pip install openai

from openai import OpenAI
client = OpenAI()

def ask_llm(system_prompt, user_prompt, model="gpt-4o-mini"):
    """LLM에게 질문하고 응답을 받는 헬퍼 함수"""
    response = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_prompt},
        ],
        temperature=0,  # 일관된 결과를 위해 0으로 설정
    )
    return response.choices[0].message.content

# 테스트 데이터
test_reviews = [
    "배송은 빨랐는데 제품 품질이 별로예요",
    "가격 대비 훌륭합니다 재구매 의사 있어요",
    "설명서가 불친절해서 조립에 시간이 오래 걸렸어요",
    "디자인이 사진이랑 똑같아서 만족합니다",
]

system_prompt = """당신은 고객 리뷰 분석기입니다.
주어진 리뷰의 감성을 분류하세요.
출력 형식: JSON {"감성": "긍정|부정|혼합", "핵심_키워드": [...], "신뢰도": 0.0~1.0}"""

for review in test_reviews:
    result = ask_llm(system_prompt, review)
    print(f"리뷰: {review}")
    print(f"결과: {result}\n")

system_prompt = """당신은 고객 리뷰 분석기입니다.
주어진 리뷰의 감성을 분류하세요.

## 예시
입력: "가격은 좀 비싸지만 성능은 확실히 좋네요"
출력: {"감성": "혼합", "핵심_키워드": ["가격", "성능"], "신뢰도": 0.85}

## 규칙
- 긍정과 부정이 모두 있으면 "혼합"으로 분류합니다
- 핵심_키워드는 최대 3개까지 추출합니다
- 출력은 반드시 JSON 형식이어야 합니다"""

for review in test_reviews:
    result = ask_llm(system_prompt, review)
    print(f"리뷰: {review}")
    print(f"결과: {result}\n")

system_prompt = """당신은 고객 리뷰 분석기입니다.
주어진 리뷰의 감성을 분류하세요.

## 예시

입력: "배송도 빠르고 포장도 깔끔해요. 100점!"
출력: {"감성": "긍정", "핵심_키워드": ["배송", "포장"], "신뢰도": 0.95}

입력: "제품이 불량이고 교환도 안 해줘요"
출력: {"감성": "부정", "핵심_키워드": ["불량", "교환"], "신뢰도": 0.92}

입력: "가격은 좀 비싸지만 성능은 확실히 좋네요"
출력: {"감성": "혼합", "핵심_키워드": ["가격", "성능"], "신뢰도": 0.85}

입력: "그냥 그래요 특별한 건 없어요"
출력: {"감성": "부정", "핵심_키워드": ["보통"], "신뢰도": 0.60}

입력: "디자인은 이쁜데 실용성이 떨어져요"
출력: {"감성": "혼합", "핵심_키워드": ["디자인", "실용성"], "신뢰도": 0.80}

## 규칙
- 긍정과 부정이 모두 있으면 "혼합"으로 분류합니다
- 핵심_키워드는 최대 3개까지 추출합니다
- 출력은 반드시 JSON 형식이어야 합니다"""

for review in test_reviews:
    result = ask_llm(system_prompt, review)
    print(f"리뷰: {review}")
    print(f"결과: {result}\n")

import json

# 정답 레이블 (사람이 판단한 기준)
ground_truth = [
    {"감성": "혼합"},   # 배송 빠르지만 품질 별로
    {"감성": "긍정"},   # 가격 대비 훌륭
    {"감성": "부정"},   # 설명서 불친절
    {"감성": "긍정"},   # 디자인 만족
]

def evaluate_approach(name, system_prompt, test_data, labels):
    """접근법별 정확도 평가"""
    correct = 0
    total = len(test_data)

    for review, label in zip(test_data, labels):
        result = ask_llm(system_prompt, review)
        try:
            parsed = json.loads(result)
            if parsed["감성"] == label["감성"]:
                correct += 1
        except (json.JSONDecodeError, KeyError):
            pass  # 파싱 실패 = 오답 처리

    accuracy = correct / total
    print(f"{name}: {accuracy:.0%} ({correct}/{total})")
    return accuracy

# 각 접근법 평가 (system_prompt는 위에서 정의한 것 사용)
# evaluate_approach("Zero-shot", zero_shot_prompt, test_reviews, ground_truth)
# evaluate_approach("One-shot",  one_shot_prompt,  test_reviews, ground_truth)
# evaluate_approach("Few-shot",  few_shot_prompt,  test_reviews, ground_truth)