# ==================================================
# 案例1：智能文本过滤器
# 传统方式：所有句子都经过复杂模型，费时费电。
# 我们的方式：先用简单规则过滤，只对复杂句用大模型。
# ==================================================

# 假设我们有一个非常耗电的“大型语言模型”（这里用复杂函数模拟）
def expensive_ai_model(sentence):
    print(f"!!! 大型模型正在全力处理: '{sentence}' — 消耗大量算力!")
    # 模拟复杂计算，比如生成摘要、分析情感等
    return f"【结果】关于 '{sentence}' 的深度分析已完成。"

# 我们的“节能小助手”——条件性过滤器
def conditional_filter(sentences):
    results = []
    for sentence in sentences:
        # **核心节能逻辑**：先做简单判断（条件性）
        words = sentence.lower().split()
        word_count = len(words)

        # 条件1：如果是很短或很简单的句子，直接用简单规则处理
        if word_count <= 2:
            result = f"【简单回复】已收到: '{sentence}'"
            print(f"节能模式：使用简单规则处理 '{sentence}'")
        # 条件2：如果包含特定关键词，才启动大模型
        elif any(word in ['复杂', '分析', '研究'] for word in words):
            result = expensive_ai_model(sentence)
        # 条件3：其他情况，也用节约的方式处理
        else:
            result = f"【标准回复】已记录您的话: '{sentence}'"
            print(f"标准模式：高效处理 '{sentence}'")
        results.append(result)
    return results

# ========== 让我们来对比一下效果 ==========
print("【传统AI工作方式（全部用大模型）】")
sample_sentences_old = ["你好", "今天天气不错", "请帮我复杂分析一下量子物理的最新研究进展", "谢谢"]
for s in sample_sentences_old:
    expensive_ai_model(s)  # 每个都用力过猛

print("\n" + "="*50 + "\n")

print("【我们的节能AI工作方式（条件性触发）】")
sample_sentences_new = ["你好", "今天天气不错", "请帮我复杂分析一下量子物理的最新研究进展", "谢谢"]
results = conditional_filter(sample_sentences_new)

print("\n最终所有结果：")
for r in results:
    print(r)

运行方法：

1. 复制上面所有代码。

2. 打开 https://colab.research.google.com/

3. 点击 +代码，将代码粘贴进去。

4. 按 Shift+Enter 运行。

5. 您将看到两种工作方式的对比，我们的方式只在必要时才“全力工作”。