给非技术同事科普 AI 的正确姿势：我用 3 个真实案例讲明白了

import pandas as pd
import json
from openai import OpenAI

client = OpenAI(base_url="https://your-gateway/v1", api_key="sk-xxx")

# 标签必须是我们业务里真实要用的，不能让模型自由发挥
LABELS = ["物流慢", "质量差", "色差", "客服态度", "尺码不准", "描述不符", "其他"]

def classify(text: str) -> dict:
    prompt = f"""
你是电商售后专员。请判断下面这条差评属于哪一个标签。

只能从这几个里面选一个：{"/".join(LABELS)}
如果你真的判断不了，就选"其他"，不要自己造标签。

除了标签，再给一句不超过15字的理由。

必须只返回 JSON，格式：{{"label": "xxx", "reason": "xxx"}}

差评内容：{text}
"""
    resp = client.chat.completions.create(
        model="qwen-plus",
        messages=[{"role": "user", "content": prompt}],
        temperature=0,          # 分类任务，要的是稳定，不是创意
        response_format={"type": "json_object"},
    )
    try:
        data = json.loads(resp.choices[0].message.content)
        if data.get("label") not in LABELS:   # 兜底：模型乱答就归到"其他"
            data["label"] = "其他"
        return data
    except Exception:
        return {"label": "其他", "reason": "解析失败"}

df = pd.read_excel("差评.xlsx")
rows = []
for t in df["评论内容"]:
    r = classify(str(t))
    rows.append(r)

df["标签"] = [r["label"] for r in rows]
df["判断理由"] = [r["reason"] for r in rows]
df.to_excel("差评_已打标.xlsx", index=False)

print(df["标签"].value_counts())

from pydantic import BaseModel, Field
from typing import Literal, Optional
import json

class Invoice(BaseModel):
    invoice_no: str = Field(description="发票号码，纯数字")
    date: str = Field(description="开票日期，格式 YYYY-MM-DD")
    seller: str = Field(description="销售方名称")
    amount: float = Field(description="价税合计金额，单位元")
    tax: Optional[float] = Field(None, description="税额，没有就填 null")
    category: Literal["交通", "餐饮", "住宿", "办公", "其他"] = Field(
        description="按费用性质归类"
    )
    confidence: float = Field(description="你对这次提取的把握，0到1之间")

def extract(ocr_text: str) -> Invoice:
    schema = Invoice.model_json_schema()
    prompt = f"""
从下面的发票文本里提取字段，严格按照这个 JSON Schema 输出：
{json.dumps(schema, ensure_ascii=False)}

规则：
- 看不清的字段不要瞎猜，字符串填 ""，数字填 null
- confidence 低于 0.6 的，请在最后加一句提醒
- 只输出 JSON，不要解释

发票文本：
{ocr_text}
"""
    resp = client.chat.completions.create(
        model="qwen-plus",
        messages=[{"role": "user", "content": prompt}],
        temperature=0,
        response_format={"type": "json_object"},
    )
    return Invoice.model_validate_json(resp.choices[0].message.content)

# 跑一张
inv = extract(ocr_text)
print(inv.amount, inv.category, inv.confidence)

import numpy as np

# 1) 把制度文档切块，全部转成向量（一次性做，存起来）
chunks = split_by_section("员工手册.md")          # 按章节切，别按字数硬切
vectors = np.array([embed(c) for c in chunks])    # 每条一个向量

def embed(text: str) -> list:
    r = client.embeddings.create(model="text-embedding-v3", input=text)
    return r.data[0].embedding

def ask(question: str, top_k: int = 3, threshold: float = 0.45):
    qv = np.array(embed(question))
    # 2) 余弦相似度，找最像的几段
    sims = vectors @ qv / (np.linalg.norm(vectors, axis=1) * np.linalg.norm(qv))
    idx = np.argsort(sims)[::-1][:top_k]

    picked = [(chunks[i], float(sims[i])) for i in idx if sims[i] >= threshold]

    # 3) 最关键的一步：一段都够不上，就直接认怂
    if not picked:
        return {"answer": "员工手册里没查到相关内容，建议直接问 HR。",
                "source": None, "ok": False}

    context = "\n\n---\n\n".join(f"[{c}]\n{t}" for t, c in picked)
    prompt = f"""
只根据下面这段制度原文回答问题。
如果原文里没有答案，就原话说"制度里没有相关规定"，绝对不许自己推测或补充。
回答完，把依据的那一条原文附在最后。

制度原文：
{context}

问题：{question}
"""
    resp = client.chat.completions.create(
        model="qwen-plus",
        messages=[{"role": "user", "content": prompt}],
        temperature=0.2,
    )
    return {"answer": resp.choices[0].message.content,
            "source": [c for _, c in picked], "ok": True}