AI 时代的高效编程：从 Python 切片基础到魔塔社区大模型 Prompt 实战

[一、 Python 列表与切片：比传统数组更灵活的"利器"](#一、 Python 列表与切片：比传统数组更灵活的“利器”)
- [1. 为什么 Python 里面 array 很少用？](#1. 为什么 Python 里面 array 很少用？)
- [2. 灵魂操作：Slice（切片）](#2. 灵魂操作：Slice（切片）)
[二、大模型时代的标准协议：OpenAI / DeepSeek 接口对接](#二、大模型时代的标准协议：OpenAI / DeepSeek 接口对接)
[三、实战演练：在魔塔社区用 Python 调用 DeepSeek](#三、实战演练：在魔塔社区用 Python 调用 DeepSeek)
[四、大模型输出结果展示](#四、大模型输出结果展示)

前言：今天在阿里云的 ModelScope（魔塔社区） 搞了一波好玩的实操！魔塔社区真的是开源模型的风宝地（提供免费模型、数据集以及现成的 NLP 实验环境）。今天不仅复习了 Python 最具灵魂的 Slice 切片操作，还通过 Jupyter Notebook 环境，用纯正的 Prompt Engineering（提示词工程） 调教了 DeepSeek 大语言模型，让它按照我指定的 JSON 格式吐出了亚马逊跨境电商的商品文案。

下面是今天的硬核干货笔记！

一、 Python 列表与切片：比传统数组更灵活的"利器"

在学习机器学习和数据分析之前，必须先吃透 Python 的核心数据结构 ------ List（列表）。

1. 为什么 Python 里面 array 很少用？

和 C/C++、Java 这种老牌语言不同，Python 默认最常用的是 List，它和 JavaScript 的 Array 非常像：

无需提前指定容量：它会自动动态扩容。
类型无约束：一个 List 里既可以放数字，也可以放字符串。

⚠️ 技术避坑小贴士 ：Python 和 JavaScript 这类动态语言，它们的基础类型（如 JS 的 Number）往往没有严格区分底层的 float 和 int（通常是双精度浮点数），因此它们不适合直接做底层的底层高并发数值计算 。但 Python 胜在生态无敌，拥有 NumPy、Pandas 等 C 语言底层的库支持，从而成为了机器学习、爬虫和数据分析的绝对王者。

2. 灵魂操作：Slice（切片）

切片大大简化了我们获取部分元素的操作。在 C 语言里你需要写一个 for 循环，而在 Python 里，只需要一行超优雅的 [start:stop:step]。

python 复制代码

# 快速回顾切片基础
nums = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

# 1. 截取前 3 个元素
print(nums[:3])  # 输出: [0, 1, 2]

# 2. 截取索引 2 到 5 之间的元素（左闭右开）
print(nums[2:5])  # 输出: [2, 3, 4]

# 3. 步长为 2 隔一个取一个
print(nums[::2])  # 输出: [0, 2, 4, 6, 8]

# 4. 倒序输出（面试高频）
print(nums[::-1])  # 输出: [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

二、大模型时代的标准协议：OpenAI / DeepSeek 接口对接

自从 2022 年底 OpenAI 凭借基于 Google 开源的 Transformer 架构引领了生成式人工智能（AIGC）的浪潮后，OpenAI 的 API 格式就已经成为了全行业的标准协议。

国内大模型之光 DeepSeek，其接口完全兼容 OpenAI 的官方 SDK。这意味着我们只需要通过 pip install openai，改个 base_url 和 api_key，就能以极低的成本无缝切换到 DeepSeek。

💡 Python 实例化小细节：

在 JavaScript 中，实例化一个类需要写 const client = new OpenAI()，而在 Python 中，不需要 new 关键字，直接调用构造函数即可运行实例化：

javascript 复制代码

client = OpenAI(...)

三、实战演练：在魔塔社区用 Python 调用 DeepSeek

今天课堂的实操任务是：利用 Completion 接口，输入一段夜市爆款发光玩具的中文货源描述，让大模型将其自动转化为亚马逊（Amazon）标准的英文标题、五点描述（Selling Points）以及美国市场的预估售价。

🎯 提示词工程（Prompt Engineering）的核心三原则：

清晰且详细地表达目标：明确告诉它这是一个电商任务。
分步骤（Step-by-Step）：将任务拆解为 1、2、3 三步，大模型会按顺序思考，逻辑更严密。
约束返回格式（JSON 格式化） ：指定返回 json 格式，并清晰指定字段名字，这在前后端工程开发中至关重要，因为有利于我们接下来的代码直接解析字段。

💻 完整的实操源码：

python 复制代码

# 引入第三方模块 (魔塔社区 Notebook 环境已内置 openai)
from openai import OpenAI

# 1. 初始化客户端（对接 DeepSeek）
client = OpenAI(
    api_key="sk-dbf67a51x x x x x x x x x x",  # 建议使用自己的 Key
    base_url="[https://api.deepseek.com/v1](https://api.deepseek.com/v1)"
)

COMPLETION_MODEL = "deepseek-chat"

# 2. 精心设计带有格式约束的 Prompt
prompt = """
Consideration product: 
工厂现货PVC充气青蛙夜市地摊热卖充气玩具发光蛙儿童水上玩具

1. Compose human readable product title used on Amazon in english within 20 words.
2. Write 5 selling points for the products in Amazon.
3. Evaluate a price range for this product in U.S.

Output the result in json format with three properties called title, selling_points and price_range.
"""

# 3. 封装大模型请求函数
def get_response(prompt):
    response = client.chat.completions.create(
        model=COMPLETION_MODEL,
        messages=[
            { "role": "user", "content": prompt }
        ]
    ) 
    return response.choices[0].message.content

# 4. 打印大模型吐出的结果
print(get_response(prompt))

四、大模型输出结果展示

运行上述 Python 代码后，DeepSeek 极其完美地返回了结构化的 JSON 数据，里面的英文文案十分地道，格式完全符合预期：

JSON 复制代码

{
  "title": "Glowing Inflatable PVC Frog Toy for Kids - Night Market Best Seller, Fun Pool & Water Play",
  "selling_points": [
    "Eye-Catching Light-Up Design: Built-in LED lights make this frog glow vibrantly in the dark, perfect for nighttime fun and夜市-style entertainment.",
    "Safe & Durable PVC Material: Made from high-quality, non-toxic PVC that is sturdy, waterproof, and built to withstand rough play in water or on land.",
    "Versatile Water Toy: Ideal for pool parties, beach trips, bath time, or outdoor sprinkler play, offering endless floating and bouncing fun.",
    "Easy to Inflate & Store: Large, easy-to-blow air valve allows for quick inflation and deflation, making it simple to pack and carry anywhere.",
    "Perfect Gift for Kids: A popular street-vendor favorite, this toy brings joy with its cute frog shape and bright colors, suitable for ages 3 and up."
  ],
  "price_range": "$9.99 - $16.99"
}

📢 本节课心得

现在的开发模式正在悄然发生转变，传统的纯手写逻辑代码正在和 "Vibe Coding（氛围编程/提示词编程）" 融合。

过去，我们需要自己用复杂的正则或自然语言处理（NLP）去提取、翻译和分析这段中文商品数据。
现在，我们只需要用 Python 写好基础的调用框架 ，剩下的核心业务逻辑，通过编写结构严密、约束清晰的 Prompt就能直接让 LLM 帮我们搞定，甚至连返回数据的格式（JSON 字段名）都能被牢牢锁死。

掌握 "Python 基础 + Prompt 工程能力"，绝对是我们在未来的 AI 浪潮中脱颖而出的核心竞争力。

如果你觉得这篇笔记对你有帮助，欢迎点赞、收藏加关注，我们下期再见👋！

AI 时代的高效编程：从 Python 切片基础到魔塔社区大模型 Prompt 实战

AI 时代的高效编程：从 Python 切片基础到魔塔社区大模型 Prompt 实战

一、 Python 列表与切片：比传统数组更灵活的"利器"

1. 为什么 Python 里面 array 很少用？

2. 灵魂操作：Slice（切片）

二、 大模型时代的标准协议：OpenAI / DeepSeek 接口对接

三、 实战演练：在魔塔社区用 Python 调用 DeepSeek

四、 大模型输出结果展示

二、大模型时代的标准协议：OpenAI / DeepSeek 接口对接

三、实战演练：在魔塔社区用 Python 调用 DeepSeek

四、大模型输出结果展示