贫血王子1. 项目概述与核心价值
在自然语言处理任务中，少样本学习(Few-Shot Learning)是一种让大语言模型通过少量示例快速掌握新任务的有效方法。但传统固定数量的示例选择方式存在明显缺陷：当输入文本较长时，固定数量的示例很容易导致整个提示(Prompt)超出模型的上下文窗口限制。这个项目通过动态示例选择机制，实现了根据输入长度自动调整示例数量的智能反义词生成系统。
核心创新点在于LengthBasedExampleSelector组件，它能实时计算当前输入占用的token空间，动态调整示例数量。比如处理"big"这样的短词时，可以展示4个完整示例；而当输入是"big and huge and massive..."这样的长句时，则自动缩减为1个示例。这种自适应能力使得系统在保持少样本学习优势的同时，避免了因提示过长导致的模型性能下降。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 环境准备与依赖安装
2.1 基础环境配置
建议使用Python 3.8或更高版本，并创建独立的虚拟环境：
bash复制python -m venv antonym_env
source antonym_env/bin/activate # Linux/Mac
# antonym_env\Scripts\activate # Windows
2.2 依赖包安装
项目依赖以下几个关键库：
bash复制pip install langchain langchain-openai python-dotenv
- langchain：提供提示模板、示例选择器等核心组件
- langchain-openai：包含与OpenAI兼容API的集成
- python-dotenv：用于管理环境变量
注意：虽然使用DeepSeek模型，但通过langchain-openai包兼容其API接口，这是当前最稳定的接入方式。
2.3 API密钥配置
在项目根目录创建.env文件，配置DeepSeek访问凭证：
ini复制DEEPSEEK_API_KEY=your_api_key_here
DEEP_URL=https://api.deepseek.com/v1
确保该文件被添加到.gitignore中，避免密钥泄露。