Zero-shot

# Zero-shot 프롬프팅 비교 예제
from openai import OpenAI
from anthropic import Anthropic

# OpenAI Zero-shot
openai_client = OpenAI(api_key="your-openai-key")

def zero_shot_openai(task_description: str, input_text: str) -> str:
    """
    Zero-shot: 예시 없이 작업 설명만으로 수행
    """
    response = openai_client.chat.completions.create(
        model="gpt-4",
        messages=[
            {"role": "system", "content": task_description},
            {"role": "user", "content": input_text}
        ],
        temperature=0
    )
    return response.choices[0].message.content

# Claude Zero-shot
anthropic_client = Anthropic(api_key="your-anthropic-key")

def zero_shot_claude(task_description: str, input_text: str) -> str:
    """
    Claude에서의 Zero-shot 프롬프팅
    """
    message = anthropic_client.messages.create(
        model="claude-3-5-sonnet-20241022",
        max_tokens=1000,
        messages=[{
            "role": "user",
            "content": f"{task_description}\n\n입력: {input_text}\n\n출력:"
        }]
    )
    return message.content[0].text

# Zero-shot vs Few-shot 비교
def compare_approaches(text: str) -> dict:
    """
    동일한 작업에 대해 Zero-shot과 Few-shot 결과 비교
    """
    # Zero-shot: 지시만 제공
    zero_shot_prompt = """다음 텍스트가 긍정적(positive), 부정적(negative), 중립적(neutral) 중
어떤 감정인지 판단하세요. 감정 레이블만 출력하세요."""

    zero_result = zero_shot_openai(zero_shot_prompt, text)

    # Few-shot: 예시 포함
    few_shot_prompt = """다음 텍스트의 감정을 분류하세요.

예시 1:
텍스트: "이 영화 정말 재미있었어요!"
감정: positive

예시 2:
텍스트: "서비스가 너무 느려서 화가 났습니다."
감정: negative

예시 3:
텍스트: "오늘 날씨는 맑습니다."
감정: neutral

이제 아래 텍스트를 분류하세요:"""

    few_result = zero_shot_openai(few_shot_prompt, text)

    return {
        "text": text,
        "zero_shot": zero_result,
        "few_shot": few_result
    }

# Zero-shot Chain-of-Thought (CoT)
def zero_shot_cot(question: str) -> str:
    """
    Zero-shot CoT: "단계별로 생각해보세요" 추가로 추론 능력 향상
    """
    prompt = f"""{question}

단계별로 생각해보세요."""

    response = openai_client.chat.completions.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}],
        temperature=0
    )
    return response.choices[0].message.content

# 다양한 Zero-shot 작업 예제
def demonstrate_zero_shot_tasks():
    # 1. 번역 (Zero-shot)
    translation = zero_shot_openai(
        "한국어를 영어로 번역하세요.",
        "인공지능이 세상을 바꾸고 있습니다."
    )
    print(f"번역: {translation}")

    # 2. 요약 (Zero-shot)
    summary = zero_shot_openai(
        "다음 텍스트를 한 문장으로 요약하세요.",
        """
        기계학습은 컴퓨터가 명시적으로 프로그래밍되지 않아도
        데이터로부터 학습할 수 있게 하는 인공지능의 한 분야입니다.
        다양한 알고리즘을 사용하여 패턴을 인식하고 예측합니다.
        """
    )
    print(f"요약: {summary}")

    # 3. NER (Zero-shot)
    ner = zero_shot_openai(
        "텍스트에서 인명, 조직명, 장소명을 추출하세요. JSON 형식으로 출력하세요.",
        "이재용 삼성전자 회장이 서울에서 기자회견을 열었습니다."
    )
    print(f"NER: {ner}")

    # 4. 추론 with CoT (Zero-shot)
    reasoning = zero_shot_cot(
        "가게에 사과가 23개 있었습니다. 오전에 15개를 팔고, 오후에 12개를 더 받았습니다. 현재 사과는 몇 개인가요?"
    )
    print(f"추론: {reasoning}")

# 실행
if __name__ == "__main__":
    # 감정 분석 비교
    result = compare_approaches("배송이 생각보다 늦었지만 제품 품질은 만족스럽습니다.")
    print(f"Zero-shot 결과: {result['zero_shot']}")
    print(f"Few-shot 결과: {result['few_shot']}")

    # 다양한 작업 데모
    demonstrate_zero_shot_tasks()