SemanticKernel之使用结构化Prompt
原文中文，约10000字，阅读约需24分钟。
📝
内容提要
本文介绍了一个具体案例，将公众号上的中文技术文章翻译成选择的语言。使用Playwright读取html内容，利用SemanticKernel的OpenAIChatCompletionService功能进行翻译，然后用Playwright将结果发送到Qiit上。具体实现了C#代码。
🔎
延伸解读
结构化提示词的设计要点
文章中的提示词明确划分了角色、目标、约束、技能和工作流。约束部分特别强调将HTML转为Markdown、保留代码块、处理图片标签，并禁止添加个人观点。这种结构让模型输出更可控，尤其适合技术翻译场景，能减少格式丢失和随意发挥。
从文本提取到HTML转Markdown的优化
早期方案直接提取网页文本进行翻译，会导致表格等复杂格式丢失。优化后让GPT直接将HTML转为Markdown，即使遇到特殊HTML表示，也能输出相对友好的Markdown格式。这一改进提升了翻译结果的结构完整性，尤其对含表格或嵌套标签的文章更有效。
自动化流程中的关键步骤与注意事项
代码使用Playwright读取公众号文章，提取标题、内容和图片链接，再通过SemanticKernel调用OpenAI进行翻译，最后用Playwright登录Qiita并填充草稿。注意发布前需手动确认，且登录凭据从本地文件读取，实际使用时需注意安全与合规。
❓
Q&A
如何使用Playwright读取公众号文章的HTML内容？
用户输入文章的URL，系统使用Playwright读取HTML内容。
SemanticKernel的OpenAIChatCompletionService功能有什么作用？
该功能用于根据结构化提示词翻译文章内容。
翻译结果是如何发布到Qiit上的？
翻译结果通过Playwright发送到Qiit上，用户需手动确认发布。
用户可以选择哪些语言进行翻译？
用户可以选择日语、英语、法语、德语和韩语等多种语言进行翻译。
在翻译过程中如何处理HTML中的图片？
图片标签会被转成Markdown格式，同时保留图片链接。
C#代码在翻译和发布流程中起什么作用？
C#代码实现了获取文章、翻译和发布的整个流程。
🏷️
