大模型开发入门:三大项目带你快速上手AI应用开发

标签:#人工智能、#大模型、#自然语言处理、#大模型开发、#智能体开发、#agent开发、#AI

开篇实战准备(30分钟搞定环境)

效果:输入产品名称+目标人群+卖点,30秒生成10条营销文案。
- Python 3.10 或 3.11(推荐Anaconda)
- 一个OpenAI账号(或国内通义千问、豆包等,后面代码可一键切换)
- VS Code 编辑器(安装Python扩展)

记住这三点就够了,下面直接开干!

pip install openai==1.35.0 streamlit==1.38.0 gradio==4.44.0 python-dotenv requests

效果:支持多轮对话,记住用户姓名、偏好,像真人客服。
1. 打开 https://platform.openai.com/api-keys
2. 创建新Key,复制保存到项目根目录新建的.env文件里:

OPENAI_API_KEY=sk-你的key在这里

完整代码(chatbot.py):

ai_systems/
├── .env
├── requirements.txt
├── qa_assistant.py      # 项目1
├── copy_generator.py    # 项目2
├── chatbot.py           # 项目3
└── utils.py             # 公共工具

完整代码(qa_assistant.py,直接复制运行streamlit run qa_assistant.py):

openai==1.35.0
streamlit==1.38.0
gradio==4.44.0
python-dotenv

把上面requirements.txt内容写成:
验收标准:输入“公司年假多少天。”能准确回答知识库内容;界面流畅,无卡顿

图片

极简原理速通(只讲项目必需的3个逻辑)
  1. UI交互:用Streamlit一行代码就能出网页(st.text_input + st.button + st.chat_message),零前端知识也能做。
  2. Prompt就是指令:大模型像一个超级听话的助手,你把需求写得越清晰,它输出越准。核心模板:角色 + 任务 + 格式 + 示例。
  3. API调用三步:加载key → 创建client → 调用chat.completions.create(temperature=0.7控制创意度)。

不同场景智能系统开发方案(直接套用):

手把手三大项目实战
项目1:智能问答助手(支持知识库的RAG问答)

效果:输入问题,自动检索本地知识库再回答,杜绝幻觉。
完整代码(copy_generator.py):

import streamlit as st
from openai import OpenAI
import os
from dotenv import load_dotenv

load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

st.title("🧠 唐宇迪智能问答助手")
st.caption("支持本地知识库,零幻觉回答")

# 知识库(可替换成你的文档)
knowledge = """
公司请假政策:年假5天,事假需提前1天申请。
产品优势:AI讲师课程支持终身学习,覆盖大模型、RAG、Agent全栈。
"""

if "messages" not in st.session_state:
    st.session_state.messages = []

for msg in st.session_state.messages:
    with st.chat_message(msg["role"]):
        st.markdown(msg["content"])

if prompt := st.chat_input("输入你的问题"):
    st.session_state.messages.append({"role": "user", "content": prompt})
    with st.chat_message("user"):
        st.markdown(prompt)

    with st.chat_message("assistant"):
        with st.spinner("思考中..."):
            response = client.chat.completions.create(
                model="gpt-4o-mini",
                messages=[
                    {"role": "system", "content": f"你是专业AI助手,基于以下知识回答:\n{knowledge}"},
                    {"role": "user", "content": prompt}
                ],
                temperature=0.3
            )
            answer = response.choices[0].message.content
            st.markdown(answer)

    st.session_state.messages.append({"role": "assistant", "content": answer})
  1. 一键安装工具打开终端,复制粘贴运行:
项目2:个性化文案生成器
  1. 项目文件夹结构(直接复制)
    学习规划(3周速成):
import streamlit as st
from openai import OpenAI
import os
from dotenv import load_dotenv

load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

st.title("✍️ 个性化文案生成器")
product = st.text_input("产品名称", "AI智能课程")
target = st.text_input("目标人群", "职场转行者")
selling = st.text_area("核心卖点", "零基础、实战项目、终身答疑", height=100)

if st.button("生成10条文案"):
    with st.spinner("正在生成..."):
        response = client.chat.completions.create(
            model="gpt-4o-mini",
            messages=[{
                "role": "user",
                "content": f"""你是顶级文案策划师。
                产品:{product}
                目标人群:{target}
                卖点:{selling}
                请生成10条不同风格的短文案,每条不超过50字,用Markdown编号输出。"""
            }]
        )
        st.markdown(response.choices[0].message.content)

验收标准:生成文案风格多样、带表情符号、长度合适,直接复制到小红书/朋友圈可用。

项目3:简易对话机器人(带记忆的客服机器人)

对于需要学习规划答疑和就业指导的同学 可以扫描下方这个二维码与我交流
下面我们直接上手项目。环境搞定

import streamlit as st
from openai import OpenAI
import os
from dotenv import load_dotenv

load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

st.title("🤖 简易对话机器人")

if "history" not in st.session_state:
    st.session_state.history = [{"role": "system", "content": "你是友善的AI客服,记住用户姓名和偏好。"}]

name = st.text_input("请告诉我你的名字", key="name")
if name:
    st.session_state.history[0]["content"] += f" 用户叫{name}。"

for msg in st.session_state.history[1:]:
    with st.chat_message(msg["role"]):
        st.markdown(msg["content"])

if prompt := st.chat_input("和我聊天吧"):
    st.session_state.history.append({"role": "user", "content": prompt})
    with st.chat_message("user"):
        st.markdown(prompt)

    with st.chat_message("assistant"):
        with st.spinner("回复中..."):
            response = client.chat.completions.create(
                model="gpt-4o-mini",
                messages=st.session_state.history,
                temperature=0.8
            )
            answer = response.choices[0].message.content
            st.markdown(answer)
            st.session_state.history.append({"role": "assistant", "content": answer})
  1. 环境要求(极简版)
一站式调试优化(解决99%开发痛点)
  1. 功能异常→ 加上try-except:
  2. 接口对接失败→ 检查.env文件是否在项目根目录;重启Streamlit;打印os.getenv("OPENAI_API_KEY")验证。
  3. 响应卡顿→ 改用gpt-4o-mini模型(速度是gpt-4o的3倍);加st.spinner;开启stream=True实现打字机效果(代码我打包在手册里)。
try:
    response = client.chat.completions.create(...)
except Exception as e:
    st.error(f"出错啦:{e},请检查API余额")
  1. 体验优化→ 加清除按钮、清空历史、导出对话为TXT。
  • 缓存Prompt模板
  • 使用异步调用(asyncio + aiohttp)
  • 本地部署通义千问API(更快更便宜)
系统封装+学习规划(从玩具到产品)
  1. 用streamlit run xxx.py --server.port 8501本地测试
  2. 免费部署:Streamlit Community Cloud 或 Railway 一键上线,生成分享链接
  3. 打包成Docker:写一个Dockerfile(我手册里有完整模板)

  4. API申请(2分钟)
    - 智能简历助手 → 项目1 + PDF解析
    - 企业客服 → 项目3 + 企业知识库
    - 多模态系统 → 接入GPT-4o-vision(图片输入)
    - 内容营销 → 项目2 + 批量生成

验收标准:机器人能记住“你叫小明”“我喜欢Python”,后续对话自然衔接。
- 第2周:加上本地知识库(LangChain简单版,我手册有代码)
- 第1周:跑通3个项目,改prompt玩出10种效果
- 进阶:Agent、多工具调用、RAG、私有化部署
- 第3周:部署上线 + 做自己的AI产品(简历/作品集)

为方便大家学习 这里给大家整理了一份详细的学习资料包 需要的同学 可以根据图片指示自取

图片

更多推荐