提示词技巧
1.详细的描述

2.让模型充当某种角色

3.使用分隔符表明输入的不同部分

4.对任务指定步骤

5.提供例子

ZERO-SHOT


FEW-SHOT


JSON数据格式

提示词优化案例
金融文本分类
from openai import OpenAI
client=OpenAI(base_url='https://dashscope.aliyuncs.com/compatible-mode/v1')
example_data={
'新闻报道':'今日,股市经历了一轮震荡,受到宏观经济数据和全球贸易紧张局势的影响。投资者密切关注美联储可能的政策调整,以适应市场的不确定性。',
'财务报告':'本公司年度财务报告显示,去年公司实现了稳步增长的盈利,同时资产负债表呈现强劲的状况。经济环境的稳定和管理层的有效战略执行为公司的健康发…',
'公司公告':'本公司高兴地宣布成功完成最新一轮并购交易,收购了一家在人工智能领域领先的公司。这一战略举措将有助于扩大我们的业务领域,提高市场竞争力。',
'分析师报告':'最新的行业分析报告指出,科技公司的创新将成为未来增长的主要推动力。云计算、人工智能和数字化转型被认为是引领行业发展的关键因素,投资者…'
}
example_type=['新闻报道','财务报告','公司公告','分析师报告']
questions=["今日,央行发布公告宣布降低利率,以刺激经济增长。这一降息举措将影响贷款利率,并在未来几个季度内对金融市场产生影响。",
"ABC公司今日发布公告称,已成功完成对XYZ公司股权的收购交易。本次交易是ABC公司在扩大业务范围、加强市场竞争力方面的重要举措。据悉,此次收购将进一步",
"公司资产负债表显示,公司偿债能力强劲,现金流充足,为未来投资和扩张提供了坚实的财务基础。",
"最新的分析报告指出,可再生能源行业预计将在未来几年经历持续增长,投资者应该关注这一领域的投资机会",
"小明喜欢小新哟"]
messages=[
{
"role":"system","content":"你是金融专家,将文本分类为['新闻报道', '财务报告', '公司公告', '分析师报告'],不清楚的分类为'不清楚类别'"
}
]
for key , value in example_data.items():
messages.append({"role": "user","content":value})
messages.append({"role": "assistant", "content": key})
for q in questions:
response=client.chat.completions.create(
model='qwen3-max',
messages=messages+[{"role": "user","content":q}]
)
print(response.choices[0].message.content)
金融信息提取
from openai import OpenAI
import json
client=OpenAI(base_url='https://dashscope.aliyuncs.com/compatible-mode/v1')
schema=['日期', '股票名称', '开盘价', '收盘价', '成交量']
example_data=[
{
"content": "2023-01-10, 股市震荡。股票强大科技A股今日开盘价100人民币,一度飙升至105人民币,随后回落至98人民币,最终以102人民币收盘,成交量达到520000。 ",
"answers": {
"日期": "2023-01-10",
"股票名称": "强大科技A股",
"开盘价": "100人民币",
"收盘价": "102人民币",
"成交量": "520000"
}
},
{
"content": "2024-05-16, 股市利好。股票英伟达美股今日开盘价105美元,一度飙升至109美元,随后回落至100美元,最终以116美元收盘,成交量达到3560000。 ",
"answers": {
"日期": "2024-05-16",
"股票名称": "英伟达美股",
"开盘价": "105美元",
"收盘价": "116美元",
"成交量": "3560000"
}
}
]
questions=["2025-06-16, 股市利好。股票传智教育A股今日开盘价66人民币,一度飙升至70人民币,随后回落至65人民币,最终以68人民币收盘,成交量达到123000。 ",
"2025-06-06, 股市利好。股票黑马程序员A股今日开盘价200人民币,一度飙升至211人民币,随后回落至201人民币,最终以206人民币收盘。 "]
messages=[{"role": "system", "content":"请抽取{schema}信息,以json格式输出,若某些信息不存在,请以信息不存在表示"}]
for examples in example_data:
messages.append({"role":"user","content":examples["content"]})
messages.append({"role": "assistant", "content": json.dumps(examples["answers"],ensure_ascii=False)})
for q in questions:
response=client.chat.completions.create(
model="qwen3-max",
messages=messages+[{"role":"user","content":q}]
)
print(response.choices[0].message.content)



