首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >AI编程0X01〡调用 API 完成内容分类

AI编程0X01〡调用 API 完成内容分类

作者头像
Tinywan
发布2025-09-11 19:25:43
发布2025-09-11 19:25:43
10900
代码可运行
举报
文章被收录于专栏:开源技术小栈开源技术小栈
运行总次数:0
代码可运行

引言

随着大模型技术的飞速发展,开发者可以通过简单的 API 调用实现复杂的业务需求,比如文本分类、情感分析等。

这里将带你走进大模型编程的实战场景,通过调用通义千问 API,完成用户反馈的自动分类任务。无需复杂的算法开发,也无需逐条手动分析,只需几行代码,就能让大模型为我们高效处理数据。

以下是一个基于真实业务场景的示例,展示如何利用大模型完成内容分类。

业务场景

假设你是一家手机厂商的技术负责人,老板给你一份用户反馈表,要求分析用户对产品的评价,并将反馈按以下原因分类:价格过高售后支持不足产品使用体验不佳其他。最终,统计各类反馈的占比,以便团队针对性改进。

传统方式可能需要人工逐条阅读,或者开发复杂的自然语言处理(NLP)算法。而现在,借助大模型的强大能力,我们可以通过 API 直接完成这项任务,省时省力,效果还更好!

实现步骤

Step.1 获取 API Key

首先,你需要从通义千问(或其他支持 OpenAI 兼容接口的大模型服务商)获取 API Key。以下以通义千问为例,注册并登录平台后,在控制台生成你的专属 API Key。

注意:为了安全起见,建议将 API Key 配置到环境变量中,而不是直接硬编码到代码里。如果仅为个人测试,可以暂时忽略环境变量设置。

Step.2 代码实现

我们使用 PHP (兼容通义千问)来实现用户反馈的自动分类。以下是完整的代码示例:

代码语言:javascript
代码运行次数:0
运行
复制
<?php
/** @desc 大模型编程0X01〡调用 API 完成内容分类 */
declare(strict_types=1);

// 设置 API Key 和 API 地址
$api_key = "sk-xxxxxxxxxxxxxxxxxxxx"; // 替换为你的通义千问 API Key
$base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions";

// 用户反馈数组
$userFeedbacks = [
    "这个手机太贵了,对于我这样的普通消费者不太友好。",
    "客服总是找不到,售后支持根本不给力。",
    "使用起来卡顿,体验很不好。",
    "包装有点损坏,不过可以接受。"
];

// 分类函数
function classify_feedback(string $feedback): string
{
    global$api_key, $base_url;

    // 准备请求数据
    $data = [
        "model" => "qwen-plus",
        "messages" => [
            ["role" => "system", "content" => "You are a helpful assistant for classifying user feedback."],
            ["role" => "user", "content" => "请将以下用户反馈按原因分类:价格过高、售后支持不足、产品使用体验不佳、其他。反馈内容:{$feedback}\n回答格式:分类结果:"]
        ],
        "temperature" => 0
    ];

    // 初始化 cURL
    $ch = curl_init($base_url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    curl_setopt($ch, CURLOPT_POST, true);
    curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
    curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, false);
    curl_setopt($ch, CURLOPT_HTTPHEADER, [
        "Authorization: Bearer $api_key",
        "Content-Type: application/json"
    ]);
    curl_setopt($ch, CURLOPT_POSTFIELDS, json_encode($data));

    // 执行请求
    $response = curl_exec($ch);

    // 检查 cURL 错误
    if ($response === false) {
        $error = curl_error($ch);
        curl_close($ch);
        return"Error: cURL error - $error";
    }

    // 解析响应
    $response_data = json_decode($response, true);
    curl_close($ch);

    // 提取分类结果
    if (isset($response_data['choices'][0]['message']['content'])) {
        returntrim($response_data['choices'][0]['message']['content']);
    } else {
        return"Error: Failed to classify feedback";
    }
}

// 遍历并分类所有反馈
foreach ($userFeedbacksas$feedback) {
    $classification = classify_feedback($feedback);
    echo"用户反馈: $feedback\n$classification\n\n";
}

Step.3 运行结果

运行以上代码,将得到类似以下输出:

代码语言:javascript
代码运行次数:0
运行
复制
用户反馈: 价格太高了,感觉性价比不高。
分类结果:价格过高

用户反馈: 售后服务响应太慢,联系不上客服。
分类结果:售后支持不足

用户反馈: 手机用着卡顿,体验很差。
分类结果:产品使用体验不佳

用户反馈: 包装有点简陋,但功能还行。
分类结果:其他

Step.4 结果分析

通过代码输出的分类结果,你可以轻松统计各类反馈的占比。例如,假设有 100 条反馈,运行代码后可以快速汇总出:

  • • 价格过高:30%
  • • 售后支持不足:25%
  • • 产品使用体验不佳:35%
  • • 其他:10%

基于这些数据,团队可以优先改进产品使用体验,因为这是用户反馈中最突出的问题。

小结

通过通义千问的 API,我们用简单的 PHP 代码实现了用户反馈的自动分类,轻松应对复杂的业务需求。这种方法不仅高效,还极大地降低了开发门槛。无论是初学者还是资深开发者,都可以通过大模型编程快速实现类似功能。

如果你对大模型编程感兴趣,不妨尝试调用其他 API 功能,比如生成文本、翻译、问答等。未来,我们将继续探索更多大模型的实用场景,敬请期待!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2025-08-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 开源技术小栈 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 引言
  • 业务场景
  • 实现步骤
    • Step.1 获取 API Key
    • Step.2 代码实现
    • Step.3 运行结果
    • Step.4 结果分析
  • 小结
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档