捷径，但每一次的阅读、思考和实践，都在默默缩短您与成功的距离。

💡 如果本文对您有所启发，欢迎点赞👍、收藏📌、分享📤给更多需要的伙伴！

🗣️ 期待在评论区看到您的想法、疑问或建议，我会认真回复，让我们共同探讨、一起进步～

🔔 关注我，持续获取更多干货内容！

🤗 我们下篇文章见！

AI 大模型基础教程目录大纲

第一章：Python3 基础入门：从零基础到实战精通
 第二章：Python3 之列表与元组
 第三章：Python3 之字符串
 第四章：Python3 之字典
 第五章：Python3 之条件、循环和其他语句
 第六章：Python3 之函数【从基础入门到底层原理】
第七章：Python3 之面向对象编程
 第八章：Python3 之异常与文件处理【从基础入门到底层原理+项目实战】
第九章：AI大模型基础认知【从入门原理到行业赋能】
第十章：AI大模型核心原理【从基础架构到落地训练】
第十一章：深入剖析 Prompt 提示工程
 第十二章：Prompt 提示工程之实战项目
 第十三章：AI大模型基础之 FastAPI
第十四章：基于 FastAPI+Vue3 的智能聊天系统全栈开发实战

第十二章：Prompt 提示工程 之 实战项目

文章目录

前言

项目一： 会议纪要重点提取项目

1.1 项目背景与需求分析

1.1.1 核心需求

1.1.2 适用人群

1.2 项目核心Prompt设计思路

1.3 项目完整可运行代码

1.4 代码运行说明与项目优化

1.4.1 运行步骤

1.4.2 项目优化方向

项目二：短剧脚本生成项目

2.1 项目背景与需求分析

2.1.1 核心需求

2.1.2 适用人群

2.2 项目核心Prompt设计思路

2.3 项目完整可运行代码

2.4 代码运行说明与项目优化

2.4.1 运行步骤

2.4.2 项目优化方向

项目三：网络爆款文案生成项目

3.1 项目背景与需求分析

3.1.1 核心需求

3.1.2 适用人群

3.2 项目核心Prompt设计思路

3.3 项目完整可运行代码

3.4 代码运行说明与项目优化

3.4.1 运行步骤

3.4.2 项目优化方向

项目四：数据库查询SQL语句生成项目

4.1 项目背景与需求分析

4.1.1 核心需求

4.1.2 适用人群

4.2 项目核心Prompt设计思路

4.3 项目完整可运行代码（带详细注释）

4.4 代码运行说明与项目优化

4.4.1 运行步骤

4.4.2 项目优化方向

项目五：旅游行程定制系统

5.1 项目背景与需求分析

5.1.1 核心需求

5.1.2 适用人群

5.2 项目核心Prompt设计思路

5.3 项目完整可运行代码

5.4 代码运行说明与项目优化

5.4.1 运行步骤

5.4.2 项目优化方向

项目六：影视推荐助手项目

6.1 项目背景与需求分析

6.1.1 核心需求

6.1.2 适用人群

6.2 项目核心Prompt设计思路

6.3 项目完整可运行代码

6.4 代码运行说明与项目优化

6.4.1 运行步骤

6.4.2 项目优化方向

AI 大模型基础教程目录大纲

第十二章：Prompt 提示工程之实战项目

项目一：会议纪要重点提取项目