【AI大模型应用开发工程师特训笔记】第04讲（第五章）：条件判断与流程控制

上一章我们学习了运算符，能够对数据进行计算和比较。但程序真正的"智能"来自于根据不同的条件执行不同的代码---就像 AI 模型根据你的输入内容决定如何回复，根据 token 数量决定是否截断，根据温度系数决定输出的随机程度。

本章将学习 if 条件判断、else、elif，以及循环控制（for、while），所有例子都紧扣 AI 大模型的实际开发场景。

4.1 布尔表达式：条件判断的"是非题"

在正式学习 if 之前，你需要理解什么是"条件"。任何条件最终都会变成一个布尔值：True（真）或 False（假）。

比较运算符和逻辑运算符产生的结果就是布尔值。

4.1.1 什么是布尔表达式？

简单说，就是一个可以回答"是"或"否"的问题。

temperature = 0.8
is_creative = temperature > 0.5   # True
is_too_random = temperature > 1.5 # False

model_name = "gpt-4"
is_premium = (model_name == "gpt-4")   # True

在 AI 开发中，布尔表达式常用来：

• 检查 API 返回是否成功

• 判断生成文本是否包含禁忌词

• 验证用户输入是否符合格式

4.2 if 语句：如果......就......

if 语句是最基本的流程控制，它的意思是：如果某个条件成立，就执行一段代码。

4.2.1 基本语法

if 条件:
    条件成立时执行的代码块

注意：

• 条件后面要加冒号 :

• 代码块必须缩进 （通常用 4 个空格），表示这行代码属于 if 管辖

4.2.2 AI 场景实例

# 例1：检查 temperature 是否合法
temperature = 1.8
if temperature > 2.0:
    print("警告：温度超过最大值 2.0，模型输出可能不稳定！")

# 例2：检查是否达到最大 token 限制
used_tokens = 3800
max_tokens = 4096
if used_tokens >= max_tokens:
    print("已达到上下文长度上限，将停止生成。")

# 例3：检查 API 密钥是否存在
api_key = ""
if api_key == "":
    print("错误：未设置 API 密钥，请检查环境变量。")

💡 如果条件为 False，代码块会被跳过，什么也不执行。

4.3 if-else 语句：如果......否则......

if-else 提供了两种选择：条件成立时做 A，不成立时做 B。

4.3.1 基本语法

if 条件:
    条件成立时执行
else:
    条件不成立时执行

4.3.2 AI 场景实例

# 例1：根据 temperature 决定回复风格
temperature = 0.2
if temperature < 0.5:
    print("模型将采用确定性输出，答案更保守。")
else:
    print("模型将引入更多随机性，答案更多样。")

# 例2：检查模型是否支持函数调用
model_family = "gpt-3.5"
if model_family == "gpt-4":
    print("支持函数调用和并行工具使用。")
else:
    print("仅支持基本对话功能。")

# 例3：判断是否需要截断提示词
prompt_length = 8500
max_context = 8192
if prompt_length > max_context:
    print(f"提示词过长，将自动截断至 {max_context} 字符。")
else:
    print("提示词长度合适，无需截断。")

4.4 if-elif-else 语句：多分支判断

当你有多个互斥的条件需要判断时，使用 elif（else if 的缩写）。

4.4.1 基本语法

if 条件1:
    条件1成立时执行
elif 条件2:
    条件1不成立但条件2成立时执行
elif 条件3:
    条件1、2都不成立但条件3成立时执行
else:
    所有条件都不成立时执行

你可以写任意多个 elif，else 是可选的。

4.4.2 AI 场景实例

# 例1：根据温度系数区间设定输出描述
temperature = 1.2
if temperature <= 0.3:
    description = "非常保守，几乎总是选择最高概率的 token"
elif temperature <= 0.7:
    description = "平衡，在确定性和创造性之间折中"
elif temperature <= 1.2:
    description = "较有创造性，输出更多样"
else:
    description = "高度随机，可能产生出乎意料的内容"
print(f"当前温度 {temperature} -> {description}")

# 例2：根据错误码处理 API 异常
error_code = 429
if error_code == 200:
    print("请求成功")
elif error_code == 401:
    print("认证失败，请检查 API 密钥")
elif error_code == 429:
    print("请求频率超限，请稍后重试")
elif error_code == 500:
    print("服务器内部错误，建议重试")
else:
    print(f"未知错误码：{error_code}")

# 例3：根据用户消息意图选择不同的处理方式（极简版本）
message = "帮我写一首诗"
if "翻译" in message:
    print("调用翻译模型")
elif "写诗" in message or "作诗" in message:
    print("使用创意写作模型")
elif "解释" in message or "是什么" in message:
    print("使用知识库问答模型")
else:
    print("使用通用对话模型")

4.5 嵌套条件判断：条件里面还有条件

有时你需要在一个条件判断内部再做更细致的判断。这就是嵌套 if。

4.5.1 基本语法

if 外部条件:
    if 内部条件:
        内外都满足时执行
    else:
        外部满足但内部不满足
else:
    外部不满足

4.5.2 AI 场景实例

# 例1：检查模型调用是否成功，再检查返回结果是否有效
api_success = True
response_text = ""
if api_success:
    if response_text:
        print(f"回复内容：{response_text}")
    else:
        print("API 调用成功但返回内容为空")
else:
    print("API 调用失败，请检查网络")

# 例2：先判断模型是否支持流式输出，再判断用户是否请求流式
model_supports_stream = True
user_wants_stream = True

if model_supports_stream:
    if user_wants_stream:
        print("启用流式输出，逐词返回")
    else:
        print("模型支持流式，但用户选择不使用")
else:
    print("当前模型不支持流式输出，将一次性返回完整结果")

💡 嵌套层次不宜过深（超过 3 层），否则代码可读性变差。复杂的条件可以用 and / or 简化。

4.6 条件表达式（三元运算符）：一行简写

当你只需要根据条件给变量赋不同的值时，可以用更简洁的一行写法。

4.6.1 语法

变量 = 值1 if 条件 else 值2

如果条件为真，取 值1，否则取 值2。

4.6.2 AI 场景实例

# 例1：设定温度默认值
user_temp = None
temperature = user_temp if user_temp is not None else 0.7
# 上面等价于：
temperature = 0.7 if user_temp is None else user_temp

# 例2：根据是否超出限制决定截断标志
token_count = 5000
limit = 4096
need_truncate = True if token_count > limit else False
# 当然也可以直接写 need_truncate = token_count > limit，这里仅演示语法

# 例3：选择回复风格
style = "creative" if temperature > 1.0 else "conservative"
print(f"回复风格：{style}")

4.7 for 循环：遍历数据集

循环让程序重复执行一段代码。for 循环通常用于遍历一个序列（比如列表、字符串、范围），对每个元素执行相同的操作。

4.7.1 遍历列表（AI 中常用）

# 例1：依次处理多个提示词
prompts = ["介绍Python", "什么是AI", "写一首诗"]
for prompt in prompts:
    print(f"正在处理：{prompt}")
    # 这里可以调用 API 并获取回复

# 例2：批量检查模型是否在允许列表中
allowed_models = ["gpt-4", "gpt-3.5", "claude-3"]
user_models = ["gpt-4", "llama-2", "claude-3"]
for m in user_models:
    if m in allowed_models:
        print(f"✅ {m} 可用")
    else:
        print(f"❌ {m} 不可用")

4.7.2 遍历字符串（处理提示词中的每个字符）

prompt = "你好AI"
for ch in prompt:
    print(f"字符：{ch}")

4.7.3 使用 range() 进行数字循环

range(n) 生成从 0 到 n-1 的整数序列。常用于重复执行固定次数。

# 例1：重复调用模型 3 次，展示不同 temperature 的效果
for i in range(3):
    temp = 0.2 + i * 0.4   # 0.2, 0.6, 1.0
    print(f"第 {i+1} 次，温度 = {temp}")

# 例2：批量处理 token 块
total_tokens = 1500
batch_size = 500
for start in range(0, total_tokens, batch_size):
    end = min(start + batch_size, total_tokens)
    print(f"处理 token 区间 [{start}:{end}]")

4.7.4 for 与 enumerate()：同时获取索引和值

当你既需要元素，又需要它的位置索引时使用。

messages = ["你好", "请介绍AI", "谢谢"]
for idx, msg in enumerate(messages):
    print(f"第 {idx+1} 条消息：{msg}")

4.8 while 循环：当条件满足时持续执行

while 循环在条件为 True 时不断重复执行代码块，直到条件变为 False。适用于直到某个状态改变才停止的场景。

4.8.1 基本语法

while 条件:
    循环体

⚠️ 一定要确保条件最终会变为 False，否则会变成无限循环，程序卡死。

4.8.2 AI 场景实例

# 例1：模拟重试机制（API 调用失败时最多重试 3 次）
retries = 0
success = False
while retries < 3 and not success:
    print(f"第 {retries+1} 次尝试调用 API...")
    # 假设调用结果
    if retries == 2:   # 第三次成功
        success = True
    else:
        print("调用失败，重试中...")
    retries += 1

if success:
    print("API 调用成功")
else:
    print("重试次数用尽，请稍后重试")

# 例2：等待用户输入有效的温度值
temp = None
while temp is None:
    user_input = input("请输入温度系数（0~2）：")
    if user_input == "":
        print("不能为空，请重新输入")
        continue
    try:
        val = float(user_input)
        if 0 <= val <= 2:
            temp = val
        else:
            print("请输入 0 到 2 之间的数字")
    except ValueError:
        print("请输入有效的数字")

print(f"已设置温度：{temp}")

# 例3：逐步减少剩余 token 直到用完
remaining_tokens = 1024
while remaining_tokens > 0:
    # 每次消耗 100~200 token
    chunk = min(200, remaining_tokens)
    print(f"发送 {chunk} 个 token")
    remaining_tokens -= chunk
    print(f"剩余 {remaining_tokens}")
print("Token 已用完")

4.9 循环控制：break， continue， else

4.9.1 break：立即退出整个循环

常用于找到目标后提前结束。

# 例：检查提示词中是否包含敏感词，一旦发现立即停止
sensitive = ["暴力", "色情"]
prompt = "请介绍一下暴力美学"

found = False
for word in sensitive:
    if word in prompt:
        print(f"检测到敏感词：{word}")
        found = True
        break   # 不再检查剩余词
if not found:
    print("提示词通过安全检查")

4.9.2 continue：跳过本次循环剩余代码，进入下一次迭代

# 例：处理消息列表，忽略空消息
messages = ["你好", "", "请介绍AI", "", "谢谢"]
for msg in messages:
    if msg == "":
        continue   # 跳过空消息
    print(f"处理消息：{msg}")

4.9.3 for-else 和 while-else

else 块在循环正常结束 （没有被 break 中断）后执行。如果循环被 break 退出，则跳过 else。

# 例：检查模型是否在允许列表中
allowed = ["gpt-4", "claude-3"]
model = "llama-2"

for m in allowed:
    if model == m:
        print("模型可用")
        break
else:
    print("模型不在允许列表中，拒绝请求")   # 因为没有 break 才会执行

4.10 综合实战：AI 对话请求处理器

将 if、for、while 等知识融合成一个能处理用户请求、校验参数、重试 API 调用的脚本。

import time

# 模拟的模型 API 调用函数（这里只打印信息）
def call_model(prompt, temperature, max_tokens):
    print(f"[调用模型] prompt={prompt[:20]}... temp={temperature}, max_tokens={max_tokens}")
    # 假设有时会失败，用随机数模拟
    import random
    if random.random() < 0.2:   # 20% 失败率
        return None, "服务器繁忙"
    else:
        return "这是模拟的回复内容。", None

# 用户请求配置
user_prompts = [
    "请解释一下大语言模型的工作原理",
    "写一首关于人工智能的短诗",
    "介绍一下 Transformer 架构",
]

# 全局参数
default_temperature = 0.7
max_retries = 2

# 处理每个提示词
for idx, prompt in enumerate(user_prompts, 1):
    print(f"\n--- 处理第 {idx} 个请求 ---")

    # 1. 参数校验（if-elif）
    if len(prompt) == 0:
        print("错误：提示词为空，跳过")
        continue
    elif len(prompt) > 8000:
        print("提示词过长，截断至 8000 字符")
        prompt = prompt[:8000]

    # 2. 温度设置（三元表达式）
    temperature = default_temperature if default_temperature is None else default_temperature

    # 3. 重试循环（while）
    retry_count = 0
    success = False
    response = None
    error = None

    while retry_count <= max_retries and not success:
        print(f"尝试 {retry_count+1}/{max_retries+1}")
        response, error = call_model(prompt, temperature, max_tokens=1024)
        if response is not None:
            success = True
            break
        else:
            print(f"调用失败：{error}")
            retry_count += 1
            if retry_count <= max_retries:
                wait = 2 ** retry_count   # 指数退避
                print(f"等待 {wait} 秒后重试...")
                time.sleep(wait)

    # 4. 最终结果处理（if-else）
    if success:
        print(f"✅ 回复：{response[:100]}...")
        # 可以继续检查回复中是否包含结束标志
        if "[END]" in response:
            print("检测到结束标记，停止进一步处理")
    else:
        print(f"❌ 请求失败，已重试 {max_retries} 次")

print("\n所有请求处理完毕")

输出如下内容：

tianpeng@DESKTOP-4L1UF5S:~/my-ai-service$ poetry run  python src/my_ai_service/loop.py 

--- 处理第 1 个请求 ---
尝试 1/3
[调用模型] prompt=请解释一下大语言模型的工作原理... temp=0.7, max_tokens=1024
✅ 回复：这是模拟的回复内容。...

--- 处理第 2 个请求 ---
尝试 1/3
[调用模型] prompt=写一首关于人工智能的短诗... temp=0.7, max_tokens=1024
✅ 回复：这是模拟的回复内容。...

--- 处理第 3 个请求 ---
尝试 1/3
[调用模型] prompt=介绍一下 Transformer 架构... temp=0.7, max_tokens=1024
调用失败：服务器繁忙
等待 2 秒后重试...
尝试 2/3
[调用模型] prompt=介绍一下 Transformer 架构... temp=0.7, max_tokens=1024
✅ 回复：这是模拟的回复内容。...

所有请求处理完毕

4.11 本章小结

流程控制结构	作用	AI 典型应用
if	条件成立时执行	参数合法性检查
if-else	二选一	模型是否支持某功能
if-elif-else	多分支选择	根据错误码分类处理、根据温度区间确定风格
嵌套 if	多重条件细化	先判断调用成功，再判断返回内容
三元运算符	简洁的条件赋值	默认值设置
for 循环	遍历序列	批量处理 prompt、检查敏感词列表
while 循环	条件满足时重复	API 重试机制、等待用户有效输入
break	提前结束循环	找到敏感词后停止
continue	跳过本次迭代	忽略空消息
for-else	循环未被打断时执行	检查没有匹配项后执行默认动作