影刀RPA 调用大模型API：让AI帮你分析和处理数据

作者：林焱

RPA能自动化重复操作，但有个死穴——不会"理解"数据。比如采集了1000条用户评论，你让RPA筛选出负面评价，它做不到（除非你写死关键词规则，但准确率极低）。

这时候接入大模型API，让AI来做语义理解，RPA负责把理解结果落地。这篇文章讲怎么在影刀的Python代码块里调用大模型。

选哪个大模型？

模型	调用方式	费用	适合场景
DeepSeek	OpenAI兼容API	极低（百万token几毛钱）	性价比最高首选
通义千问	阿里云API	低	国内合规场景
文心一言	百度API	低	百度生态
OpenAI	官方API	高	复杂推理任务

推荐DeepSeek：兼容OpenAI的API格式（代码不用改），价格极低，中文理解力强。注册deepseek.com拿到API Key就能用。

基础调用模板

import requests

api_key = "sk-your-deepseek-key"
api_url = "https://api.deepseek.com/v1/chat/completions"

def ask_ai(prompt, system_prompt="你是一个数据分析助手"):
    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json"
    }
    data = {
        "model": "deepseek-chat",
        
[video(video-cUUazisR-1784927774969)(type-csdn)(url-https://live.csdn.net/v/embed/526818)(image-https://v-blog.csdnimg.cn/asset/582d14c3bd0451c5399cd990b56e2a0d/cover/Cover0.jpg)(title-拼多多店群自动化报活动上架！)]

        "messages": [
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": prompt}
        ],
        "temperature": 0.1,  # 0=精确，1=创造性
        "max_tokens": 1000
    }
    resp = requests.post(api_url, headers=headers, json=data, timeout=30)
    result = resp.json()
    return result["choices"][0]["message"]["content"]

实战场景

场景1：情感分析

影刀采集了用户评论，让AI判断每条是正面还是负面：

comments = ["质量不错，物流很快", "太差了，用了两天就坏了", "一般般吧"]

for comment in comments:
    result = ask_ai(
        f"判断以下用户评论的情感倾向，只回答「正面」或「负面」或「中性」：\n{comment}",
        "你是一个情感分析专家"
    )
    print(f"{comment} → {result}")

场景2：数据分类

影刀采集了1000条商品标题，让AI自动分类：

titles = ["夏季新款连衣裙", "iPhone15手机壳", "进口咖啡豆"]
categories = ["服饰", "数码", "食品", "家居", "其他"]

prompt = f"""
将以下商品标题分类到：{', '.join(categories)}
格式：标题 -> 分类，一行一个

{chr(10).join(titles)}
![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/fcc515be4ca7420d8ef3af82ecd0b2a2.png#pic_center)

"""
result = ask_ai(prompt)
print(result)
# 夏季新款连衣裙 -> 服饰
# iPhone15手机壳 -> 数码
# 进口咖啡豆 -> 食品

场景3：文本摘要

采集了长篇新闻，让AI生成一句话摘要：

article = "（很长的文章内容...）"
summary = ask_ai(
    f"用一句话总结以下内容的要点：\n{article}",
    "你是一个内容摘要专家，输出的摘要不超过30个字"
)

踩坑实录

坑1：API Key不支持中国内地直接访问

OpenAI的API需要科学上网。DeepSeek、通义千问、文心一言都在国内有节点，不需要特殊网络环境。选国内模型省去很多麻烦。

坑2：API返回超时

大模型生成内容需要时间（几秒到几十秒）。requests默认timeout可能导致超时报错。设置timeout=60或更长。如果用DeepSeek，也可以开启流式输出（stream模式）避免超时。

坑3：返回结果格式不稳定

AI的输出是自然语言，格式不一定每次都一致。你让AI只输出"正面"或"负面"，它有时候会输出"这条评论是正面的"。加上更严格的提示词约束：

只输出一个词：正面、负面、或中性。不要输出任何其他内容。

坑4：费用控制

虽然是几分钱一次调用，但如果你的影刀流程每小时调1000次，一个月也要不少钱。加个缓存机制：相同或相似的文本不要重复调用API。

坑5：API调用频率限制

免费或低价API都有QPS限制（如每秒3次）。批量调用时加延时：

import time
for item in items:
    result = ask_ai(item)
    ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/2207f60b6e8e484b832bfb8607505ffa.png#pic_center)

    time.sleep(0.5)  # 控制频率

高级技巧：批量处理减少调用次数

一次API调用处理多条数据，比逐条调用省钱且更快：

# 不好：逐条调用
for comment in comments:
    ask_ai(comment)

# 好：批量调用
batch = "\n".join([f"{i}. {c}" for i, c in enumerate(comments)])
result = ask_ai(
    f"判断以下每条评论的情感（正面/负面/中性），按编号输出：\n{batch}"
)

写在最后

RPA负责"动手"，AI负责"动脑"。影刀采集数据，大模型理解数据，影刀再根据理解结果执行后续操作——这才是真正的智能自动化。DeepSeek几毛钱就能处理百万字的文本，没必要自己写复杂的规则引擎。