프롬프트

from openai import OpenAI
from anthropic import Anthropic
import json

# OpenAI 클라이언트 초기화
openai_client = OpenAI()
anthropic_client = Anthropic()

# 1. 시스템 프롬프트 + Few-shot 예제
def classify_sentiment_openai(text: str) -> str:
    """Few-shot 프롬프트로 감정 분석"""
    response = openai_client.chat.completions.create(
        model="gpt-4-turbo",
        messages=[
            {
                "role": "system",
                "content": """당신은 감정 분석 전문가입니다.
텍스트의 감정을 positive, negative, neutral 중 하나로 분류하세요.
JSON 형식으로만 응답하세요: {"sentiment": "...", "confidence": 0.0-1.0}"""
            },
            {"role": "user", "content": "이 영화 정말 재미있어요!"},
            {"role": "assistant", "content": '{"sentiment": "positive", "confidence": 0.95}'},
            {"role": "user", "content": "배송이 너무 늦어서 실망했습니다."},
            {"role": "assistant", "content": '{"sentiment": "negative", "confidence": 0.9}'},
            {"role": "user", "content": text}
        ],
        temperature=0.1  # 일관된 분류를 위해 낮은 temperature
    )
    return response.choices[0].message.content

# 2. Chain-of-Thought (Claude)
def solve_math_problem(problem: str) -> str:
    """단계별 추론으로 수학 문제 풀기"""
    message = anthropic_client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=2000,
        system="""당신은 수학 문제를 푸는 튜터입니다.
문제를 단계별로 풀어 학생이 이해할 수 있도록 설명하세요.

각 단계는 다음 형식을 따르세요:
[단계 N] 무엇을 할 것인지
- 계산 과정
- 중간 결과

마지막에 [최종 답] 형식으로 답을 제시하세요.""",
        messages=[
            {"role": "user", "content": problem}
        ]
    )
    return message.content[0].text

# 3. 구조화된 출력을 위한 프롬프트
def extract_entities(text: str) -> dict:
    """텍스트에서 엔티티 추출"""
    response = openai_client.chat.completions.create(
        model="gpt-4-turbo",
        messages=[
            {
                "role": "system",
                "content": """텍스트에서 다음 엔티티를 추출하세요:
- 인물 (people): 이름 목록
- 조직 (organizations): 회사, 기관 등
- 장소 (locations): 도시, 국가, 장소
- 날짜 (dates): 언급된 날짜들

반드시 JSON 형식으로만 응답하세요."""
            },
            {"role": "user", "content": text}
        ],
        response_format={"type": "json_object"}  # JSON 강제
    )
    return json.loads(response.choices[0].message.content)

# 4. 역할 기반 전문가 프롬프트
def code_review(code: str, language: str = "python") -> str:
    """시니어 개발자 역할로 코드 리뷰"""
    return anthropic_client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=3000,
        system=f"""당신은 10년 경력의 {language} 시니어 개발자입니다.

코드 리뷰 시 다음을 확인하세요:
1. 버그 및 잠재적 오류
2. 성능 최적화 포인트
3. 가독성 및 코드 스타일
4. 보안 취약점
5. 테스트 용이성

각 항목에 대해 구체적인 개선 제안을 코드와 함께 제시하세요.""",
        messages=[
            {"role": "user", "content": f"다음 코드를 리뷰해주세요:\n\n```{language}\n{code}\n```"}
        ]
    ).content[0].text

# 사용 예시
if __name__ == "__main__":
    # 감정 분석
    sentiment = classify_sentiment_openai("제품은 괜찮은데 가격이 좀 비싸네요")
    print(f"감정 분석 결과: {sentiment}")

    # 수학 문제
    answer = solve_math_problem(
        "철수는 사과 15개를 가지고 있습니다. 영희에게 40%를 주고, "
        "남은 것의 1/3을 민수에게 주었습니다. 철수에게 남은 사과는 몇 개인가요?"
    )
    print(f"\n수학 풀이:\n{answer}")