F02A：从零开始的 ai agent 学习 - 基础篇
F02A：从零开始的 ai agent 学习 - 基础篇
F02A（From Zero To Agent）是我个人从基本为零的 ai 基础开始独立学习到编写 Agent 的过程记录。
文章更像是一个学习记录而非教程，因此难免会出现一些偏差或错漏，读者多多担待
从概念开始
LLM
大语言模型（Large Language Model）是基于 Transformer 架构的自回归概率模型，其目标函数为：
其中wt表示下一个 token，wi表示此前出现的 token，即预测下一个 token 的条件概率分布。
训练 LLM 的本质是：
也就是：
让“正确的下一个词”的概率尽可能大
LLM 本身不具备：
- 外部状态访问能力
- 实时信息获取能力
- 精确计算与执行能力
因此需要 Agent 架构进行能力补全。
Token
在大语言模型（LLM）体系中，Token 是最基础的计算单位。它是文本经过分词（Tokenization）后得到的最小离散单元，用于模型输入与输出。
Token 并不等同于“词”，而是子词（subword）或字符片段。例如：
"unbelievable" → ["un", "believ", "able"]
通过将字符串输入处理为 token，再映射成数值向量，模型可以更加轻易地进行计算和学习
一般而言（经验规律）
英文 1 token ≈ 0.75 words
中文 1 token ≈ 1–2 个汉字
AI Agent
AI Agent 指基于大语言模型（LLM）的自治或半自治系统，其通过感知（Perception）—推理（Reasoning）—行动（Action）—反馈（Feedback）闭环完成任务。
形式化表示：
其中：
- LLM：决策与生成核心
- Tools：外部能力扩展接口
- Memory：状态与上下文管理
- Policy：决策策略（Prompt / Planner）
- Loop：执行控制流程（迭代）
可以理解为，LLM 是 AI Agent 的大脑
Stage 1
环境配置
安装 Python 3.10+（推荐 3.11）
使用 python venv 搭建虚拟环境
python -m venv venv
source venv/bin/activate
pip install openai python-dotenv
如果需要可以配置 venv 快捷启动
vim ~/.bashrc
# 添加以下别名
alias actv='source /home/用户名/venv/bin/activate'
# 使用快捷命令快速激活虚拟环境
actv
获取 api key，自己按需获取即可
将 api key 添加到环境中，以 OpenAI 为例
echo "OPENAI_API_KEY=your_api_key_here" > .env
第一次 api 调用
import os
from openai import OpenAI
from dotenv import load_dotenv
# 加载环境变量
load_dotenv(dotenv_path='../.env') # 替换为dotenv所在位置
# 初始化客户端
# 支持多种API提供商，通过环境变量切换
client = OpenAI(
api_key=os.getenv("OPENAI_API_KEY"),
# 如果使用其它api，请关注官方网站的baseurl
# base_url="https://api.deepseek.com/v1",
)
def simple_chat(message: str) -> str:
"""
发送单条消息，获取回复
Args:
message: 用户输入的消息
Returns:
AI的回复内容
"""
response = client.chat.completions.create(
model="gpt-3.5-turbo", # 替换为模型名字
messages=[
{"role": "user", "content": message}
]
)
return response.choices[0].message.content
def main():
print("=" * 50)
print("🤖 AI Agent 学习 - 基础对话示例")
print("=" * 50)
# 测试简单对话
user_input = "你好，请介绍一下AI Agent是什么？"
print(f"\n👤 用户: {user_input}")
ai_response = simple_chat(user_input)
print(f"\n🤖 AI: {ai_response}")
print("\n" + "=" * 50)
print("✅ 测试完成！")
print("=" * 50)
if __name__ == "__main__":
main()
如果报错可能是不同 api 的调用返回不一致，可以在 ai 帮助下进行调整
代码中可以看到我们请求的方式
response = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=[
{"role": "user", "content": message}
]
)
首先我们的参数会被构造成一个 http 请求
POST /v1/chat/completions HTTP/1.1
Host: baseurl
Authorization: Bearer sk-xxx
Content-Type: application/json
{
"model": "gpt-3.5-turbo",
"messages": [...]
}
openai 库通过 httpx 对 api 进行请求，随后然会结果
role 的作用是对 prompt 进行约束
system：最高优先级规则
developer：应用层规则
user：需求 / 指令
assistant：之前说过的话（用来保持一致性）
一个简单的例子
[
{
"role": "system",
"content": "你是一名资深 AI 架构师，用通俗但专业的中文回答问题。"
},
{
"role": "assistant",
"content": "AI Agent 是在大语言模型基础上，具备规划、记忆和工具调用能力的智能系统。"
},
{
"role": "developer",
"content": "回答必须分点列出，字数不超过 300 字，面向初学者。"
},
{
"role": "user",
"content": "那它和普通聊天机器人有什么区别？"
}
]
多轮对话实现
刚刚提到，assistant 角色输入的是模型之前说过的话，其作用就是实现模型的上下文感知，保持对话的一致性
因此我们只需要将模型回复保存，在下次对话时作为 assistant 消息传入就可以实现带记忆的多轮对话
import os
from openai import OpenAI
from dotenv import load_dotenv
load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
class ChatSession:
"""
聊天会话类，管理多轮对话
"""
def __init__(self, model: str = "gpt-3.5-turbo"):
self.model = model
self.messages = [] # 存储对话历史
def send_message(self, user_input: str) -> str:
"""
发送消息并获取回复
Args:
user_input: 用户输入
Returns:
AI回复内容
"""
# 添加用户消息到历史
self.messages.append({
"role": "user",
"content": user_input
})
# 调用API
response = client.chat.completions.create(
model=self.model,
messages=self.messages
)
# 获取AI回复
ai_response = response.choices[0].message.content
# 添加AI回复到历史
self.messages.append({
"role": "assistant",
"content": ai_response
})
return ai_response
def get_history(self) -> list:
"""获取完整对话历史"""
return self.messages.copy()
def clear_history(self):
"""清空对话历史"""
self.messages = []
print("🗑️ 对话历史已清空")
def main():
print("=" * 50)
print("🤖 多轮对话示例")
print("=" * 50)
# 创建聊天会话
chat = ChatSession()
# 模拟多轮对话
conversations = [
"我叫小明，请记住我的名字",
"我叫什么名字？",
"我喜欢Python编程",
"根据之前的对话，你能总结出我的信息吗？"
]
for user_msg in conversations:
print(f"\n👤 用户: {user_msg}")
ai_response = chat.send_message(user_msg)
print(f"🤖 AI: {ai_response}")
print("\n" + "=" * 50)
print("📜 完整对话历史:")
print("=" * 50)
for msg in chat.get_history():
role = "👤" if msg["role"] == "user" else "🤖"
print(f"{role} [{msg['role']}]: {msg['content'][:50]}...")
if __name__ == "__main__":
main()
结果示例
温度参数
temperature（温度）参数是大型语言模型（LLM）生成文本时控制随机性和创造性的核心超参数。它直接影响模型在选择下一个词（token）时的概率分布。
简单来说：
- 低 Temperature = 更确定、更保守、更逻辑化（适合事实问答、代码生成）。
- 高 Temperature = 更随机、更发散、更有创意（适合写诗、头脑风暴、故事创作）。
当 Temperature=0 时，理论上意味着完全贪婪（Greedy），每次只选概率最高的那个词，输出将会完全恒定
import os
from openai import OpenAI
from dotenv import load_dotenv
load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
def experiment_temperature():
"""
实验：测试不同temperature值对输出的影响
任务：
1. 使用同一个prompt，分别用temperature=0, 0.5, 1.0, 1.5调用5次
2. 观察并记录输出的变化
3. 总结temperature参数的作用
"""
prompt = "给我一个创业点子"
temperatures = [0.0, 0.5, 1.0, 1.5]
print("=" * 60)
print("🌡️ Temperature参数实验")
print("=" * 60)
print(f"Prompt: '{prompt}'")
print("每个temperature值调用3次\n")
for temp in temperatures:
print(f"\n{'='*60}")
print(f"🌡️ temperature = {temp}")
print(f"{'='*60}")
for i in range(3):
response = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=[{"role": "user", "content": prompt}],
temperature=temp
)
print(f" 调用{i+1}: {response.choices[0].message.content}")
if __name__ == "__main__":
experiment_temperature()
结果：
============================================================
🌡️ temperature = 0.0
============================================================
调用1: 创业点子需要结合你的**资源、技能、兴趣**以及当下的**市场趋势**。因为我不了解你的具体背景，我会为你提供几个不同方向、低成本且具有潜力的“轻创业”点子，涵盖AI应用、银发经济、情绪价值和懒人经济。
你可以从中寻找灵感：
### 1. AI 代写与定制化服务商（AI落地应用）
**背景：** 大家都知道AI很火，但大部分人（尤其是传统行业老板、小微企业主）不知道怎么用AI来提高效率。
**点子：** 成立一家“AI外包工作室”。
* **具体做什么：**
* 帮电商卖家用AI生成海量产品文案和模特图。
* 帮自媒体人做视频脚本草案、剪辑。
* 帮企业做内部知识库的AI训练（让AI懂公司的业务）。
* **优势：** 几乎零边际成本，主要是你的时间和技术整合能力。
* **如何变现：** 按项目收费，或者开设“AI效率提升”的小班课教企业员工。
### 2. “陪伴式”养老经纪人（银发经济）
**背景：** 老龄化加剧，子女忙于工作，老人有钱但不会花，且非常孤独。
**点子：** 不要自己去开养老院（太重），做一个**针对中高端老人的“生活管家”**。
* **具体做什么：**
* 帮老人筛选靠谱的家政、护工、陪诊师（你做质检和中介）。
* 组织“老年兴趣旅游团”或“老年大学短期班”（教摄影、书法）。
* 定期上门陪聊、帮老人操作智能手机、代买生活必需品。
* **优势：** 建立信任后，粘性极高，且这代人子女舍得为父母花钱。
* **如何变现：** 会员订阅制（每月服务费）+ 佣金收入。
### 3. 宠物“善后”与精细化管理（它经济）
**背景：** 养宠人群爆炸式增长，但宠物看病贵、洗澡难，甚至去世后处理都很麻烦。
**点子：** 垂直细分领域的宠物服务。
* **方向A（高端）：** 宠物私厨/鲜食配送。针对“毛孩子”过敏、肥胖或挑食问题，定制专属食谱并每周配送。
* **方向B（冷门但刚需）：** 宠物殡葬/纪念品制作。用宠物的毛发做项链、做克隆玩偶，或者举办温馨的告别仪式。
* **优势：** 宠物主人的消费意愿极强，且容易产生情感共鸣，口碑传播快。
* **如何变现：** 产品销售 + 高溢价服务费。
### 4. 上门收纳与空间改造师（懒人/居住经济）
**背景：** 房子越住越乱，年轻人虽然想“断舍离”但懒得动，或者不会动。
**点子：** 上门收纳整理，不仅仅是整理，而是“空间规划”。
* **具体做什么：**
* 上门全屋整理（衣柜、厨房、储物间）。
* 搬家前后的打包还原服务。
* 电商直播间的背景墙设计收纳（这个需求现在很大）。
* **优势：** 技术门槛不高，经过培训即可上手，见效快，客户满意度极高（整理完的房子会让人上瘾）。
* **如何变现：** 按小时收费或按平米收费，收纳神器带货。
### 5. 情绪价值：小众垂直社群/主理人
**背景：** 现代人压力大，如果产品不能提供情绪价值，大家就不买账。
**点子：** 成为某个细分领域的“社群主理人”。
* **具体做什么：**
* 比如“独居女性互助群”（组织线下饭局、安全知识分享）。
* 比如“辞职/Gap Year交流群”（提供心理疏导和低成本旅行路线）。
* 比如“同城搭子群”（饭搭子、运动搭子）。
* **优势：** 不需要实体店，私域流量（微信）就是你的资产。
* **如何变现：** 入群费、周边产品售卖、同城活动门票、品牌广告植入。
---
### 给你的建议：
如果你想从这些点子里选一个，请先问自己三个问题：
1. **我能解决什么具体的痛苦？**（越痛，越愿意付钱）
2. **我的身边谁会为这个买单？**（不要去想陌生人，先想你能触达的人）
3. **我能小规模验证吗？**（不要一上来就租办公室、招人，先试着做一单，看看有没有人给你钱）
**如果你能告诉我一点你的背景（比如：你会编程？擅长沟通？还是有很多资源？），我可以给你更精准的建议。**
============================================================
调用2: 创业点子需要结合当下的技术趋势、社会痛点以及你自身的资源。为了给你提供有价值的参考，我构思了 **4个不同领域、且具备落地性** 的创业点子，分别针对 **AI应用、老龄化社会、情绪消费、以及绿色经济**。
你可以根据自己的背景和兴趣来选择方向：
### 1. “数字资产遗产管家” (AI + 遗嘱服务)
**背景：** 随着Web3、加密货币、社交媒体账号（微信、抖音、淘宝）的普及，现代人拥有大量的“数字资产”。很多人去世后，家人不仅无法找回这些资产，甚至可能因为不知道密码而导致有价值资产（如比特币、NFT、未提现的余额）永久丢失，或者隐私被泄露。
**核心业务：**
* **数字遗嘱库：** 提供安全的加密存储，让用户生前托管各类账号密码、私钥、以及给家人的最后留言。
* **身后“社死”处理：** 自动执行或指导家属清理、注销或 memorialize（纪念化）逝者的社交媒体账号。
* **AI分身纪念：** 利用逝者生前的聊天记录和语音，训练一个轻量级的AI交互模型，供家人亲人进行简单的对话抚慰（需严格的法律和伦理边界）。
**盈利模式：** SaaS订阅费、单次服务费、与律所合作的渠道分成。
**难点：** 用户信任度建立、数据安全与隐私合规。
---
### 2. “适老化改造测评与推荐平台” (银发经济)
**背景：** 中国老龄化严重，很多子女想给父母改善居住环境（防摔、智能设备），但市场上的产品良莠不齐，且缺乏专业的“全屋适老化”设计服务。普通装修公司不懂老年人生理需求，而医疗器械公司只卖单品不懂装修。
**核心业务：**
* **上门评估：** 派遣持证评估师（如康复辅助器具适配师）上门，对老人居住环境进行“防跌倒”、“无障碍”评分。
* **改造方案：** 出具专业的局部改造建议（如：安装扶手、防滑地砖、智能声控灯、夜灯系统）。
* **严选电商：** 搭建一个专门销售经过测试的适老化产品（不仅是轮椅，还包括易穿脱的衣物、粗柄餐具等）的平台。
**盈利模式：** 上门评估费、改造工程差价、适老化产品销售佣金。
**优势：** 政策支持（国家正在大力推广居家养老改造），社会价值高。
---
### 3. “微心理咨询便利店” (情绪经济 + 线下场景)
**背景：** 现代年轻人焦虑普遍，但正式的心理咨询门槛高（贵、麻烦、病耻感）。很多人只需要一个瞬间的情绪宣泄或简单的建议，不需要长期治疗。
**核心业务：**
* **线下“解忧杂货铺”：** 在商圈或写字楼开设小型实体店。不卖商品，卖“对话”。
* **按分钟/按次付费：** 提供类似“树洞”的服务，或者配备受过基础训练的倾听者（甚至是经过筛选的AI语音终端），让用户进去吐槽15分钟，获得即时的情绪反馈。
* **轻量级测试：** 提供MBTI、职业性格、焦虑度等专业且有趣的现场测试，并提供解读报告。
**盈利模式：** 按时长收费、联名周边产品（如解压玩具、心情日历）、企业员工EAP服务包。
**创新点：** 将心理咨询“便利店化”，降低心理门槛，做成一种生活方式。
---
### 4. “AI驱动的旧衣改新/回收平台” (循环经济)
**背景：** 大家衣服买得太多，扔掉可惜，回收往往被打碎做成低级纤维（降级回收）。其实很多衣服面料很好，只是款式过时。
**核心业务：**
* **AI改款设计：** 用户上传旧衣照片，AI生成“改造成新衣”的设计图（例如：把旧牛仔裤改成托特包，把大码T恤改成紧身上衣）。
* **云缝纫工坊：** 平台接单后，分配给经过认证的家庭缝纫师或小型工坊进行改造制作。
* **碳积分交易：** 记录用户的“低碳行为”，未来可以兑换品牌优惠券或碳积分。
**盈利模式：** 改造服务费、旧衣回收分拣后的二次销售。
**优势：** 环保是长期趋势，且满足了年轻人“个性化、独一无二”的穿搭需求。
---
### 给你的建议：如何选择？
1. **看资源：** 如果你懂技术，选1或4；如果你有医疗或装修行业人脉，选2；如果你擅长运营和做内容，选3。
2. **看预算：**
* 低预算（几万元）：从点子3的“摆摊”版本开始，或做点子1的纯软件MVP（最小可行性产品）。
* 中预算：点子2适合做本地化服务，重服务轻资产。
3. **看MVP验证：** 不要一上来就搞大平台。比如想做“数字遗产”，先做一个“微信账单继承”的小程序试试水；想做“适老化”，先在一个小区里做地推和样板间。
**你目前更倾向于哪个行业？或者你有什么特长？** 我可以为你进一步细化具体的执行步骤。
============================================================
调用3: 创业的核心在于**解决痛点**或**满足未被满足的需求**。现在的市场环境下，纯粹的“烧钱”模式很难走通，反而是**小而美、轻资产、能直接产生现金流**的项目更容易活下来。
鉴于目前的宏观经济趋势（AI爆发、老龄化社会、年轻人精神消费、单身经济），我为你提供 5 个不同方向和门槛的创业点子，你可以根据自己的资源和兴趣进行挑选：
### 1. AI 垂直领域的“代理人”服务（高技术门槛，高回报）
**核心逻辑：** 大模型（如GPT-4）很强，但普通人不知道怎么用它解决具体问题。你需要做那个“翻译官”。
* **点子：** **特定行业的 AI 自动化咨询/落地工作室**
* **具体做法：** 不要做大而全的 AI，只做一个细分领域。例如：
* **跨境电商客服/文案代理：** 帮助 Amazon/TikTok 卖家用 AI 一键生成多语言、符合当地语境的优质 Listing 和回复邮件。
* **法律/合同初审助手：** 专门服务中小企业或个人，利用 AI 快速审核租房合同、劳务合同，标注风险点（需有专业人士把控）。
* **小红书/抖音 爆文生成器：** 专门研究各大平台的算法，用 AI 批量生成符合平台调性的脚本和图文，帮博主提效。
* **优势：** 边际成本极低，主要是智力成本。
* **挑战：** 需要极强的 Prompt Engineering（提示词工程）能力和对行业的理解。
### 2. 银发经济的“适老化改造/陪诊”（低门槛，高需求）
**核心逻辑：** 老龄化是确定性的趋势，子女工作忙，老人的孤独感和生活便利需求是巨大的蓝海。
* **点子：** **老年人数字化生活管家 & 专业陪诊服务**
* **具体做法：**
* **上门教手机：** 很多老人不会用智能手机挂号、打车、点外卖。提供定期的上门教学服务，甚至帮他们设置好简易模式。
* **专业陪诊：** 帮助异地子女或腿脚不便的老人去医院挂号、取号、陪同面诊、取药。这不仅是跑腿，更是心理慰藉。
* **适老化家居改造：** 类似于日本的做法，为老人家庭安装扶手、防滑地砖、紧急呼叫按钮等。
* **优势：** 竞争相对没那么卷，社会价值高，容易建立口碑和信任。
* **挑战：** 需要极强的耐心和服务标准化，获客渠道主要靠社区和线下。
### 3. 情绪疗愈与“解压”经济（轻资产，针对年轻人）
**核心逻辑：** 现代人压力大，焦虑是常态。人们愿意为“感觉好一点”买单。
* **点子：** **Tufting（簇绒）/ 流体熊/ 塔罗牌解压体验馆（或移动摆摊）**
* **具体做法：**
* 开一家主打“慢节奏”的手工店，不卖成品，只卖体验。顾客花几个小时做一个地毯或玩偶，过程本身就是解压。
* 或者做**“线上情绪树洞”+ 实体解压礼包**：在社交媒体上做倾听者，同时售卖包含捏捏乐、香薰、安抚玩偶的“解压盒子”。
* **优势：** 现金流好，先付费后服务，不仅适合情侣，也适合单身人群。
* **挑战：** 容易被模仿，需要不断的审美更新和社交媒体营销（抖音/小红书引流）。
### 4. 宠物经济的“精细化工”（细分领域，复购率高）
**核心逻辑：** 宠物是“毛孩子”，主人在宠物身上的消费不降级，反而更追求健康和个性化。
* **点子：** **宠物鲜食定制 / 宠物烘焙 / 宠物减肥计划**
* **具体做法：**
* 很多人担心国产干粮的安全问题。你可以做**“一周鲜食包”**订阅服务，根据宠物的品种、年龄、健康状况，计算好卡路里，每周配送一次自制的新鲜狗粮/猫粮。
* 也可以做**宠物生日蛋糕**、**宠物零食 DIY 材料包**。
* **优势：** 用户粘性极高（一旦吃惯了鲜粮就不愿回去了），复购率高。
* **挑战：** 食品安全合规性要求高，冷链物流成本控制。
### 5. 资源回收与“旧物新生”（政策支持，反向消费主义）
**核心逻辑：** 消费降级下，二手交易和循环经济火热，但传统的回收体验很差。
* **点子：** **垂直品类二手回收与翻新（如：旧衣回收改造、数码产品精修）**
* **具体做法：**
* **旧衣改造：** 不要只是把旧衣服按斤卖。收购质量不错的旧衣物，找设计师或手工艺人改成当下流行的“环保包”、“发带”或“新款外套”，在闲鱼或小红书上以高溢价卖出。
* **校园/社区书本流转：** 针对考研党、小学生，做教科书的租赁和流转服务。
* **优势：** 顺应环保潮流，货源极其便宜甚至免费。
* **挑战：** 设计能力要求高，非标品的销售效率较低。
---
### 给你的建议（MVP 思维）：
不管你选哪个，**千万不要**一开始就租大办公室、招大批人、开发完美的 APP。
请遵循 **MVP（最小可行性产品）** 原则：
1. **验证需求：** 先在朋友圈、小红书发个海报，看看有没有人愿意付费，或者有没有人咨询。
2. **动手做：** 哪怕是用 Excel 表格管理客户，用微信收钱，先把业务跑通。
3. **关注现金流：** 最好的生意是今天收钱，明天发货。避免先投入巨额资金研发然后不知道能不能卖出去的陷阱。
你对以上哪个方向比较感兴趣？我可以针对那个方向再深入细聊。
============================================================
🌡️ temperature = 0.5
============================================================
调用1: 创业的核心在于**“解决问题”**和**“创造价值”**。一个好的点子不需要是全新的发明，往往是对现有体验的优化或细分。
这里我为你提供 **5个不同方向、不同成本**的创业点子，你可以根据自己的资源和兴趣进行选择：
### 1. “银发经济”方向：适老化家居改造顾问
* **背景：** 中国老龄化严重，很多老人不想去养老院，坚持居家养老。但普通家居对老人来说充满了危险（滑倒、起夜困难、洗澡不便）。
* **痛点：** 子女想尽孝但不懂专业改造，市面上的装修公司只做大工程，不懂老人的生理心理需求。
* **商业模式：**
* 提供“微改造”服务：安装扶手、防滑地板、智能起夜灯、紧急呼叫系统等。
* **咨询服务：** 上门评估，出具适老化改造方案。
* **产品销售：** 销售辅助器具（轮椅、助听器、适老化餐具）。
* **优势：** 政策支持，市场需求巨大且刚性，竞争蓝海。
### 2. “情绪价值”方向：宠物临终关怀与纪念（宠物善后）
* **背景：** 宠物经济极其火爆，但“宠物殡葬”和“告别”这一块在很多人心中还是禁忌，但需求极强。
* **痛点：** 宠物去世后，主人极度悲伤，且不知道如何合法、卫生地处理尸体，缺乏一个有尊严的告别仪式。
* **商业模式：**
* 提供上门接送、遗体清洁、告别仪式服务。
* **制作纪念品：** 骨灰晶石、宠物毛发挂坠、爪印泥。
* **心理辅导：** 针对失去宠物的“宠物丧亲咨询”。
* **优势：** 客单价高，客户粘性强，主要赚取的是情感服务的溢价。
### 3. “AI应用”方向：针对中小商家的“数字人”直播/客服代运营
* **背景：** AI技术（如Sora, GPT-4o）发展迅速，但中小企业主不懂技术，也没钱请专业团队。
* **痛点：** 淘宝/抖音/亚马逊商家需要24小时直播或客服，人工成本太高。
* **商业模式：**
* 利用现有的开源或商业AI工具，为商家生成**“数字人分身”**，进行24小时不间断的直播带货或客服接待。
* 你不需要开发AI，你只需要是**“会用AI的人”**，负责给商家调试脚本、训练数字人形象、监控数据。
* **优势：** 轻资产，技术门槛在降低，主要比拼服务意识和运营能力。
### 4. “单身经济”方向：成人“饭票”/社区小食堂
* **背景：** 年轻人下班累，不想做饭，外卖不健康且贵；独居老人做饭难。
* **痛点：** 现在的餐饮要么是高档餐厅，要么是快餐，缺乏“家常、健康、便宜”的选择。
* **商业模式：**
* 在大型社区或写字楼附近开设**小食堂**。
* 主打“四菜一汤”的自助模式，或者“按重量计费”。
* 甚至可以做**“共享厨房”**，提供场地和食材，让人自己做饭，省去洗碗和备菜的麻烦。
* **优势：** 现金流好，高频消费，只要口味和卫生过关，生存极其稳健。
### 5. “内容变现”方向：超垂直领域的“知识整理者”
* **背景：** 互联网上信息太多，大家没时间看，或者看不懂。
* **痛点：** 很多行业（如跨境电商、AI工具、装修避坑、特定疾病护理）信息极度不对称。
* **商业模式：**
* 选择一个极细分的领域（例如：教人如何用AI做PPT，或者教人如何种植阳台蔬菜）。
* 不需要你是世界级专家，你只需要比小白懂得多，并擅长**“总结”**和**“翻译”**。
* 通过小红书/抖音引流，售卖**“实操手册”、“课程”或“社群会员”**。
* **优势：** 几乎零成本启动，边际成本为零（卖一份教程和卖一万份成本一样），非常适合个人创业。
---
### 给你的建议（如何筛选点子）：
在决定做哪一个之前，请用 **RWW测试法** 问自己三个问题：
1. **Real (真实)：** 这个需求是真实的吗？还是你自己想象出来的？（去问10个潜在客户，愿不愿意付钱）。
2. **Win (赢面)：** 你有优势吗？比如你懂装修、你会AI、或者你家里有做餐饮的资源？
3. **Worth (价值)：** 这件事能赚足够的钱吗？市场规模够大吗？
**如果是初次创业，建议先从“轻资产”开始（如点子3和5），或者从“服务业”开始（如点子1），尽量避开需要大量压货和装修的重资产模式。**
============================================================
调用2: 给你一个创业点子，需要结合当前的市场趋势、技术门槛以及可执行性。这里为你提供**三个不同方向**的精选点子，你可以根据自己的资源和兴趣选择：
### 点子一：AI 智能克隆人定制服务（轻资产/高利润）
**核心概念：**
为中小企业老板、网红或销售人员，打造一个“数字分身”。不需要他们亲自拍摄每一条视频或回复每一条消息，而是利用 AI 技术生成他们的虚拟形象和声音，用于 24 小时的直播带货、客户服务或短视频内容生产。
**为什么现在有机会？**
1. **痛点：** 短视频和直播是现在的流量之王，但真人出镜成本高、累、且受限于时间和精力。
2. **技术成熟：** 现在的 AI 语音和视频生成技术（如 HeyGen, SadTalker 等开源技术）已经能做到口型对齐、表情自然，普通消费者很难分辨真假。
**怎么做（MVP 最小可行性产品）：**
1. **目标客户：** 房产中介、保险推销员、知识付费博主、淘宝店主。
2. **服务流程：**
* 收集客户 5-10 分钟的高清视频和音频素材。
* 使用现成的 AI 工具训练模型。
* 客户输入文案，你生成对应的视频，或者直接帮他们运营一个“7x24小时”的 AI 直播间。
3. **盈利模式：** 按月订阅制（比如 3000 元/月，包含 10 条生成视频）或按条收费。
**难点：** 需要不断学习更新的 AI 工具，且要解决版权和伦理合规问题（必须声明是 AI 生成）。
---
### 点子二：“银发族”数字生活陪伴师（社会趋势/强服务）
**核心概念：**
专门为 60 岁以上的老年人提供“数字生活外包”服务。这不仅仅是教他们用手机，而是作为他们的“数字管家”，帮他们解决一切屏幕上的麻烦。
**为什么现在有机会？**
1. **老龄化加速：** 中国正在快速进入老龄化社会，子女通常不在身边。
2. **数字鸿沟：** 挂号、打车、点外卖、甚至修图、视频剪辑（很多老人想发朋友圈但不会美化），对他们来说都是巨大的障碍。
3. **情感需求：** 很多老人并不缺钱，缺的是有人耐心地陪他们说话，帮他们解决“被时代抛弃”的焦虑。
**怎么做（MVP 最小可行性产品）：**
1. **获客：** 与社区居委会、老年大学合作，或者通过小红书/抖音（针对老人的子女）投放。
2. **服务内容：**
* **基础：** 手机清理、安装APP、调节字体大小、微信教学。
* **进阶：** 帮老人把老照片修复并制作成电子相册、剪辑孙子的视频、帮他们在电商平台比价购物。
* **情感：** 定期上门陪聊，帮他们录制“回忆录”。
3. **盈利模式：** 上门服务费（时薪制）或会员套餐（例如“孝心卡”，子女购买，每月 4 次上门服务）。
**难点：** 需要极强的耐心和信任感，服务的标准化较难，适合做本地化生活服务。
---
### 点子三：针对“独居青年”的微型蔬菜种植箱（健康/消费升级）
**核心概念：**
销售一款适合阳台或办公桌的“傻瓜式”智能水培蔬菜箱，并提供“蔬菜胶囊”订阅服务。让年轻人自己在家种生菜、罗勒、小番茄，现摘现吃。
**为什么现在有机会？**
1. **食品安全焦虑：** 年轻人越来越关注农药残留和蔬菜新鲜度。
2. **治愈经济：** 养绿植是年轻人解压的重要方式，但养猫狗麻烦，养普通植物容易死，种菜既能吃又有成就感。
3. **外卖疲劳：** 很多人想做饭，但去菜市场太麻烦。
**怎么做（MVP 最小可行性产品）：**
1. **产品：** 类似于“咖啡机”的设计，只需放入种子胶囊（含营养液），加水通电即可，自动补光。
2. **销售：** 通过抖音/小红书展示“从种子到沙拉”的延时摄影视频，主打“种菜比养猫简单”、“一周的沙拉自由”。
3. **盈利模式：** 硬件（种植箱）低利润销售，主要靠“耗材”（种子胶囊+营养液）持续复购赚钱。
**难点：** 硬件研发有门槛，库存压力大。如果不想做硬件，可以先做内容（教人如何在阳台用土种菜），卖种子和工具包。
---
### 给你的建议：
如果一定要我推荐一个**目前启动成本最低、见效最快**的，我建议选择 **点子一（AI 智能克隆人）**。
* **理由：** 你不需要进货（没有库存风险），不需要租房（在家办公），核心是你的**销售能力**和**对工具的掌握能力**。你可以先去接单，用现成的工具跑通流程，赚到第一笔钱再考虑开发自己的系统。
**现在的行动步骤：**
1. 去 B 站或 YouTube 搜索 "AI Avatar Tutorial"，下载几个免费或试用的 AI 视频工具。
2. 自己先试做一个 demo（比如克隆马斯克说中文）。
3. 发到朋友圈或社交媒体上，文案写：“想不想拥有一个 24 小时帮你干活的数字分身？我来帮你做。”
祝你找到方向！
============================================================
调用3: 创业成功的核心在于：**发现痛点 + 提供解决方案 + 商业变现**。
以下我为你整理了5个不同方向、适合不同资源背景的创业点子，供你参考：
### 1. 银发经济方向：针对老年人的“数字搭桥”服务
* **痛点：** 现在的智能设备（手机、挂号、打车、预约）对年轻人很方便，但对60岁以上的老人来说是巨大的鸿沟。子女没时间教，教了老人也记不住。
* **商业模式：** 提供一对一的“上门/远程数字教学与代办服务”。
* **服务内容：** 教老人使用微信、抖音；帮助网上挂号、代买药、手机充值、清理手机内存、甚至陪同老人去银行办理智能机业务。
* **变现：** 按小时收费，或者推出“孝心包”（子女付费，每周定期服务一次）。
* **优势：** 市场巨大（老龄化社会），竞争对手少，容易建立信任感（因为关乎孝心）。
### 2. 宠物经济方向：上门“铲屎官”+ 宠物私厨
* **痛点：** 养宠人群（猫狗为主）越来越庞大，但很多人面临出差、加班无法照顾宠物的尴尬。且宠物食品安全焦虑日益增加（担心毒猫粮）。
* **商业模式：**
* **A面：** 提供高信任度的上门喂猫/遛狗服务（全程视频直播，自带鞋套）。
* **B面：** 结合当下趋势，制作并售卖“鲜食外卖”（针对宠物的生日蛋糕、定制营养餐），主打“人吃级别的食材”。
* **优势：** 用户粘性极高，复购率高，且容易在社交媒体（小红书/抖音）上通过萌宠内容引流。
### 3. 内容/AI方向：中小企业主的“AI数字员工”顾问
* **痛点：** 很多小微企业主（如餐饮店、淘宝店、装修公司）知道AI（如ChatGPT、Midjourney）很火，想用来做图、写文案、做客服，但没时间去学，也不会写提示词。
* **商业模式：** 也就是“AI代运营”。
* **服务内容：** 帮商家用AI快速生成小红书/朋友圈文案、生成产品宣传图、训练简单的客服机器人。
* **定位：** 不要做软件开发，做**应用落地**。告诉老板：“我一个月收你2000元，帮你省下一个5000元的设计/文案实习生。”
* **优势：** 借助AI工具，一个人就是一支队伍，边际成本极低。
### 4. 情绪价值方向：线下的“微社交”活动策划
* **痛点：** 年轻人很孤独，但又社恐。他们不想去嘈杂的夜店，也不想尴尬的相亲，渴望有质量、有话题的轻社交。
* **商业模式：** 组织垂直兴趣类的周末局。
* **具体形式：** “Tufting（簇绒）地毯局”、“手冲咖啡盲盒局”、“即兴戏剧局”、“夜爬城市看日出”。
* **核心：** 不是卖场地，是卖“破冰机制”和“氛围”。作为组织者，你需要设计好流程，让陌生人能自然聊起来。
* **优势：** 现金流好（预付费），且能利用美团/大众点评/抖音本地生活进行推广。
### 5. 垂直细分方向：旧物/奢侈品“翻新与改造”工作室
* **痛点：** 年轻人喜欢买二手（包、球鞋、古着），或者家里有不舍得扔但过时的旧家具。买来的旧物往往有瑕疵，或者家具样式太老。
* **商业模式：**
* **奢侈品护理：** 专精于球鞋清洗、包包边油修复。
* **旧物改造：** 回收旧家具（或客户寄送），通过艺术涂鸦、更换软装，将其变成“Vintage（复古）”风格，再高价卖出。
* **优势：** 循环经济政策支持，且具有很强的展示性（改造前后对比视频非常吸粉）。
---
### 给你的建议（如何选择）：
在动手之前，请先问自己三个问题：
1. **你有什么资源？** （如果你擅长编程，选AI方向；如果你擅长沟通，选社交或老人服务；如果动手能力强，选翻新。）
2. **你的启动资金是多少？** （以上点子除了AI方向几乎不需要资金，其他都需要少量资金投入设备或物料。）
3. **你能忍受多久的无盈利期？** （服务业见效快，但累；做品牌或IP见效慢，但后期有爆发力。）
**最稳妥的起步方式：** 先不要辞职。利用周末尝试做一个小规模的MVP（最小可行性产品）。比如，先试着给邻居家的老人教一次手机，或者在朋友圈发一条“代喂猫”的广告。看看有没有人愿意为你付费。
**有具体的兴趣领域吗？告诉我，我可以帮你细化。**
============================================================
🌡️ temperature = 1.0
============================================================
调用1: 创业点子不能只“听起来很酷”，更要符合当下的**经济环境**、**技术趋势**和**人性需求**。
在当前经济环境下，人们更倾向于“省钱”、“提升自我”以及“追求情绪价值”。以下我为你梳理了 4 个不同方向、具有潜力的创业点子，分别适合不同资金量和技术背景的人：
### 1. 银发经济赛道：适老化家庭改造/智能辅助
**背景：** 全球老龄化严重，子女往往不在身边，老人有积蓄但缺乏安全的生活环境。
**痛点：** 老人怕摔倒、不会用复杂的智能家居、生病了无人知晓。
**点子：** **“防跌倒”与“生活便利”的一站式适老化改造服务**
* **具体做法：**
* **硬件改造：** 专门针对老旧小区进行浴室防滑处理、安装扶手、夜灯感应系统、坐式淋浴器。
* **智能监护：** 销售并安装毫米波雷达（不侵犯隐私的摄像头）监测呼吸和心跳，一旦老人长时间未移动或跌倒，自动报警给子女或社区。
* **增值服务：** 结合家政，定期上门检查设备，顺便陪老人聊天（提供情绪价值）。
* **优势：** 刚需市场，竞争相对蓝海，政府政策通常有扶持。
### 2. 内容/电商赛道：基于垂直场景的“测评与开箱” (TikTok/抖音/小红书)
**背景：** 现在的消费者不缺商品，缺的是“购买建议”和“真实体验”。通用的大主播太贵，但垂直领域的专家很缺。
**痛点：** 买回来的东西不合适，或者不知道哪个性价比高。
**点子：** **细分领域的“严选”工作室**
* **具体做法：**
* **选择极窄的领域：** 不要做“数码测评”，要做“独居女性智能家居安全测评”；不要做“美妆”，要做“医美术后修复专用护肤品测评”。
* **内容形式：** 短视频暴力测试 + 真实使用长视频 + 付费社群（提供专属购买链接）。
* **变现：** 挂车带货佣金 + 品牌广告 + 私域社群团购。
* **优势：** 启动资金极低（一部手机即可），门槛在于你对这个领域的“专业度”和“内容制作能力”。
### 3. 服务赛道：宠物“善终”与“情绪疗愈”
**背景：** 年轻人不想生孩子，把宠物当孩子养。宠物殡葬和宠物心理健康是巨大的空白。
**痛点：** 宠物去世后，主人极度悲伤，且不知道如何合规处理遗体；宠物出现分离焦虑、乱尿等问题，主人束手无策。
**点子：** **高端宠物善终会所 / 宠物行为矫正师**
* **具体做法：**
* **善终服务：** 提供遗体清洁、告别仪式（类似人的葬礼）、爪印留念、骨骼钻石制作等。这需要极强的共情能力和私密的空间。
* **行为矫正：** 针对狗吠、攻击性、分离焦虑提供上门训练，或者开设“宠物幼儿园”。
* **优势：** 客单价极高，用户粘性强，属于典型的“情绪消费”。
### 4. 技术应用赛道：AI 行业解决方案服务商
**背景：** 大模型（如ChatGPT, Claude等）很强大，但传统企业（如律所、诊所、小工厂）不知道怎么用。
**痛点：** 传统老板想用AI降本增效，但没技术团队。
**点子：** **垂直行业的 AI 助理定制**
* **具体做法：**
* **如果你懂技术：** 开发基于 AI 的“法律文书初稿助手”卖给小律所；开发“民宿自动回复客服”卖给 Airbnb 房东。
* **如果你不懂技术：** 做“AI 培训与部署咨询”，专门教装修公司怎么用 AI 出效果图，教电商老板怎么用 AI 生成模特图。
* **优势：** 趁着技术革命的浪潮，做那个“卖铲子”的人。
---
### ⚠️ 给你的重要建议（避坑指南）：
1. **不要为了创业而创业：** 最好的点子通常来源于你自己生活中的“不方便”。如果你自己就是那个痛点用户，你最容易做成功。
2. **MVP（最小可行性产品）原则：** 哪怕你是开一家奶茶店，也不要先装修个大店面。先推个小车去卖，看看有没有人买。**先验证需求，再投入资金。**
3. **现金流第一：** 2024年及以后，活下去比扩张更重要。尽量选择**现金流转快**的业务（如服务费、订阅制），避开**账期长**的业务（如垫资做工程）。
**你想往哪个方向发展？（是喜欢线上搞流量，还是线下做服务，还是手里有技术？）** 你可以告诉我你的背景，我可以帮你缩小范围。
============================================================
调用2: 这是一个基于当前趋势（尤其是中国市场环境）筛选出的创业点子，兼具**落地性**和**增长潜力**。
### 💡 创业点子：独居老人的“数字生活陪跑”服务
#### 1. 核心痛点
随着老龄化加剧，大量60-75岁的“年轻老人”身体尚好，但被数字化社会挡在了门外。
* **场景A**：想去医院挂号，只能在自助机前发呆，因为不会用智能手机。
* **场景B**：儿女买了智能家电（扫地机器人、智能电视），老人只会当普通电器用，甚至因为误操作报修。
* **场景C**：孤独。他们想网购、想打车、想用抖音记录生活，但不知道怎么开始，怕被骗，怕点错。
#### 2. 解决方案
成立一家专注于**“适老化数字教学与辅助”**的服务机构。不是教他们背理论，而是**手把手上门解决问题**。
* **上门“适老化”改造**：帮老人的手机清理垃圾、调整字体大小、卸载诈骗App、设置“一键呼叫儿女”功能、设置家庭影院投屏。
* **智能硬件陪跑**：教他们使用智能音箱（声控家电）、智能手环（健康监测）、智能门锁。
* **1对1 实战教学**：不是在大教室讲课，而是带着老人实际操作——比如“今天带您学会如何在美团买菜并送到家”，“今天教您如何在微信上给孙子发红包”。
#### 3. 盈利模式
* **基础服务费**：上门服务按小时收费（如 50-100元/小时）。
* **套餐包**：针对子女的“孝心包”，例如 500元/季度，包含每月一次上门手机维护+教学。
* **硬件佣金**：在改造过程中，推荐并帮老人安装配置适合老人的智能设备（如大字版平板、防走失手环），赚取差价或佣金。
* **社区/政府合作**：承接社区公益活动，获得政府购买服务的补贴。
#### 4. 为什么现在能做？（竞争优势）
* **巨大的空白市场**：很多年轻人会教父母，但没耐心；老年大学课程太理论，不解决实际生活中的具体bug。
* **信任门槛低**：这是一个基于“服务”和“关怀”的行业，只要态度好、有耐心，口碑传播极快（老人圈子很紧密）。
* **启动成本低**：不需要昂贵的设备或研发，主要成本是人力（可以招聘有耐心的大学生或兼职人员，经过简单培训即可）。
#### 5. 如何落地（MVP - 最小可行性产品）
1. **不要立刻开公司**：先去你父母所在的社区，或者老年活动中心。
2. **发一张传单**：写着“大学生/专业志愿者，上门教老人用智能手机，清理手机内存，防诈骗指导，免费体验一次”。
3. **验证需求**：看有多少人愿意让你上门，并在服务结束时询问是否愿意付费（例如：“爷爷，以后我每个月来一次帮您检查手机，收50元您觉得贵吗？”）。
4. **标准化**：把服务做成清单（如：手机体检20项、微信教学10步），方便复制给员工。
---
### 💡 备选点子（如果你喜欢更偏向“技术”或“潮流”的方向）：
**备选1：AI辅助的“短视频/电商”内容代工**
* **逻辑**：现在AI工具（如ChatGPT写脚本, Midjourney做图, 剪映自动剪辑）极大降低了内容制作门槛。
* **做法**：针对特定的小众行业（比如**本地的一家花卉店、一家特别好吃的面馆**），用AI低成本批量生成高质量短视频（探店、科普、剧情），帮他们做抖音/小红书账号代运营。
* **优势**：实体店主想做流量但不会做，你用AI把成本压到极低，可以形成“规模化生产”。
**备选2：“情绪疗愈”副业孵化（轻资产）**
* **逻辑**：现代人压力大，愿意为“情绪价值”买单。
* **做法**：开发特定的解压产品或服务。例如：**“Tufting（簇绒）地毯成品包+线上视频课”**，或者**“创意颂钵音疗体验”**。不做实体店，只做线上内容输出和卖材料包/体验课。
### ⚠️ 创业建议
不管选哪个点子，请记住这三条铁律：
1. **先找客户，再写代码/装修**：在花一分钱之前，先验证是否有人愿意为你这个想法买单。
2. **小步快跑**：不要想着一开始就做一个大平台，先服务好10个客户，赚到的第一块钱才是最真实的。
3. **关注“人”**：技术（AI、数字化）只是工具，**服务好具体的人**（老人、店主、年轻人）才是商业的本质。
你对哪个方向最感兴趣？我可以针对那个方向再深入细化一下。
============================================================
调用3: 创业点子需要结合当下的技术趋势（如AI）、社会痛点（如老龄化、孤独感）以及细分市场的需求。
为了给你提供有价值的参考，我精选了**4个不同方向**的创业点子，分别侧重于**技术应用**、**情绪价值**、**生活方式**和**银发经济**。
---
### 1. AI 领域：针对中小企业的“数字员工”培训师
* **痛点：** 很多传统小企业（如牙科诊所、装修公司、独立电商）知道 AI 很火，也想用 ChatGPT 或类似工具写文案、做客服，但他们不知道如何写提示词，也没有预算雇佣专业的 AI 工程师。
* **核心服务：** 为特定垂直行业打造“开箱即用”的 AI 培训包和定制化机器人。
* **具体做法：**
* 比如专门做**“房产经纪人 AI 助手”**，你预先调教好 AI，让它熟悉房产术语、合同模板和常见异议处理。
* 客户购买后，只需上传他们的房源信息，AI 就能自动生成发朋友圈的文案、小红书种草文以及回复客户咨询的话术。
* **盈利模式：** 订阅制（每月收取软件使用费）+ 培训费。
* **优势：** 轻资产，不需要自己开发大模型，只需做“中间层”的应用和调教，市场巨大。
### 2. 情绪价值：单身人士的“微型陪伴”服务平台
* **痛点：** 现代年轻人独居比例高，渴望陪伴但不需要（或负担不起）长期的恋爱关系，或者是特定的孤独时刻（如医院陪诊、搬家时的帮手、周末一起玩剧本杀的搭子）。
* **核心服务：** 提供“明码标价、非涉性、严格审核”的社交陪伴服务。
* **具体做法：**
* 不同于传统的陪聊，你可以做**“任务型陪伴”**。例如：帮忙排队时的聊天搭子、健身时的监督伙伴、去医院时的“家属”替身。
* 建立“陪侍师”档案库，用户可以根据性格、技能（如会摄影、会急救）来选择。
* **盈利模式：** 按小时收费，平台抽成。
* **优势：** 切中了“孤独经济”和“社恐”的痛点，且属于服务行业，现金流较好。
### 3. 生活方式：“剩食”盲盒与临期美食社区
* **痛点：** 商家（面包店、寿司店、超市）每天打烊时有很多未售出但品质完好的食物，只能扔掉，既浪费钱又不环保；而消费者想吃便宜又好的东西。
* **核心服务：** 连接商家与消费者的“惜食”平台。
* **具体做法：**
* 开发一个小程序或利用现有的社群。商家在晚上 8 点后上线“惊喜盲盒”，原价 50 元的面包，盲盒价 15 元。
* 用户下单，到店自取。
* 同时可以结合环保教育，用户每买一次盲盒，可以获得“碳积分”，兑换环保周边。
* **盈利模式：** 每单抽成 + 品牌联名广告。
* **优势：** 响应全球反浪费趋势，商家能回本，用户觉得占便宜，且有道德满足感。
### 4. 银发经济：老年人“数字鸿沟”跨越师
* **痛点：** 子女不在身边，老年人面对智能手机、医院挂号、网约车、网上缴费感到极度无助。手机店通常只管卖不管教，且缺乏耐心。
* **核心服务：** 专门教老年人使用智能设备的“上门家教”或“老年大学”。
* **具体做法：**
* 提供一对一上门服务，不只是教怎么点屏幕，而是帮老人设置好手机（大字版、骚扰拦截），并手把手教微信支付、防诈骗、刷抖音、挂号。
* 可以做成会员制，每周一次课，顺便陪老人聊天（情感附加值）。
* 开发配套的“大字版、图解版”纸质教材或视频教程。
* **盈利模式：** 课程费 + 教材费 + 老年智能硬件推荐佣金。
* **优势：** 老龄化社会是确定性趋势，子女愿意为“让父母不被时代抛弃”买单，复购率极高。
---
### 给你的建议：如何从这4个里选？
不要只看哪个“最赚钱”，要看哪个**最适合你**。请问自己三个问题：
1. **你有什么资源？**（如果你懂技术，选AI；如果你善于沟通，选陪伴服务；如果你有线下商铺资源，选剩食盲盒。）
2. **你愿意投入多少成本？**（AI和平台开发需要一定的技术或资金投入；服务类和培训类更多是投入时间。）
3. **你能解决什么具体问题？**（最好的创业往往是从解决自己身边的一个小麻烦开始的。）
如果你对其中某个方向感兴趣，我可以帮你进一步细化**商业模式**。
============================================================
🌡️ temperature = 1.5
============================================================
调用1: 创业点子需要结合你的**资源、兴趣**以及**市场趋势**。既然你没有提供具体的背景，我将给你提供几个不同方向、目前比较有潜力的创业点子，分为**“低成本/个人IP类”、“技术/AI应用类”和**“线下/服务类”**。
你可以根据自己擅长什么来“对号入座”：
### 1. AI 赋能的垂直领域服务（技术流）
现在大模型（如GPT-4、Claude、Midjourney）很火，但普通人不会用。你可以做“连接器”。
* **点子：** **AI 模特/商拍图生成服务**
* **痛点：** 电商卖家（尤其是淘宝、Shein、TikTok Shop卖家）需要大量模特图，但真人摄影成本高（几千元一次）、周期长。
* **解决方案：** 利用Midjourney或Stable Diffusion，把商家的平铺衣服“穿”在AI生成的模特身上。可以提供不同种族、肤色、场景的图片。
* **变现：** 按张收费，或者包月服务。
* **门槛：** 需要熟练掌握AI绘图工具的咒语和修图技巧。
* **点子：** **细分行业的“AI 秘书”**
* **痛点：** 某些特定行业（如法律合同初审、医疗病历整理、装修报价单生成）充斥着重复性文档工作。
* **解决方案：** 搭建一个基于AI的自动化工作流，专门帮律师审合同条款风险，或帮装修公司快速生成预算表。
* **变现：** 软件订阅费或按次处理费。
### 2. “银发经济”与情感陪伴（趋势流）
中国老龄化严重，有钱有闲的老年人越来越多，但市场上针对他们的优质产品很少。
* **点子：** **老年人“代际”科技教学与陪诊**
* **痛点：** 子女不在身边，老人去医院挂号、取药、看不懂智能设备操作非常困难。
* **解决方案：**
1. **陪诊服务：** 专业的陪诊师（需要一点医疗常识）陪老人看病，规划路线、取号、取药。
2. **微信/智能手机教学：** 不是教他们怎么用手机，而是教他们怎么用手机防骗、怎么用手机挂号、怎么跟孙子视频。
* **变现：** 服务费（陪诊半天几百元），社区课程费。
* **点子：** **适老化改造咨询**
* **痛点：** 老人在家洗澡怕滑倒、起夜怕黑、地面不平绊倒。
* **解决方案：** 专门针对有老人的家庭提供装修改造建议，安装扶手、防滑地砖、智能感应灯、紧急呼叫按钮等。
* **变现：** 工程差价 + 咨询设计费。
### 3. 情绪价值与治愈经济（心理流）
现代人压力大，愿意为“开心”和“解压”买单。
* **点子：** **分手/离职“疗愈”礼盒定制**
* **痛点：** 年轻人失恋或失业时，极度需要仪式感来告别过去，但朋友不知道送什么。
* **解决方案：** 设计一系列主题礼盒。例如“重启人生盒”（里面有彩票、面试穿搭指南、能量饮料）、“前任去死盒”（里面有泄压玩具、黑胶唱片、清理指南）。
* **变现：** 电商销售，甚至可以附赠30分钟的倾听服务。
* **点子：** **上门宠物喂养与遛狗（高端化）**
* **痛点：** 养宠人群越来越多，出差、旅游时宠物无人照料，寄养在店容易交叉感染。
* **解决方案：** 提供上门服务。不仅仅是倒猫粮，而是提供全程视频直播、陪玩、梳毛、清理猫砂。
* **核心：** **信任**。你需要极其规范的服务流程（穿鞋套、佩戴记录仪）。
* **变现：** 按次收费，节假日溢价。
### 4. 垂直细分的内容/社区（个人IP流）
如果你擅长写作或拍摄，不要做泛娱乐，做最窄的领域。
* **点子：** **特定技能的“陪伴型”社群**
* **不要做：** “英语学习群”（太泛）。
* **要做：** “哑巴英语开口训练营”或“考研人早起打卡监督群”。
* **痛点：** 很多人买了课不学，他们缺的不是知识，是**环境**和**监督**。
* **解决方案：** 你提供每天的计划、监督打卡、群友互助。
* **变现：** 会员费（例如99元/月）。
### 5. 循环经济（环保流）
* **点子：** **奢侈品/二手电子产品的“翻新”与寄卖**
* **痛点：** 大家手里都有闲置，但直接卖掉太亏，闲鱼交易太麻烦且怕被坑。
* **解决方案：** 如果你有鉴定和清洁保养的技能，你可以做“中间商”。你把旧东西收回来，通过精修、清洁、拍精美照，加价卖出。
* **方向：** 二手手机（换电池）、二手相机镜头、轻奢包包。
* **变现：** 赚取差价。
---
### 💡 给你的建议：
在决定做哪个之前，问自己三个问题（**MVP验证法**）：
1. **谁是你的客户？** （越具体越好，比如“25-30岁的单身女白领”比“所有女性”好）
2. **他们愿不愿意付费？** （很多人嘴上说喜欢，但不一定掏钱。你可以先在朋友圈或小红书发个帖子，看看有没有人问“怎么买”或“多少钱”。）
3. **你能复制吗？** （如果你做一个能赚100块，你能找到办法把它做成赚1万块吗？）
**如果你是一个人，想低成本启动：**
推荐从 **“AI服务”** 或 **“上门宠物服务/陪诊”** 开始。前者是边际成本极低（卖时间换技能），后者是刚需高频（卖体力换信任）。
你对哪个方向最感兴趣？我可以帮你细化那个点子的执行步骤。
============================================================
调用2: 给出一个好的创业点子，需要结合**当前趋势**、**技术可行性**以及**未被满足的市场需求**。
与其给你一个模糊的“大方向”，不如给你一个**具体的、可落地的、且目前处于蓝海或上升期的商业模式**。
### 💡 创业点子：AI 驱动的“数字资产管理与活化”工作室
**一句话介绍：** 帮助企业将沉睡的数字资产（文档、视频、录音、代码）通过 AI 转化为可复用、可检索、可盈利的“活资产”。
---
#### 1. 痛点是什么？（市场机会）
很多公司（尤其是中型传统企业、咨询公司、律所、媒体机构）拥有海量的数据：
* 几十年的会议录音；
* 成千上万份内部PDF文档、标书、合同；
* 大量未剪辑的原始视频素材；
* 老员工离职后留下的杂乱代码库。
**问题在于：** 这些数据占据了服务器空间，但几乎没有价值。因为它们是“死”的，无法检索，无法复用，查找特定信息的成本极高。
#### 2. 你的解决方案
利用大语言模型（LLM）和 RAG（检索增强生成）技术，为这些企业搭建**私有化的知识库**，并提供资产“活化”服务。
**具体服务内容：**
* **企业“第二大脑”搭建：** 将企业所有的PDF、Word、Wiki文档清洗并导入私有AI系统。员工可以直接问：“公司三年前做的那个类似项目的预算表在哪里？”或者“关于XXX条款，我们在以前的合同里是怎么约定的？”AI直接给出答案和原文出处。
* **长视频/音频转知识库：** 很多企业有培训视频、会议记录。你帮他们转写成文字，提取关键信息，甚至做成短视频切片，用于营销或内部培训。
* **遗留代码/文档维护：** 帮IT公司整理老旧代码，自动生成注释文档，让新员工能快速看懂老代码。
#### 3. 目标客户
* **B2B（主要）：** 咨询公司、律所、建筑设计院、医疗机构（病历整理）、制造业（技术手册数字化）。
* **B2C（次要）：** 针对自媒体人/UP主，提供“素材库管理”工具，让他们能一键检索自己过去几年视频里的某一句台词，快速重组素材制作新视频。
#### 4. 盈利模式
* **项目制收费：** 按照数据处理的量级（如每处理100GB文档）收取 setup 费用。
* **SaaS 订阅费：** 搭建好系统后，按月收取软件维护费和用户席位费。
* **增值服务：** 定期更新数据、定制化开发特定功能的 AI Agent（如自动写标书机器人）。
#### 5. 为什么现在做？（核心竞争力）
* **技术门槛降低：** 以前做这个需要很强的NLP团队，现在基于 OpenAI API 或开源模型（如 Llama 3），一个小团队甚至一个人就能搭建出非常强大的 RAG 系统。
* **数据隐私焦虑：** 大企业不敢直接用 ChatGPT，因为怕泄密。**你的卖点是“私有化部署”**，数据不出企业内网，这正是目前市场最缺的信任背书。
* **降本大趋势：** 企业都在裁员，更需要通过 AI 提高现有人效，盘活沉睡资产正好符合这个需求。
---
### 🚀 另外两个备选方向（如果你不喜欢上述重技术的方向）
**备选一：银发经济中的“数字化陪伴/代办”**
* **逻辑：** 老年人有钱，但不会用智能手机，跟不上数字化生活。
* **做法：** 提供专门服务，帮老人预约挂号、打车、网购、甚至教他们使用智能家电。可以做线下服务站点，也可以做远程的视频协助服务。
* **优势：** 人口老龄化不可逆，子女没时间，市场巨大且竞争相对温和。
**备选二：情绪价值经济——宠物/植物“寄养与看护”的订阅制**
* **逻辑：** 年轻人爱养宠物/植物，但经常出差或没经验。
* **做法：** 不仅仅是传统的寄养，而是**“上门+教育”**。比如订阅“植物管家”，每周上门浇水施肥，并发送植物生长报告；或者“宠物陪练”，上门教狗定点排便、随行。
* **优势：** 用户为“省心”和“情感”付费的意愿极高，且复购率好。
---
### ⚠️ 给你的建议
1. **MVP（最小可行性产品）思维：** 不要一上来就想做大平台。先找一个身边的小公司，甚至是你朋友的公司，免费或低价帮他们把文档整理进 AI 知识库。跑通流程，这将成为你的第一个案例。
2. **重服务，轻软件：** 在初期，不要试图开发一个完美的软件卖给所有人。**卖服务**（帮他们解决问题）比卖软件更容易活下来。等服务标准化了，再封装成软件。
3. **关注“信任”：** 无论你做哪个点子，在 AI 时代，**谁能解决信任问题（数据安全、隐私、服务质量），谁就能赢。**
你对哪个方向最感兴趣？我可以帮你进一步细化。
============================================================
调用3: 创业点子的成功取决于**“时机、团队、市场需求”**的结合。为了给你提供有价值的建议，我整理了几个不同方向、基于当前趋势的创业点子，你可以根据自己的兴趣、资源和技能来选择：
### 1. AI 垂直领域的“应用层”落地 (技术流)
**背景：** 现在的大模型（如GPT-4）很强大，但普通人不知道怎么用它来解决具体问题。不需要你去开发大模型，而是做“大模型+行业”的连接器。
* **点子A：AI 面试/求职教练**
* **痛点：** 求职者尤其是应届生，不知道如何优化简历，也缺乏面试经验。
* **模式：** 开发一个程序，用户上传简历和目标岗位（Job Description），AI 自动生成修改建议，并进行模拟面试（语音对话），给出反馈和改进建议。
* **点子B：跨境电商本地化文案助手**
* **痛点：** 中国卖家在做亚马逊/TikTok Shop时，文案常常是“中式英语”，转化率低。
* **模式：** 做一个专门针对电商场景的AI工具，不仅能翻译，还能根据当地俚语和流行文化，重写出具有“种草”属性的产品描述和短视频脚本。
### 2. “孤独经济”与宠物赛道 (情感流)
**背景：** 年轻人越来越孤独，宠物成为重要的情感寄托，且养宠精细化程度越来越高。
* **点子C：宠物临终关怀与纪念服务**
* **痛点：** 宠物离世是主人的巨大痛点，但现有的处理方式（火化、埋葬）比较冰冷，缺乏仪式感。
* **模式：** 提供高端的宠物遗体处理、告别仪式，以及将宠物毛发做成钻石、项链或羊毛毡玩偶的纪念品服务。这是一个高客单价、高情感价值的赛道。
* **点子D：单身/独居人士的“搭子”社交平台**
* **痛点：** 找人吃饭、看展、运动很难，不想谈恋爱只想找人陪。
* **模式：** 做一个基于兴趣的轻社交平台或社群（不一定是App，可以是小红书/抖音账号运营），专门组织线下的“饭搭子”、“爬山搭子”活动，赚取入场费或商家佣金。
### 3. 银发经济（老龄化社会） (服务流)
**背景：** 老龄化加剧，子女工作忙，老年人的精神生活和家政服务需求巨大。
* **点子E：老年人陪诊师 / 助浴服务**
* **痛点：** 独居老人去医院看病流程复杂，操作智能设备困难；失能老人洗澡难。
* **模式：** 提供专业的挂号、陪同就诊、取药服务（陪诊）；或者提供上门上门助浴服务。这需要一定的专业培训，但粘性极高，口碑传播快。
* **点子F：老年人“智能手机/数字生活”训练营**
* **痛点：** 老人有手机，但只会刷抖音，不会用微信挂号、打车、防诈骗。
* **模式：** 开设线下社区课程或制作专门针对老年人的简易教程/视频号，教他们使用数字工具，同时销售适合老人的智能硬件。
### 4. 心理健康与解压 (疗愈流)
**背景：** 社会压力大，焦虑普遍，传统的心理咨询太贵或门槛太高。
* **点子G：城市“心灵疗愈”小屋 / 声音浴**
* **痛点：** 人们需要一个地方短暂逃离工作压力，发呆、冥想。
* **模式：** 在商圈或社区租一个小空间，提供颂钵声音疗愈、沉浸式冥想、甚至只是“骂醒服务”或“倾诉盲盒”。主打短时间（30分钟-1小时）的充电体验。
* **点子H：情绪疗愈周边产品**
* **痛点：** 情绪需要出口。
* **模式：** 设计并销售可以“撕”的日历、可以捏的解压玩具、或者“坏心情回收站”文创盒子。通过内容电商（抖音/小红书）进行情绪营销带货。
### 5. 循环经济与二手市场 (环保流)
**背景：** 消费降级和环保意识提升，年轻人开始接受二手，但信任是关键。
* **点子I：垂直品类的二手交易平台（如：二手摄影器材、奢侈品、母婴）**
* **痛点：** 闲鱼太杂，假货多，专业买家需要鉴定和筛选。
* **模式：** 做一个垂直领域的二手买手店。你负责回收、清洗、消毒、鉴定、拍照、撰写真实体验文案，然后加价卖出。核心是**“信任”**和**“服务”**。
---
### ⚡️ 给你的建议：如何验证点子？
不要一上来就租办公室、招人、开发App。请按以下步骤低成本试错（MVP，最小可行性产品）：
1. **找痛点：** 找10个你目标用户中的真实的人，问他们：“这个问题让你最头疼的地方在哪里？你愿意为解决这个问题付多少钱？”
2. **做手工：** 暂时不要写代码。先用手绘海报、微信群、甚至是人工服务来模拟你的业务。
* *比如想做AI面试教练，先拉个群，你自己人工帮大家改简历，看看大家反不反馈好。*
3. **收钱：** 创业成功的唯一标志是有人愿意掏钱。如果只是叫好但没人买单，说明需求不够刚性。
**你想了解哪个方向？或者你有什么特长（比如你会写代码、擅长销售、或者有医学背景）？告诉我，我可以为你定制更具体的方案。**
不难看出，越低的温度参数会使 ai 的回答更加规则、稳定，而更高的温度参数会使回答更加跳脱、发散。这在语言风格和内容上都有体现
为什么 temperature=0 时，三次调用不是一模一样的呢？
因为大模型用的是摄氏度，设置成-273.15 绝对零度才行
【面试官追问：Temperature=0 为什么输出不同结果？-哔哩哔哩】
一些其它参数
max_tokens / max_completion_tokens：
限制模型输出的最大 token。
max_tokens=500
stop：
遇到指定字符串停止生成。
stop=["\n\n"]
n：
生成多少个候选回答。
n=3
通过 choice 取结果，每一个 choice 都是一个独立答案
response.choices[0].message.content
response.choices[1].message.content
response.choices[2].message.content
stream：
是否流式返回。
stream=True
流式返回会使大模型边生成边返回，返回值是一个事件流
stream = client.chat.completions.create(
model="gpt-4o",
messages=[{"role":"user","content":"写一首诗"}],
stream=True
)
for chunk in stream:
print(chunk.choices[0].delta.content, end="")
Stage 2
Function Calling
简单来说，Function Calling 是大模型调用外部工具的一种方式或能力
在代码中，我们可以将工具都封装为函数，这样模型调用外部工具，实际上就是在调用函数。通过函数封装的方式，模型可以容易的获取到工具调用的结果，就可以实现交互。在这个过程中，模型接收可用的函数列表、挑选要使用的函数以及解析函数结果的过程，就是 Function Calling
对于支持 Function Calling 的模型，我们使用 Function Schema 来告诉模型可用的函数列表。它本质是一个 Json Schema
tools = [
{
"type": "function",
"function": {
"name": "get_weather", //function name
"description": "获取城市天气", //描述作用
"parameters": { //参数结构
"type": "object", //整个参数结构是一个对象类型
"properties": { //参数列表
"city": { //参数名
"type": "string", //参数类型
"description": "城市名称"
},
"unit": {
"type": "string",
"enum": ["celsius", "fahrenheit"], //枚举值
"description": "温度单位，celsius表示摄氏度，fahrenheit表示华氏度"
}
},
"required": ["city"] //必填参数
}
}
}
]
一个查询天气的 function calling 的例子
import os
import json
from openai import OpenAI
from dotenv import load_dotenv
load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
# ============ 1. 定义工具函数 ============
def get_current_weather(location: str, unit: str = "celsius") -> str:
"""
获取指定城市的当前天气
注意：这是模拟实现，实际应用应该调用真实天气API
"""
# 模拟天气数据
weather_data = {
"北京": {"temperature": 22, "condition": "晴朗", "humidity": 45},
"上海": {"temperature": 25, "condition": "多云", "humidity": 60},
"广州": {"temperature": 28, "condition": "小雨", "humidity": 80},
"深圳": {"temperature": 29, "condition": "阴天", "humidity": 75},
"杭州": {"temperature": 24, "condition": "晴朗", "humidity": 50},
}
# 查找城市天气
city_weather = None
for city, data in weather_data.items():
if city in location:
city_weather = data
break
if city_weather is None:
# 随机生成天气
import random
city_weather = {
"temperature": random.randint(15, 30),
"condition": random.choice(["晴朗", "多云", "阴天"]),
"humidity": random.randint(40, 80)
}
# 温度单位转换
temp = city_weather["temperature"]
if unit.lower() == "fahrenheit":
temp = temp * 9 // 5 + 32
unit_symbol = "°F"
else:
unit_symbol = "°C"
result = {
"location": location,
"temperature": f"{temp}{unit_symbol}",
"condition": city_weather["condition"],
"humidity": f"{city_weather['humidity']}%"
}
return json.dumps(result, ensure_ascii=False)
# ============ 2. 定义Function Schema ============
weather_function = {
"type": "function",
"function": {
"name": "get_current_weather",
"description": "获取指定城市的当前天气信息，包括温度、天气状况和湿度",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "城市名称，例如：北京、上海、广州"
},
"unit": {
"type": "string",
"enum": ["celsius", "fahrenheit"],
"description": "温度单位，celsius表示摄氏度，fahrenheit表示华氏度"
}
},
"required": ["location"]
}
}
}
# ============ 3. 实现Function Calling流程 ============
def chat_with_weather(user_input: str) -> str:
"""
支持天气查询的对话
流程：
1. 调用API，传入工具定义
2. 检查模型是否决定调用工具
3. 如果调用工具，执行并返回结果
4. 再次调用API获取最终回复
"""
messages = [{"role": "user", "content": user_input}]
# 第一次API调用
response = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=messages,
tools=[weather_function],
tool_choice="auto" # 让模型自己决定是否调用工具
)
response_message = response.choices[0].message
# 检查是否有工具调用
if response_message.tool_calls:
print(f"🔧 模型决定调用工具: {response_message.tool_calls[0].function.name}")
# 添加模型的工具调用请求到对话历史
messages.append(response_message)
# 执行所有工具调用
for tool_call in response_message.tool_calls:
function_name = tool_call.function.name
function_args = json.loads(tool_call.function.arguments)
print(f" 参数: {function_args}")
# 执行对应的函数
if function_name == "get_current_weather":
function_response = get_current_weather(
location=function_args.get("location"),
unit=function_args.get("unit", "celsius")
)
# 添加工具执行结果到对话历史
messages.append({
"tool_call_id": tool_call.id,
"role": "tool",
"name": function_name,
"content": function_response
})
# 第二次API调用，获取最终回复
final_response = client.chat.completions.create(
model="gpt-3.5-turbo",
messages=messages
)
return final_response.choices[0].message.content
else:
# 模型没有调用工具，直接返回回复
return response_message.content
def main():
print("=" * 60)
print("🌤️ Function Calling - 天气查询示例")
print("=" * 60)
# 测试用例
test_cases = [
"北京今天天气怎么样？",
"请问上海和广州哪个更热？",
"你好", # 不需要调用工具
"纽约的天气如何？（华氏度）"
]
for user_input in test_cases:
print(f"\n{'='*60}")
print(f"👤 用户: {user_input}")
print(f"{'='*60}")
response = chat_with_weather(user_input)
print(f"🤖 AI: {response}")
if __name__ == "__main__":
main()
可以看见，对于存在 Function Calling 的情况，我们在接收到工具调用请求后，需要进行函数调用，并将结果放进上下文进行第二次 api 调用
这里我们关注模型请求工具时的返回内容，以 纽约的天气如何？（华氏度） 这个问题为例
{
'id': 'resp_04711e5f67f2a2ac0169aac10f57cc81918fa6ea41077247af',
'choices': [
{
'finish_reason': 'tool_calls',
'index': 0,
'logprobs': None,
'message': {
'content': '',
'refusal': None,
'role': 'assistant',
'annotations': None,
'audio': None,
'function_call': None,
'tool_calls': [
{
'id': 'call_Mzr2CVCWAfNShxzsTg88SdOq',
'function': {
'arguments': '{
"location": "纽约",
"unit": "fahrenheit"
}',
'name': 'get_current_weather'
},
'type': 'function'
}
]
}
}
],
'created': 1772798223,
'model': 'gpt-5.2-2025-12-11',
'object': 'chat.completion',
'service_tier': 'default',
'system_fingerprint': None,
'usage': {
'completion_tokens': 24,
'prompt_tokens': 106,
'total_tokens': 130,
'completion_tokens_details': {
'accepted_prediction_tokens': None,
'audio_tokens': None,
'reasoning_tokens': 0,
'rejected_prediction_tokens': None
},
'prompt_tokens_details': {
'audio_tokens': None,
'cached_tokens': 0
}
}
}
模型需要调用的函数以及给出的参数会在 tool_calls 这个列表中，我们需要遍历提取参数并执行
ReAct 模式
ReAct（Reason + Act） 模式 是一种让大语言模型 同时进行推理（Reasoning）和行动（Acting） 的 Agent 设计模式。其核心思想就是实现模型一边思考，一边执行工具和观察结果，循环直到解决问题。
它的核心循环如下
Question
↓
Thought ← Observation
↓ ↑
Action Action
↓ ↑
Observation → Thought
↓
↓solved
↓
Final Answer
Example:
import os
import json
from openai import OpenAI
from dotenv import load_dotenv
load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
# ============ 工具函数 ============
def calculator(expression: str) -> str:
"""安全计算器"""
try:
# 只允许数字和基本运算符
allowed_chars = set('0123456789+-*/.() ')
if not all(c in allowed_chars for c in expression):
return json.dumps({"error": "表达式包含非法字符"})
result = eval(expression)
return json.dumps({"expression": expression, "result": result})
except Exception as e:
return json.dumps({"error": str(e)})
def get_current_time() -> str:
"""获取当前时间"""
from datetime import datetime
now = datetime.now()
return json.dumps({
"datetime": now.strftime("%Y-%m-%d %H:%M:%S"),
"date": now.strftime("%Y-%m-%d"),
"time": now.strftime("%H:%M:%S")
})
def search_knowledge(query: str) -> str:
"""模拟知识库搜索"""
knowledge_base = {
"Python": "Python是一种高级编程语言，由Guido van Rossum于1991年创建",
"AI Agent": "AI Agent是能够感知环境并采取行动以实现目标的智能系统",
"LLM": "大语言模型(Large Language Model)是基于Transformer架构的深度学习模型",
"OpenAI": "OpenAI是一家人工智能研究公司，开发了GPT系列模型",
}
results = []
for key, value in knowledge_base.items():
if query.lower() in key.lower() or query.lower() in value.lower():
results.append(f"{key}: {value}")
if results:
return json.dumps({"results": results})
else:
return json.dumps({"results": ["未找到相关信息"]})
# ============ Function Schemas ============
tools = [
{
"type": "function",
"function": {
"name": "calculator",
"description": "执行数学计算，支持加减乘除和括号",
"parameters": {
"type": "object",
"properties": {
"expression": {
"type": "string",
"description": "数学表达式，例如：2 + 2, 10 * 5, (100 - 50) / 2"
}
},
"required": ["expression"]
}
}
},
{
"type": "function",
"function": {
"name": "get_current_time",
"description": "获取当前的日期和时间",
"parameters": {
"type": "object",
"properties": {}
}
}
},
{
"type": "function",
"function": {
"name": "search_knowledge",
"description": "在知识库中搜索信息",
"parameters": {
"type": "object",
"properties": {
"query": {
"type": "string",
"description": "搜索关键词"
}
},
"required": ["query"]
}
}
}
]
# ============ ReAct Agent ============
class ReActAgent:
"""
ReAct Agent实现
ReAct = Reasoning (思考) + Acting (行动)
"""
def __init__(self, model: str = "gpt-3.5-turbo"):
self.model = model
self.tools_map = {
"calculator": calculator,
"get_current_time": get_current_time,
"search_knowledge": search_knowledge
}
def run(self, user_input: str, verbose: bool = True) -> str:
"""
运行Agent
Args:
user_input: 用户输入
verbose: 是否打印详细过程
Returns:
最终回复
"""
if verbose:
print("\n" + "=" * 60)
print("🚀 ReAct Agent 开始执行")
print("=" * 60)
print(f"👤 用户输入: {user_input}\n")
# 系统提示，引导模型使用ReAct模式
system_prompt = """你是一个智能助手，可以使用工具来帮助用户。
当需要回答问题或完成任务时：
1. 先思考需要做什么（Thought）
2. 然后选择合适的工具行动（Action）
3. 观察工具返回的结果（Observation）
4. 根据结果继续思考或给出最终答案
如果需要使用工具，你会收到工具的执行结果，然后继续处理。"""
messages = [
{"role": "system", "content": system_prompt},
{"role": "user", "content": user_input}
]
max_iterations = 5 # 防止无限循环
iteration = 0
while iteration < max_iterations:
iteration += 1
if verbose:
print(f"\n🔄 迭代 {iteration}")
print("-" * 40)
# 调用API
response = client.chat.completions.create(
model=self.model,
messages=messages,
tools=tools,
tool_choice="auto"
)
message = response.choices[0].message
# 检查是否有内容（Thought）
if message.content and verbose:
print(f"💭 Thought: {message.content}")
# 检查是否需要调用工具
if message.tool_calls:
# 添加模型的响应到历史
messages.append(message)
for tool_call in message.tool_calls:
function_name = tool_call.function.name
function_args = json.loads(tool_call.function.arguments)
if verbose:
print(f"🔧 Action: 调用 {function_name}")
print(f" 参数: {function_args}")
# 执行工具
if function_name in self.tools_map:
tool_function = self.tools_map[function_name]
try:
result = tool_function(**function_args)
except Exception as e:
result = json.dumps({"error": str(e)})
else:
result = json.dumps({"error": f"未知工具: {function_name}"})
if verbose:
print(f"👁️ Observation: {result}")
# 添加工具结果到历史
messages.append({
"tool_call_id": tool_call.id,
"role": "tool",
"name": function_name,
"content": result
})
else:
# 没有工具调用，返回最终结果
if verbose:
print(f"\n✅ Agent 完成")
print("=" * 60)
return message.content
return "达到最大迭代次数，任务未完成"
def main():
print("=" * 60)
print("🤖 ReAct Agent 示例")
print("=" * 60)
agent = ReActAgent()
# 测试用例
test_cases = [
"现在几点了？",
"计算 123 * 456 等于多少？",
"什么是AI Agent？",
"帮我算一下：(100 + 200) * 3 - 50",
"Python是什么语言？"
]
for user_input in test_cases:
response = agent.run(user_input, verbose=True)
print(f"\n🤖 最终回复: {response}\n")
input("按Enter继续下一个测试...")
if __name__ == "__main__":
main()
根据模型能力，模型可能会选择性的调用工具
在测试中，我们使用 Function Calling 让模型完成了单工具调用的简单任务。当然，模型也可以在一次回复中多次调用工具。
Agent 类封装
至此，我们已经可以完成一个简单的 agent。但是写死在代码中的工具和配置，会使我们难以进行后续的扩展。因此我们需要将整个 agent 以及工具进行封装管理
通过对工具的注册和调用等行为进行封装，我们可以简化工具调用的代码，同时更灵活地对工具进行管理。这为我们的多工具调用行为提供了更强有力的基础
对于 agent 的封装可以定义更多相关的函数，方便调试和处理信息
import os
import json
from openai import OpenAI
from dotenv import load_dotenv
from typing import Callable, Dict, List, Any, Optional
from dataclasses import dataclass, field
load_dotenv()
@dataclass
class Tool:
"""工具定义数据类"""
name: str
description: str
parameters: dict
function: Callable
@dataclass
class AgentConfig:
"""Agent配置"""
model: str = "gpt-3.5-turbo"
temperature: float = 0.7
max_tokens: int = 2000
system_prompt: str = "你是一个智能助手，可以使用工具帮助用户完成任务。"
max_iterations: int = 5
verbose: bool = True
class BaseAgent:
"""
基础Agent类
特性：
- 支持动态工具注册
- 保留对话历史
- 可配置参数
- 完整的错误处理
"""
def __init__(self, config: AgentConfig = None):
self.config = config or AgentConfig()
self.client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
self.tools: Dict[str, Tool] = {}
self.messages: List[dict] = []
self._init_conversation()
def _init_conversation(self):
"""初始化对话，添加system prompt"""
self.messages = []
if self.config.system_prompt:
self.messages.append({
"role": "system",
"content": self.config.system_prompt
})
def register_tool(
self,
name: str,
description: str,
parameters: dict,
function: Callable
) -> "BaseAgent":
"""
注册工具（支持链式调用）
Args:
name: 工具名称
description: 工具描述
parameters: JSON Schema格式的参数定义
function: 实际执行的函数
Returns:
self，支持链式调用
"""
self.tools[name] = Tool(
name=name,
description=description,
parameters=parameters,
function=function
)
if self.config.verbose:
print(f"✅ 工具注册成功: {name}")
return self
def _get_tool_schemas(self) -> List[dict]:
"""获取工具schema列表"""
return [
{
"type": "function",
"function": {
"name": tool.name,
"description": tool.description,
"parameters": tool.parameters
}
}
for tool in self.tools.values()
]
def _execute_tool(self, name: str, arguments: dict) -> str:
"""执行工具"""
if name not in self.tools:
return json.dumps({"error": f"工具不存在: {name}"})
tool = self.tools[name]
try:
result = tool.function(**arguments)
# 确保结果是字符串
if not isinstance(result, str):
result = json.dumps(result, ensure_ascii=False)
return result
except Exception as e:
return json.dumps({"error": str(e)}, ensure_ascii=False)
def run(self, user_input: str) -> str:
"""
运行Agent处理用户输入
Args:
user_input: 用户输入
Returns:
Agent的最终回复
"""
if self.config.verbose:
print(f"\n{'='*60}")
print(f"👤 用户: {user_input}")
print(f"{'='*60}")
# 添加用户消息
self.messages.append({"role": "user", "content": user_input})
iteration = 0
while iteration < self.config.max_iterations:
iteration += 1
if self.config.verbose:
print(f"\n🔄 迭代 {iteration}")
try:
# 调用API
response = self.client.chat.completions.create(
model=self.config.model,
messages=self.messages,
tools=self._get_tool_schemas() if self.tools else None,
tool_choice="auto" if self.tools else None,
temperature=self.config.temperature,
max_tokens=self.config.max_tokens
)
message = response.choices[0].message
# 如果有回复内容，打印出来
if message.content and self.config.verbose:
print(f"💭 思考: {message.content}")
# 检查是否需要调用工具
if message.tool_calls:
self.messages.append(message)
if self.config.verbose:
print(f"🔧 调用 {len(message.tool_calls)} 个工具")
# 执行所有工具调用
for tool_call in message.tool_calls:
name = tool_call.function.name
args = json.loads(tool_call.function.arguments)
if self.config.verbose:
print(f" {name}({json.dumps(args, ensure_ascii=False)})")
result = self._execute_tool(name, args)
if self.config.verbose:
print(f" 结果: {result[:100]}...")
self.messages.append({
"tool_call_id": tool_call.id,
"role": "tool",
"name": name,
"content": result
})
else:
# 没有工具调用，返回最终结果
if self.config.verbose:
print(f"\n✅ 完成")
# 添加AI回复到历史
self.messages.append({
"role": "assistant",
"content": message.content
})
return message.content
except Exception as e:
error_msg = f"执行出错: {str(e)}"
if self.config.verbose:
print(f"❌ {error_msg}")
return error_msg
return "达到最大迭代次数"
def clear_history(self):
"""清空对话历史（保留system prompt）"""
self._init_conversation()
if self.config.verbose:
print("🗑️ 对话历史已清空")
def get_history(self) -> List[dict]:
"""获取对话历史"""
return self.messages.copy()
def export_conversation(self, filepath: str = None) -> str:
"""
导出对话记录
Args:
filepath: 保存路径，为None则返回字符串
Returns:
对话记录JSON字符串
"""
data = {
"config": {
"model": self.config.model,
"temperature": self.config.temperature,
},
"messages": self.messages
}
json_str = json.dumps(data, ensure_ascii=False, indent=2)
if filepath:
with open(filepath, 'w', encoding='utf-8') as f:
f.write(json_str)
print(f"💾 对话已保存到: {filepath}")
return json_str
# ============ 使用示例 ============
def calculator(expression: str) -> str:
"""计算器工具"""
try:
allowed = set('0123456789+-*/.() ')
if not all(c in allowed for c in expression):
return json.dumps({"error": "非法字符"})
return json.dumps({"result": eval(expression)})
except Exception as e:
return json.dumps({"error": str(e)})
def get_weather(location: str) -> str:
"""天气工具"""
import random
weather = random.choice(["晴朗", "多云", "小雨", "阴天"])
temp = random.randint(18, 32)
return json.dumps({
"location": location,
"temperature": temp,
"weather": weather
})
def main():
print("=" * 60)
print("🤖 BaseAgent 封装示例")
print("=" * 60)
# 创建配置
config = AgentConfig(
model="gpt-3.5-turbo",
temperature=0.7,
system_prompt="你是一个智能助手，可以使用计算器和天气查询工具帮助用户。",
verbose=True
)
# 创建Agent并注册工具（链式调用）
agent = BaseAgent(config) \
.register_tool(
name="calculator",
description="执行数学计算",
parameters={
"type": "object",
"properties": {
"expression": {"type": "string", "description": "数学表达式"}
},
"required": ["expression"]
},
function=calculator
) \
.register_tool(
name="get_weather",
description="查询城市天气",
parameters={
"type": "object",
"properties": {
"location": {"type": "string", "description": "城市名称"}
},
"required": ["location"]
},
function=get_weather
)
# 测试对话
test_inputs = [
"计算 123 + 456",
"北京今天天气怎么样？",
"上海的温度乘 2 等于多少",
]
for user_input in test_inputs:
response = agent.run(user_input)
print(f"\n🤖 AI: {response}\n")
print("-" * 60)
# 导出对话
print("\n📜 导出对话记录:")
agent.export_conversation("conversation.json")
if __name__ == "__main__":
main()
浙公网安备 33010602011771号