1-情感分析-Deepseek-阿里代理 · 总结

本课是目录里的入门第一节：用阿里云 DashScope 调用 DeepSeek-R1，做一个简单的产品口碑情感分析。

文件

核心流程

1. 鉴权：从环境变量读 DASHSCOPE_API_KEY，配置 dashscope.api_key
2. 封装调用：get_response(messages) → dashscope.Generation.call(model='deepseek-r1', …)
3. 连通性测试：system + user 问「你是什么大模型？」
4. 情感分析：把评论文本交给模型，要求只输出「正向」或「负向」

Prompt 设计要点

• System：你是一名舆情分析师，帮我判断产品口碑的正负向，回复请用一个词语：正向 或者 负向
• User：评论文本，例如「这款音效特别好 给你意想不到的音质。」
• 约束输出为单词语，便于后续程序解析

技术要点

• 通过**阿里云代理（DashScope）**使用 DeepSeek，不必自建模型
• 对话格式为标准 messages（system / user）
• result_format='message'，从 response.output.choices[0].message.content 取回复

#!/usr/bin/env python
# coding: utf-8

import dashscope
from dashscope.api_entities.dashscope_response import Role
import os
# 从环境变量中获取 API Key
dashscope.api_key = os.getenv('DASHSCOPE_API_KEY')

# 封装模型响应函数
def get_response(messages):
    response = dashscope.Generation.call(
        model='deepseek-r1',  # 使用 deepseek-r1 模型
        messages=messages,
        result_format='message'  # 将输出设置为message形式
    )
    return response

# 测试对话
messages = [
    {"role": "system", "content": "You are a helpful assistant"},
    {"role": "user", "content": "你好，你是什么大模型？"}
]
response = get_response(messages)
print(response.output.choices[0].message.content)

# 情感分析
review = '这款音效特别好 给你意想不到的音质。'
messages = [
    {"role": "system", "content": "你是一名舆情分析师，帮我判断产品口碑的正负向，回复请用一个词语：正向 或者 负向"},
    {"role": "user", "content": review}
]

response = get_response(messages)
print(response.output.choices[0].message.content)