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、工具调用和个性化定制。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:
- 分析我时间管理可能存在的3个问题
- 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)
- 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:
- 语气专业但亲切
- 确认收到并感谢对方
- 对提到的3个问题逐一回应
- 约定下周三下午2点电话沟通
- 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:
- 提取所有待办事项,按优先级排序(高/中/低)
- 整理出3-5个关键决策
- 列出需要跟进的人员和事项
- 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:
- 每天有明确的学习目标和练习任务
- 难度循序渐进
- 每3天安排一次小项目巩固
- 推荐免费学习资源
- 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
- 选平台:ChatGPT生态最全,Claude长文最强,国内平台零门槛
- 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
- 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
- 初级:注册一个AI助理平台,用角色设定模板完成一次对话
- 中级:用AI帮你处理一封真实邮件或整理一份会议笔记
- 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?
- 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
- 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
- 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
发表回复