Day34——晚课 AI助理实战

作者:

系列教程说明

这是「AI专家养成计划」系列教程的第68篇,共140篇。

每天早上8点发布概念讲解,下午5点发布实战教程。

从零开始,一步步成为AI应用达人。

上篇回顾

今天早上我们认识了AI助理的概念——它不只是聊天机器人,而是一个能理解你意图、帮你完成多步骤任务的”全能管家”。我们了解了AI助理的核心能力:自然语言交互多轮对话记忆工具调用个性化定制。今天我们进入实战环节,手把手教你搭建和使用自己的AI助理。


实操一:选一个AI助理平台

目前主流的AI助理平台有三个梯队,我们分别看看怎么上手:

第一梯队:ChatGPT(OpenAI)

  • 优势:生态最完善,插件多,支持语音对话
  • 免费版可用GPT-4o mini,Plus版($20/月)用GPT-4o
  • 注册地址:chat.openai.com

第一梯队:Claude(Anthropic)

  • 优势:长文本理解最强(支持20万token),回答更严谨
  • 免费版可用Claude Sonnet,Pro版($20/月)用Opus
  • 注册地址:claude.ai

第二梯队:通义千问(阿里)/ 豆包(字节)/ Kimi(月之暗面)

  • 优势:国内直连,中文理解好,免费额度大
  • 适合不想翻墙的用户

动手练习: 现在就打开其中一个平台,注册账号,发一条消息试试:

`

你好,我是AI零基础学习者。

请用简单的语言介绍一下你能帮我做什么,

并给我3个你最擅长的使用场景。

`


实操二:给AI设定”人设”

直接问AI问题,得到的回答往往很泛。但如果你给它一个角色设定,回答质量会立刻提升。

模板:角色+背景+任务+格式

试试这个提示词:

`

你是一位资深的时间管理顾问,有15年经验。

我是一个上班族,每天工作8小时,经常加班,

感觉时间不够用,事情总是做不完。

请帮我:

  1. 分析我时间管理可能存在的3个问题
  2. 给出具体的改进方案(每个方案附带一个可立即执行的小步骤)
  3. 推荐1个适合新手的时间管理工具

用表格形式呈现方案,语言要接地气。

`

对比一下:如果不加角色设定,直接问”怎么管理时间”,AI给的答案会更笼统。角色设定让AI从”百科全书”变成”专属顾问”

进阶技巧: 你可以让AI记住你的设定。在对话开头加一句:

`

在本次对话中,请记住以下信息:

  • 我是程序员,主要用Python
  • 我喜欢简洁直接的回答
  • 我的工作时区是北京时间

之后的所有回答都基于这些背景。

`


实操三:用AI助理处理日常任务

下面我们用3个真实场景,演示AI助理的实战用法。

场景1:邮件处理

把收到的邮件内容粘贴给AI,让它帮你起草回复:

`

以下是一封客户邮件:


[粘贴邮件内容]


请帮我写一封回复邮件,要求:

  1. 语气专业但亲切
  2. 确认收到并感谢对方
  3. 对提到的3个问题逐一回应
  4. 约定下周三下午2点电话沟通
  5. 控制在200字以内

`

场景2:信息整理

把一堆零散的信息丢给AI,让它帮你结构化:

`

我有一堆会议笔记需要整理,以下是原始内容:

[粘贴笔记]

请帮我:

  1. 提取所有待办事项,按优先级排序(高/中/低)
  2. 整理出3-5个关键决策
  3. 列出需要跟进的人员和事项
  4. 输出为Markdown格式的表格

`

场景3:学习规划

让AI帮你制定学习计划:

`

我想在2周内学会Python基础编程。

我的背景:有Excel基础,但没写过代码。

每天能投入1-2小时。

请帮我制定一个14天的学习计划,要求:

  1. 每天有明确的学习目标和练习任务
  2. 难度循序渐进
  3. 每3天安排一次小项目巩固
  4. 推荐免费学习资源
  5. 用表格形式呈现

`


实操四:搭建你的专属助理(Custom GPT)

ChatGPT的”自定义GPT”功能,可以创建一个专门为你服务的AI助理,不用每次都重复设定。

步骤1: 登录ChatGPT,点击左侧”Explore GPTs” → “Create a GPT”

步骤2: 在配置页面填写:

配置项 填写内容

|——–|———-|

Name 给你的助理起个名字,如”写作助手小攀”
Description 一句话描述,如”帮我写公众号文章的AI助理”
Instructions 核心指令(见下方模板)

Instructions模板:

`

你是一个专业的公众号写作助手。

你的职责

  • 帮用户撰写AI学习教程
  • 语言风格:亲切、简洁、零基础友好
  • 每篇文章2500字左右
  • 使用小标题分段,重点加粗

你的规则

  • 不使用过于专业的术语,必须用类比解释
  • 每篇至少包含1个可操作的实例
  • 代码示例必须有注释
  • 结尾要有行动项,让读者立刻能实践

输出格式

  • Markdown格式
  • 包含系列教程说明、上篇回顾、正文、今日总结、今日行动项、下篇预告

`

步骤3: 上传知识库(可选)。如果你有参考资料(PDF、文档),可以上传让GPT基于这些资料回答。

步骤4: 点击”Create”,你的专属助理就诞生了。


实操五:开源方案——用Ollama本地搭建AI助理

如果你想用完全免费、不联网的AI助理,可以用开源方案。

安装Ollama(本地运行大模型):

`bash

# Linux/Mac安装

curl -fsSL https://ollama.ai/install.sh | sh

# 下载一个轻量模型(约4GB)

ollama pull qwen2.5:7b

# 启动对话

ollama run qwen2.5:7b

`

用Python调用本地AI助理:

`python

import requests

def ask_local_ai(question, system_prompt=”你是一个有用的助手”):

“””调用本地Ollama模型”””

response = requests.post(“http://localhost:11434/api/chat”, json={

“model”: “qwen2.5:7b”,

“messages”: [

{“role”: “system”, “content”: system_prompt},

{“role”: “user”, “content”: question}

],

“stream”: False

})

return response.json()[“message”][“content”]

# 设定角色

system = “””你是一个日程管理助理。

每天早上帮用户规划当天任务,晚上帮用户总结完成情况。

回复简洁,用列表格式。”””

# 使用

print(ask_local_ai(“我今天有3个会议,2个deadline,请帮我安排优先级”, system))

`

开源方案对比:

工具 模型大小 需要GPU 适合场景

|——|———-|———|———-|

Ollama + Qwen2.5-7B 4GB 可选 日常对话、轻量任务
Ollama + Llama3-8B 4.7GB 推荐 英文为主的任务
Ollama + DeepSeek-V2 16GB 必须 复杂推理、代码

今日总结

  1. 选平台:ChatGPT生态最全,Claude长文最强,国内平台零门槛
  2. 设角色:用”角色+背景+任务+格式”模板,让AI从百科全书变专属顾问
  3. 用场景:邮件处理、信息整理、学习规划是最实用的3个入门场景

今日行动项

  1. 初级:注册一个AI助理平台,用角色设定模板完成一次对话
  2. 中级:用AI帮你处理一封真实邮件或整理一份会议笔记
  3. 进阶:尝试创建一个Custom GPT,或用Ollama搭建本地AI助理

📖 地铁深读:AI助理的”记忆”机制

你有没有好奇过:为什么AI助理能记住你之前说的话,但换个新对话就全忘了?

这涉及到AI助理的上下文窗口(Context Window)机制。

什么是上下文窗口?

可以把上下文窗口想象成AI的”工作记忆”。当你和AI对话时,每次你发一条消息,AI并不是只看你最新那条——它会把整个对话历史都读一遍,然后生成回答。

但这个”工作记忆”有容量限制:

模型 上下文窗口 约等于

|——|———–|——–|

GPT-4o 128K tokens 一本300页的书
Claude 3.5 200K tokens 一本500页的书
GPT-4o mini 128K tokens 一本300页的书
Qwen2.5-7B 32K tokens 一本80页的小册子

这意味着什么?

  1. 对话越长,AI越”慢”:每轮对话都要重新处理所有历史,所以长对话会越来越慢
  2. 超出窗口的内容会被”遗忘”:如果你聊了200轮,最早的内容可能已经超出窗口,AI就不记得了
  3. 新对话=全部重来:这就是为什么换个新对话AI就”失忆”了

如何利用这个机制?

  • 重要信息放在开头:在对话最开始设定角色和背景,这样AI始终能看到
  • 长对话定期总结:聊到50轮以上时,让AI总结之前的要点,然后开新对话把总结带过去
  • 善用”记忆”功能:ChatGPT的Memory功能可以跨对话记住你的偏好

思考题: 如果AI的上下文窗口无限大,是不是就能成为真正的”长期助理”了?实际上,无限上下文会带来两个问题:计算成本爆炸,以及AI可能会被过多无关信息干扰。这就是为什么”检索增强生成(RAG)”技术比单纯扩大窗口更有前景——我们第52天会详细讲。


下篇预告

明天早上8点:Day35——早课 多模态AI实战

明天下午5点:Day35——晚课 第5周总结与实战项目

评论

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注