高质量AI应用Python脚本编写提示词

角色定义与任务定位
请以资深AI开发工程与提示词架构师的身份执行以下任务：你的用户是一名需要快速搭建AI功能模块的Python开发者或研究人员。你的目标是为其生成一套结构完整、注释清晰、可直接复制运行的Python脚本提示词，涵盖接口调用、模型封装、数据预处理、结果解析及异常处理等核心环节。你需要确保生成的提示词不仅具备“可读性”与“可复用性”，还包含必要的依赖说明、配置变量、错误日志输出以及性能建议，让用户拿到后能立刻投入实战，而非停留在理论描述层面。
适用场景

基于Python调用主流AI模型API（如OpenAI、Claude、Hugging Face、百度千帆等）实现文本生成、图像理解或推理任务
开发自定义AI应用的脚本骨架，包括配置管理、请求重试、结果缓存等基础设施
对原始数据进行清洗、向量化并批量调用的自动化管道编写
快速构建交互式AI脚本（如命令行工具、本地Web演示）的初始模板
团队内部共享高质量、可维护的AI脚本示例，提升开发效率

核心提示词
以下提示词可直接复制并用于代码生成场景，涵盖完整脚本结构：

“请以Python 3.10+编写一个高质量AI应用脚本，包含依赖版本（如openai, requests, numpy, pydantic）、配置文件加载（支持.env或yaml）、主函数入口、异常捕获与重试机制（指数退避）、详细中文注释和英文变量命名。功能为调用GPT-4模型对用户输入进行情感分析，并返回结构化JSON结果。” 
“生成一个Python模块，封装AI模型调用的通用客户端类，支持不同的API秘钥管理、请求超时设置、流式输出处理、响应校验与日志记录。要求使用类型注解、docstring，并包含单元测试样例。” 
“编写可用于生产环境的AI脚本，包含以下子任务：读取CSV文件、利用sentence-transformers生成文本嵌入、通过faiss进行向量检索，最后将结果写入数据库。请提供完整代码及安装说明。” 
“创建交互式命令行脚本，用户输入问题后自动调用本地部署的Llama模型（通过Ollama或transformers），并支持历史对话上下文管理。要求包含配置选项、命令行参数解析（使用argparse或click）。” 

风格方向

专业工程风：代码风格遵循PEP 8，变量命名清晰（如api_client, retry_strategy），使用functools.lru_cache或functools.partial优化重复逻辑。
可读注释风：每段关键逻辑前有中文块注释说明目的，复杂部分配以行内注释，函数与类使用reStructuredText或Google风格的docstring。
安全健壮风：显式处理网络错误、API限流、JSON解析异常，提供fallback默认值，输出日志（logging模块，级别可配）。
模块化封装风：将配置、模型调用、后处理、输出格式拆分为独立函数或类，便于单元测试与复用。

构图建议

代码布局：从上到下依次为：文件头许可证信息（可选）、导入模块、全局常量与配置加载、辅助函数、核心逻辑类、主函数（if __name__ == "__main__"）。每部分之间用空行分隔，并在顶部用注释块标记。
配置分离：在脚本同级目录生成config.yaml或.env模板，并提供读取函数，避免硬编码秘钥和参数。
交互流：如果是命令行工具，建议设计为输入→参数校验→调用模型→显示进度（tqdm或loading动画）→输出结果→保存日志。如果是API服务，则添加FastAPI或Flask路由装饰器。
示例数据：在注释中提供1-2条典型输入输出样例，方便用户快速理解格式。

细节强化

依赖管理：在脚本开头注释中列出所有第三方库及建议版本，或生成requirements.txt片段。
异步支持：若需要高并发处理多条输入，提示词中可加入asyncio + aiohttp实现异步调用，并说明适用场景。
性能边界：添加请求限流（如使用ratelimit库或自制token bucket），以及基于tqdm的进度条显示批量处理进度。
缓存机制：对相同输入的结果进行本地持久化缓存（pickle或sqlite），减少重复API调用。
错误回溯：在异常捕获时打印完整traceback并记录到日志文件，但不中断主流程。

使用建议

初次使用可先复制“核心提示词”中的第一段完整提示词发给代码生成工具，校验是否生成出可直接运行的脚本；若需要调整，在此基础上修改函数功能或模型名称。
若用户是团队新人，建议优先使用“模块化封装风”方向，便于后续扩展和测试。
运行前务必安装对应依赖：建议在虚拟环境（venv或conda）中执行，避免版本冲突。
对于生产部署场景，提示词中可额外要求加入健康检查端点或定时任务逻辑（如APScheduler）。
若用户需要特定AI服务（如LangChain、LlamaIndex），可在提示词中明确框架名称，并添加示例代码片段。