文章介绍如何使用本地大模型(Ollama/vLLM)进行文本情感分析，无需训练模型或构建复杂NLP管线。通过设计稳定Prompt，实现单条文本分析和CSV批量处理，完成正/中/负情感分类任务。提供完整代码示例，适合评论分析、问卷反馈、新闻情绪初筛等场景，并对比Ollama(小批量)和vLLM(大批量)的应用场景，是小白可直接复现的文本分析实践指南。
前四篇，我们已经把一整套“大模型落地环境”铺好了：
- • 用Ollama把开源大模型跑在本地
- • 学会API 调用 + LLM 封装
- • 把 AI 塞进VS Code + Remote SSH
- • 尝试了更偏工程和性能的vLLM 推理框架
但这一步都会有一个真实的疑问：
“环境是搭好了，但它到底能帮我干什么？”
这一篇，我们不再讲部署、不讲参数、不讲框架对比，
只干一件事：
用本地大模型，真正做一次“能用的文本分析”。
而且是——
不训练模型、不开复杂 NLP 管线、小白也能直接复现的那种。
一、为什么用大模型做文本分析，真的很合适？
在传统 NLP 里，哪怕只是一个简单的“文本分类”，你也要：
- • 分词
- • 构造特征
- • 准备标注数据
- • 训练模型
- • 调参、验证
对课程作业、毕设、小项目来说，这个成本其实很高。
而大模型改变了一件事：
它本身就已经“会读中文、懂情绪、会归纳”。
于是现在我们可以换一种思路：
- • 不训练模型
- • 不构造特征
- • 直接告诉模型：“你要做什么，输出什么”
这就是Prompt = 分类器的思路。
二、我们要完成一个什么任务？
为了保证复现性和通用性，这一篇选一个最稳的任务组合：
文本情感分析（正 / 中 / 负）
支持 CSV 批量处理
你可以把它直接用在：
- • 评论情感分析
- • 问卷开放题
- • 客服反馈
- • 新闻情绪初筛
- • 风险 / 舆情初步判断
示例文本
快点进吧，4 千点是起点再次见证历史 4000 点没意思啊，不放量就没有突破的意思，这样子的话下午还得下去部分目标输出：
| text | label |
|---|---|
| 快点进吧，4 千点是起点 | 中性 |
| 再次见证历史 4000 点 | 正性 |
| 没意思啊，不放量就没有突破的意思，这样子的话下午还得下去 | 负向 |
三、关键一步：写一个稳定、可复现的 Prompt
这一部分是全篇的核心。
一个好的 Prompt，比你换模型更重要。
推荐系统提示
你是一个中文文本分析助手。请判断下面文本的情感类别，只能从以下三类中选择一个：- 正向- 中性- 负向要求：1. 只输出分类结果，不要输出任何解释。2. 输出必须严格为以上三个标签之一。为什么这样写？
- • 限定身份（文本分析助手）
- • 限定标签集合
- • 禁止解释（避免输出不稳定）
这一步可以显著提高一致性。
四、先来一次：用 Ollama 本地模型做单条分析
如果你已经按第一篇配置好了 Ollama，这一步可以直接跑。
4.1 本地调用示例（Python）
from ollama import chatSYSTEM_PROMPT = """你是一个中文文本分析助手。请判断下面文本的情感类别，只能从以下三类中选择一个：- 正向- 中性- 负向只输出分类结果。"""resp = chat( model="deepseek-r1:1.5b", messages=[ {"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": "再次见证历史 4000 点"} ])print(resp["message"]["content"])输出示例：
正向到这里，你已经完成了：
一个不训练的“文本情感分类器”。
五、真正有用的部分：CSV 批量处理
单条分析只是热身，真正有价值的是批量处理。
5.1 准备一个TXT/ CSV 文件
数据量较小，以texts.txt为例。
text虽然红了，感觉有点假，管住手啊再次见证历史 4000 点没意思啊，不放量就没有突破的意思，这样子的话下午还得下去快点进吧，4 千点是起点大小盘齐发力，才能站稳 4 千点，干爆空狗相信国运，坐等起飞跌就死命跌，涨就磨磨唧唧一点点涨，这市场谁玩？拉尾盘，明天低开 2 个点抢筹上车今天涨多少，明天还回来！快加仓，晚上让我看看你们的底牌赶紧拉起来啊，都快到点了跑吧高开低走，平开低走，低开低走，一路向下！老乡别走，我也要走了开盘赚一万三，收盘你不会连个零头都不给我剩吧该涨涨了…… 又一个 5 年…… 人生有多少个 5 年啊？年摸一下 4000 不为过吧5.2 批量标注代码（核心代码）
import pandas as pdfrom ollama import chatSYSTEM_PROMPT = """你是一个中文文本分析助手。请判断下面文本的情感类别，只能从以下三类中选择一个：- 正向- 中性- 负向只输出分类结果。"""defclassify(text): resp = chat( model="deepseek-r1:1.5b", messages=[ {"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": text} ] ) return resp["message"]["content"].strip()df = pd.read_csv("E:/C博士/课程/人工智能与大模型/lecture/lecture2_llm/lecture2_llm/comments.txt", header=None, names=["text"])df["label"] = df["text"].apply(classify)df.to_csv("labeled.csv", index=False, encoding="utf-8-sig")print(" 批量标注完成")运行结束后，你会得到labeled.csv：
text,label虽然红了，感觉有点假，管住手啊,负向再次见证历史 4000 点,正向没意思啊，不放量就没有突破的意思，这样子的话下午还得下去,正向🎉恭喜，你已经完成了一次“零训练的文本分析流程”。
当然，也可以调用API进行情感分析。参考第二篇大模型API调用。
六、那 vLLM 在这里有什么用？
如果你还记得第四篇，我们专门讲了 vLLM。
现在它的价值就很清楚了👇
Ollama 更适合：
- • 单条 / 小批量
- • 本地交互
- • 原型验证
- • 学生电脑
vLLM 更适合：
- • CSV 上千 / 上万行
- • 批量推理
- • 长文本
- • 服务器部署
- • 多用户 / 多任务
一句话总结：
**第四篇解决“跑得起来”，
**第五篇开始解决“跑得多、跑得快”。
代码几乎不用改，只需要把后端从 Ollama 换成 vLLM 服务即可。
七、学生 / 项目 / 研究可以直接用在哪？
下面这几个方向，几乎都是现成选题：
- • 📋 问卷开放题情感分析
- • 🛒 商品 / App 评论分析
- • 📰 新闻情绪或态度初筛
- • ⚠️ 风险句子初步识别
- • 📚 文献摘要与要点分类辅助
一句话定位：
大模型非常适合做“第一道文本处理工序”。
最后
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。
我整理出这套 AI 大模型突围资料包：
- ✅AI大模型学习路线图
- ✅Agent行业报告
- ✅100集大模型视频教程
- ✅大模型书籍PDF
- ✅DeepSeek教程
- ✅AI产品经理入门资料
完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
为什么说现在普通人就业/升职加薪的首选是AI大模型？
人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。
智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200%，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。
AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。
资料包有什么？
①从入门到精通的全套视频教程⑤⑥
包含提示词工程、RAG、Agent等技术点
② AI大模型学习路线图（还有视频解说）
全过程AI大模型学习路线
③学习电子书籍和技术文档
市面上的大模型书籍确实太多了，这些是我精选出来的
④各大厂大模型面试题目详解
⑤ 这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势，构建起"前沿课程+智能实训+精准就业"的高效培养体系。
课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事！
如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！
应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。
零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。
业务赋能 突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**
