小学生0基础学大语言模型应用(第 21 课 《用 Python 管理 Prompt:让 AI 听你的》)

小学生0基础学大语言模型应用(第 21 课 《用 Python 管理 Prompt:让 AI 听你的》)

📘 第 21 课《用 Python 管理 Prompt:让 AI 听你的》

🎯 本课定位一句话:
我们大家今天要学习——
如何用 Python 指挥 AI 干活。

🧭 第一章:故事开场 —— 谁在指挥谁?

1、🐍 小蛇的新伙伴:AI 小机器人

有一天,Python 小蛇遇到一个特别聪明的小机器人 🤖
它什么都会写、什么都会说。

小蛇问它:

“你这么厉害,那你会自己干活吗?”

机器人摇摇头说:

“不行,我得听你说话。”

小蛇一拍尾巴:

“那我来当指挥官,你来当执行员!”

2、📌用 Python 管理 Prompt:让 AI 听你的

AI 不会自己为你工作,
它只会按照你给它的 Prompt(提示词),来进行工作。

🧠 第二章:Prompt 的本质?

1、✅ 举例说明:

Prompt = 告诉 AI 要做什么的一句话

比如:

请写一篇小学生作文,主题是《我的周末》
这句话,在 Python 眼里是什么?

2、🎯 从Python 编程的角度:

它就是一个字符串!
prompt = "请写一篇小学生作文,主题是《我的周末》"

3、📌 Python 与AI的连接:

“哎?
这不就是我们学过的字符串吗?”

——没错,这就是连接点之一,我们喂给AI的提示词,就是字符串 🔗


🧱 第三章:Python 是“Prompt 工厂”

1、🏭 小故事:提示词加工厂

Python 小蛇开了一家工厂,名字叫:

Prompt 加工厂

2、规则只有一条:

不手写 Prompt,
用程序生成 Prompt。

🧩 第四章:用变量控制 Prompt(最基础)

1、🎒 场景:作业难度调节器

level = "简单" if level == "简单": prompt = "请用非常简单的语言写一篇小学生作文" else: prompt = "请写一篇正常难度的小学生作文" print(prompt)

2、🧠 要点:

  • level 是控制开关
  • if 决定 AI 用什么方式说话
  • Prompt 不是固定的,是会变的!

3、📌 价值点:

我们不是在问 AI,
而是在“设计 AI 的说话方式”。

🔁 第五章:用 for 批量生成 Prompt(能力升级)

1、🎯 场景:一次要问 AI 5 个问题,怎么办?

(1)❌ 笨方法:
手打 5 次


(2)✅ 聪明方法:
用 for 循环

topics = ["我的周末", "我的妈妈", "我的老师"] for t in topics: prompt = "请写一篇 80 字的小学生作文,主题是《" + t + "》" print(prompt)

2、📌 要点:

  • topics 是任务清单
  • for 是“一个一个派任务”
  • Python 在帮你“批量指挥 AI”

3、📌 价值点:

我们不是一次一次的问 AI,
而是批量“设计问 AI 的问题”,批量“生成AI的回答”

🧠 第六章:用函数制造 Prompt

1、🏭 场景:造一个“提示词生成机”

def make_prompt(topic): return "请写一篇 80 字的小学生作文,主题是《" + topic + "》" print(make_prompt("我的周末")) print(make_prompt("我的学校"))

2、🧠 提示词生成机的作用:

  • 函数 = 魔法机器
  • 你给它一个主题
  • 它就吐出一段 Prompt

3、📌 价值点:

函数不是写给人看的,
是写来“反复用”的。

🧩 第七章:组合技 —— Python 全家桶一起上

topics = ["环保", "运动", "阅读"] level = "简单" def make_prompt(topic, level): if level == "简单": return "请用简单语言写一篇 60 字的小学生作文,主题是《" + topic + "》" else: return "请写一篇 120 字的作文,主题是《" + topic + "》" for t in topics: print(make_prompt(t, level))

🎉 我们发现前面学到的知识,现在都可以使用了:

我们已经可以使用
变量 + if + for + 函数
控制 AI 的工作方式了。

🧠 第八章: 记忆口诀

1️⃣ Prompt 是字符串
2️⃣ Python 用来生成 Prompt
3️⃣ AI 只是执行,不是指挥

📌 一句话总结:

AI 是能力放大器,
Python 是控制器。

🚀 第九章:今天我们真正学会了:

我们不是简单“和 AI 聊天”,而是:

✅ 用程序准备问题
✅ 用 if 决定 AI 怎么回答
✅ 用 for 批量安排任务
✅ 用函数封装指令
✅ 用 Python 管理 AI


📍 提前给大家一个“彩蛋”

我们将来可以【真正用 Python 直接调用 AI】

这一步我们现在还做不到,原因很现实:

  • 需要 API Key
  • 需要网络库
  • 我们代码知识还不具备
“等我们再厉害一点,
Python 可以直接和 AI 说话,不用复制粘贴。”

✍️ 第 21 课《用 Python 管理 Prompt:让 AI 听你的》闯关作业

🎯 学习目标:

会用 Python 生成 Prompt会用列表  + for  批量生成任务知道:Python 是 AI 的“任务制造机”能把 Prompt 拿去让 AI 工作

🧠 第一关:理解关(选择题)

🧩 第 1 题

(1)下面哪一句 最像 Prompt(提示词)

A. print("你好")
B. x = 10
C. 请用简单语言写一篇 60 字的小学生作文,主题是《环保》
D. for i in range(5):


答案:C

📖 讲解
Prompt 就是对 AI 说的话
要像任务说明一样清楚。


🧩 第 2 题

(1)下面哪一个 更适合用 Python 来生成 Prompt

A. 每次都手打一句话
B. 用列表保存多个主题
C. 不用变量
D. 只写一句 print


(2)✅ 答案:B

📖 讲解
Python 很擅长 “一次处理很多任务”
列表就是装任务的箱子。


🧩 第 3 题

(1)下面代码的作用是?

topics = ["环保", "运动"] for t in topics: print(t)

A. 让 AI 写作文
B. 让 Python 自动生成多个内容
C. 生成两个 Prompt
D. 打印列表里的每个主题


(2)✅ 答案:D

📖 讲解
for 就像一个小机器人,
一个一个把盒子里的东西拿出来。


🧠 第二关:判断关(对 / 错)

🧩 第 4 题

(1)Prompt 一定要用 Python 才能写。


(2)❌

📖 讲解
人也能写 Prompt,
Python 能写“很多个 Prompt”


🧩 第 5 题

(1)Python 可以直接让 AI 回答问题,不用复制,粘贴。


(2)✅ 正确

📖 讲解
目前阶段是 Python 负责生成任务,我们手动复制,给AI 。
后面我们可以实现Python实现与AI的“自动对话”。


🧩 第 6 题

(1)Prompt 本质上就是一段字符串。


(2)✅

📖 讲解
我们提供给AI 的,其实就是字符串。


💻 第三关:编程关(核心实战)

✨ 所有代码:
✅ 在 Thonny 里运行
✨ 输出结果 复制到 ChatGPT 测试

💻 第 7 题:第一个 Prompt 制造机

(1)请写程序:

1️⃣ 创建一个变量 prompt
2️⃣ 内容是:

请用简单语言介绍 Python

3️⃣ 用 print 打印出来


(2)✅ 参考答案:

prompt = "请用简单语言介绍 Python" print(prompt)

📖 讲解
虽然很简单,但这也是使用Python 编写prompt的方式。


💻 第 8 题:Prompt + 变量

(1)请完成:

1️⃣ 创建变量 topic,值为 "运动"


2️⃣ 生成 Prompt:

请用简单语言写一篇作文,主题是《运动》

(2)✅ 参考答案:

topic = "运动" prompt = "请用简单语言写一篇作文,主题是《" + topic + "》" print(prompt)

📖 讲解
变量就像可替换的词,
Python 会帮你拼成完整任务。


💻 第 9 题:Prompt 列表工厂 ⭐

(1)请完成:

1️⃣ 创建主题列表

topics = ["环保", "运动", "阅读"]

2️⃣ 用 for 循环
3️⃣ 为每个主题生成一条 Prompt


(2)✅ 参考答案:

topics = ["环保", "运动", "阅读"] for t in topics: prompt = "请用简单语言写一篇 60 字的小学生作文,主题是《" + t + "》" print(prompt)

📖 讲解
你已经能 一次给 AI 安排 3 个任务 了!


💻 第 10 题:函数版 Prompt 工厂(挑战)

(1)请完成:

1️⃣ 写一个函数 make_prompt(topic)
2️⃣ 返回一条 Prompt
3️⃣ 用 for 调用它


(2)✅ 参考答案:

def make_prompt(topic): return "请用简单语言写一篇 60 字的小学生作文,主题是《" + topic + "》" topics = ["环保", "运动", "阅读"] for t in topics: print(make_prompt(t))

📖 讲解
函数 = 专门造 Prompt 的机器
以后换要求,只改一行。


🤖 第四关:真正喂给 AI(实践关)

(1)🧪 实操步骤

1️⃣ 运行第 9 或第 10 题
2️⃣ 复制输出的一条 Prompt
3️⃣ 粘贴到 deepseek
4️⃣ 看 AI 写的内容
5️⃣ 换一个主题再试一次


(2)📌 思考问题:

  • Python 在干什么?
  • AI 在干什么?
  • 如果有 100 个主题,谁更快?

🌟 本课记忆口诀

🐍 Python 造任务
🤖 AI 来完成
📦 列表装需求
🔁 for 来批量输出

Read more

ToDesk 全新 ToClaw,正在把电脑交给AI去操作

ToDesk 全新 ToClaw,正在把电脑交给AI去操作

这两年,AI 工具层出不穷,但大多数产品还停留在“能回答、会生成”的阶段:帮你写一段话、搜一份资料、整理一个思路,真正到了执行层,还是得你自己坐回电脑前,一个软件一个软件地点、一项任务一项任务地做。 这也是很多人对 AI 的真实感受——它会说,但不一定真能干活。而 ToDesk 新上线的 ToClaw,想解决的正是这个问题。 一、ToClaw 是什么? ToClaw 是一款基于 OpenClaw 深度定制、并与远程控制运行时深度结合的 AI 助手。它最大的不同,不只是“懂你说什么”,而是能直接在你的电脑上执行操作。 你只需要一句话,它就可以在电脑端完成对应动作:打开软件、点击按钮、填写表单、拖拽文件、整理资料、生成表格、汇总信息……很多原本需要人守在电脑前操作的工作,现在都可以交给 ToClaw

By Ne0inhk
【Unity-AI开发篇】| Unity-MCP最新指南:让AI接管游戏开发

【Unity-AI开发篇】| Unity-MCP最新指南:让AI接管游戏开发

* 前言 * 【Unity-AI开发篇】| Unity-MCP最新指南:让AI接管游戏开发 * 一、🧐 MCP是什么? * 1.1 MCP介绍 * 1.2 为什么要配置MCP? * 1.3 效果展示 * 1.4 使用说明及下载 * 二、🚀MCP安装步骤 * 2.1 前提条件 * 2.2 安装 Unity-MCP包(桥接组件) * 2.2 MCP配置 * 三、🎈Trae配置 * 3.1 添加MCP配置 * 3.2 创建一个智能体并添加Unity-MCP * 3.3 使用AI开发功能 * 总结 前言 * 在人工智能飞速发展的今天,大语言模型早已不仅限于聊天和文本生成。 * 它们开始能够使用工具,与环境进行交互,从而执行复杂任务。 * 对于广大游戏开发者而言,

By Ne0inhk
OpenAI发布GPT-5.3 Instant:幻觉率最高降低26.8%,2026全球AI模型排行榜

OpenAI发布GPT-5.3 Instant:幻觉率最高降低26.8%,2026全球AI模型排行榜

🔥 个人主页:杨利杰YJlio❄️ 个人专栏:《Sysinternals实战教程》《Windows PowerShell 实战》《WINDOWS教程》《IOS教程》《微信助手》《锤子助手》《Python》《Kali Linux》《那些年未解决的Windows疑难杂症》🌟 让复杂的事情更简单,让重复的工作自动化 OpenAI发布GPT-5.3 Instant:幻觉率最高降低26.8%,2026全球AI模型排行榜 * 1 GPT-5.3 Instant 发布 * 2 本次升级三大核心能力 * 2.1 降低 AI 幻觉 * 2.2 减少不必要拒答 * 2.3 网络搜索能力升级 * 3 GPT-5.3 Instant 技术架构 * 4 GPT-5.3 vs

By Ne0inhk
医疗AI场景下算法编程的深度解析(2026新生培训讲稿)(三)

医疗AI场景下算法编程的深度解析(2026新生培训讲稿)(三)

第5章 逻辑回归:疾病风险概率建模 逻辑回归(Logistic Regression)尽管名称中含有“回归”,但它实际上是一种广泛应用于分类任务的线性模型。在医疗领域,逻辑回归因其简单、高效、可解释性强,以及能够输出概率值的特点,成为疾病风险预测、诊断辅助、预后评估等任务的基石算法。本章将从算法原理出发,深入解析逻辑回归在医疗场景中的适用性,并通过实战案例展示从数据预处理、模型训练、结果解释到临床应用的完整流程。 5.1 算法原理 逻辑回归的核心思想是:通过线性回归的输出来估计样本属于某个类别的概率。它使用一个非线性函数(Sigmoid函数)将线性组合的实数输出映射到0到1之间的概率值,从而解决分类问题。 5.1.1 从线性回归到逻辑回归 线性回归模型试图用特征的线性组合来预测一个连续值: [ z = \theta_0 + \theta_1 x_1 + \theta_2 x_2 + … + \theta_p x_

By Ne0inhk