# Zero-shot 예시
고객 리뷰를 긍정/부정/중립으로 분류해줘.
리뷰: "배송은 빠른데 포장이 좀 아쉬웠어요"

# Few-shot 예시
고객 리뷰를 긍정/부정/중립으로 분류해줘.

예시:
리뷰: "완전 만족해요! 다음에 또 살게요" → 긍정
리뷰: "품질이 너무 나빠요. 환불 원해요" → 부정
리뷰: "보통이에요. 특별하지 않아요" → 중립

분류할 리뷰: "배송은 빠른데 포장이 좀 아쉬웠어요"

# 일반 프롬프트
월 매출 500만원, 원가율 60%, 고정비 100만원일 때 
영업이익률을 계산해줘.

# CoT 프롬프트  
월 매출 500만원, 원가율 60%, 고정비 100만원일 때
영업이익률을 단계별로 계산해줘.

1단계: 매출총이익 계산
2단계: 영업이익 계산  
3단계: 영업이익률 계산
각 단계에서 계산 과정을 명시해줘.

# FastAPI에서 CoT 프롬프트 구현 예시
ANALYSIS_PROMPT = """
당신은 전문 비즈니스 분석가입니다.

다음 데이터를 분석할 때 반드시 아래 순서로 진행하세요:

1. 데이터 요약: 핵심 수치 정리
2. 트렌드 분석: 증감 패턴 파악
3. 원인 추론: 가능한 원인 2-3가지
4. 권장 액션: 구체적인 다음 단계

분석할 데이터: {data}
"""

# 역할 부여 전
계약서의 문제점을 찾아줘.

# 역할 부여 후
당신은 20년 경력의 기업 법무 전문가입니다. 
계약 분쟁 사건을 100건 이상 처리한 경험이 있습니다.
클라이언트 보호 관점에서 이 계약서의 위험 조항을 찾아주세요.
특히 손해배상, 계약 해지, 지적재산권 조항을 중점 검토해 주세요.

# 구조화되지 않은 프롬프트
상품 정보를 요약해줘.

# 출력 형식 제어
상품 정보를 아래 JSON 형식으로 정확히 출력해줘.
다른 텍스트는 절대 포함하지 말고 JSON만 출력해.

{
  "product_name": "상품명",
  "price": 숫자,
  "key_features": ["특징1", "특징2", "특징3"],
  "target_audience": "타겟 고객층",
  "rating": 1-5 숫자
}

분석할 상품: {product_description}

# Pydantic으로 출력 형식 강제하기 (FastAPI + OpenAI)
from pydantic import BaseModel
from openai import OpenAI

class ProductSummary(BaseModel):
    product_name: str
    price: float
    key_features: list[str]
    target_audience: str
    rating: int

client = OpenAI()

def analyze_product(description: str) -> ProductSummary:
    response = client.beta.chat.completions.parse(
        model="gpt-4o",
        messages=[
            {"role": "system", "content": "제품 분석 전문가입니다."},
            {"role": "user", "content": f"분석할 상품: {description}"}
        ],
        response_format=ProductSummary,
    )
    return response.choices[0].message.parsed

# 약한 시스템 프롬프트
당신은 고객 서비스 챗봇입니다.

# 강한 시스템 프롬프트  
당신은 [브랜드명]의 공식 고객 서비스 전문가입니다.

## 기본 원칙
- 항상 친절하고 공감하는 태도를 유지하세요
- 답변은 3문장 이내로 간결하게 작성하세요
- 해결책을 먼저 제시하고, 설명은 그 다음에 하세요

## 금지 사항
- 경쟁사 제품 언급 금지
- 가격 협상은 담당자 연결로 처리
- 의료/법적 조언은 절대 제공 금지

## 에스컬레이션 기준
다음 상황에서는 "담당자 연결"을 안내하세요:
- 환불 금액 10만원 이상
- 3회 이상 반복 문의
- 고객이 직접 연결 요청

현재 날짜: {current_date}
고객 등급: {customer_tier}

핵심 원칙:
- "~입니다" 대신 "~일 수 있습니다", "~를 검토하시기 바랍니다" 사용
- 항상 "정확한 판단은 전문가 상담을 권장합니다" 추가
- 관련 법률 조항 명시 (예: 민법 제○○조)
- 최신 정보 한계 명시

핵심 원칙:
- 고객 구매 이력 컨텍스트 반드시 포함
- 추천 이유를 1-2줄로 명확히 설명
- 가격 민감도 세그먼트 반영
- 재고 상황 실시간 연동

핵심 원칙:  
- 출력은 항상 JSON 또는 마크다운 테이블
- 내부 용어집(Glossary) 시스템 프롬프트에 포함
- 불확실한 경우 "데이터 부족으로 판단 불가" 명시
- 감사 추적을 위한 입력/출력 로깅

# 프롬프트 평가 자동화 예시
import json
from openai import OpenAI

def evaluate_prompt(prompt_template: str, test_cases: list[dict]) -> dict:
    client = OpenAI()
    results = {"pass": 0, "fail": 0, "errors": []}
    
    for case in test_cases:
        prompt = prompt_template.format(**case["input"])
        
        response = client.chat.completions.create(
            model="gpt-4o-mini",
            messages=[{"role": "user", "content": prompt}]
        )
        
        output = response.choices[0].message.content
        
        # 예상 출력과 비교
        if validate_output(output, case["expected"]):
            results["pass"] += 1
        else:
            results["fail"] += 1
            results["errors"].append({
                "input": case["input"],
                "expected": case["expected"],
                "got": output
            })
    
    results["accuracy"] = results["pass"] / len(test_cases) * 100
    return results