Codex 不只想当程序员的朋友——500 万周活用户与角色插件体系意味着什么

import os
from openai import OpenAI

client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))

# 角色插件配置——每个角色定义自己的 system prompt 和输出格式约束
ROLE_PLUGINS = {
    "data_analyst": {
        "system_prompt": (
            "你是一名数据分析师。收到数据描述后，你应：\n"
            "1. 识别关键指标和异常值\n"
            "2. 生成可执行的 SQL 或 Python 分析代码\n"
            "3. 用表格或要点总结结论，不要写长段落\n"
        ),
        "model": "gpt-4o",
        "temperature": 0.2,  # 分析场景需要低随机性
    },
    "creative_writer": {
        "system_prompt": (
            "你是一名创意文案策划。收到主题后，你应：\n"
            "1. 提供 3 个不同风格的文案方向\n"
            "2. 每个方向给出标题 + 100 字以内的正文示例\n"
            "3. 标注适合的发布渠道（公众号、短视频、邮件等）\n"
        ),
        "model": "gpt-4o",
        "temperature": 0.8,  # 创意场景需要高随机性
    },
    "product_planner": {
        "system_prompt": (
            "你是一名产品策划。收到需求描述后，你应：\n"
            "1. 拆解为用户故事（As a... I want... So that...）\n"
            "2. 按必须/应该/可以分级优先级（MoSCoW 法）\n"
            "3. 列出关键验收标准和潜在风险\n"
        ),
        "model": "gpt-4o",
        "temperature": 0.3,
    },
}

def run_with_role(role: str, user_input: str) -> str:
    """按角色插件执行任务"""
    plugin = ROLE_PLUGINS.get(role)
    if not plugin:
        raise ValueError(f"未知角色: {role}，可选: {list(ROLE_PLUGINS.keys())}")

    response = client.chat.completions.create(
        model=plugin["model"],
        temperature=plugin["temperature"],
        messages=[
            {"role": "system", "content": plugin["system_prompt"]},
            {"role": "user",   "content": user_input},
        ],
    )
    return response.choices[0].message.content

# —— 示例调用 ——
# 数据分析角色：分析一份销售数据
print("=== 数据分析师 ===")
print(run_with_role(
    "data_analyst",
    "某电商平台 2024 年 Q1-Q3 各月 GMV：1月 820万，2月 740万，3月 910万，"
    "4月 1050万，5月 980万，6月 1120万，7月 890万，8月 960万，9月 1200万。请分析趋势和异常。"
))

# 创意角色：为一款新功能写推广文案
print("\n=== 创意文案策划 ===")
print(run_with_role(
    "creative_writer",
    "我们上线了「AI 一键生成周报」功能，面向项目经理和团队负责人，节省每周 2 小时写报告的时间。"
))

# 产品角色：拆解一个需求
print("\n=== 产品策划 ===")
print(run_with_role(
    "product_planner",
    "用户反馈：希望在仪表盘上看到实时数据刷新，而不是每次手动点击刷新按钮。"
))

export OPENAI_API_KEY="sk-你的密钥"
pip install openai
python codex_roles.py

# roles/data_analyst.yaml
name: data_analyst
display_name: 数据分析师
description: 面向数据探索、SQL 生成和趋势报告的角色插件
system_prompt: |
  你是一名数据分析师。收到数据描述后，你应：
  1. 识别关键指标和异常值
  2. 生成可执行的 SQL 或 Python 分析代码
  3. 用表格或要点总结结论，不要写长段落
model: gpt-4o
temperature: 0.2
max_tokens: 2048
allowed_tools:
  - code_interpreter
  - sql_query
output_format: structured_report

# roles/creative_writer.yaml
name: creative_writer
display_name: 创意文案策划
description: 面向文案创作、内容策划的角色插件
system_prompt: |
  你是一名创意文案策划。收到主题后，你应：
  1. 提供 3 个不同风格的文案方向
  2. 每个方向给出标题 + 100 字以内的正文示例
  3. 标注适合的发布渠道
model: gpt-4o
temperature: 0.8
max_tokens: 1024
allowed_tools:
  - web_search
output_format: markdown_with_sections

import yaml
from pathlib import Path

def load_role_plugins(roles_dir: str = "roles") -> dict:
    """从 YAML 文件加载所有角色插件配置"""
    plugins = {}
    for path in Path(roles_dir).glob("*.yaml"):
        with open(path) as f:
            config = yaml.safe_load(f)
        plugins[config["name"]] = config
    return plugins

ROLE_PLUGINS = load_role_plugins()