基于DeepSeek API与Prompt工程构建AI副业评估智能体

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Qwen 随心用，限时 5 折。 👉 点击领海量免费额度

1. 背景与核心概念

在探索副业机会时，你是否经常感到迷茫？面对一个又一个看似诱人的“风口”项目，却难以判断其真实潜力与风险。传统的市场调研耗时耗力，而个人的经验和知识储备又往往存在盲区。这正是我开发“AI毒舌投资人”的初衷——一个基于大语言模型（LLM）和智能体（Agent）技术构建的副业项目评估助手。

简单来说，AI毒舌投资人是一个能够模拟资深、挑剔、甚至有些“毒舌”的投资人视角，对你的副业想法进行快速、犀利、多维度评估的智能工具。它并非一个现成的商业软件，而是一个你可以亲手搭建、定制并用于辅助决策的AI应用项目。

它能解决什么问题？

1. 快速初筛：当你有一个新点子（比如开个小红书店铺、做知识付费、开发一个小程序），输入给AI，它能迅速给出市场前景、竞争分析、启动难度和潜在风险的初步判断。
2. 挑战假设：它会像真正的投资人一样，尖锐地指出你计划中的漏洞、过于乐观的估计以及你未曾考虑到的成本（如时间、合规性、获客成本）。
3. 提供结构化分析框架：引导你从市场规模、用户画像、盈利模式、增长策略、风险控制等多个维度系统性地思考你的项目。
4. 辅助决策：通过模拟不同场景下的投入产出比（ROI），帮助你决定是否值得投入精力，或者应该优先优化哪个环节。

为什么需要掌握它？在AI Agent开发热潮中，本项目完美结合了Prompt工程、大模型API调用和特定领域Agent构建三大核心技能。通过实践这个项目，你不仅能获得一个实用的副业分析工具，更能深入理解如何将通用的AI能力（如DeepSeek）通过精妙的Prompt设计和流程控制，转化为解决特定垂直领域问题（项目评估）的专用智能体。这对于任何希望深入AI应用开发的开发者而言，都是一次极佳的实战演练。

2. 环境准备与版本说明

本项目是一个基于Python的AI应用，核心是调用大模型API并构建交互逻辑。我们将使用DeepSeek API作为AI大脑，因其在代码和推理任务上表现出色，且提供了非常友好的免费额度供开发者使用。

基础环境要求：

• 操作系统：Windows 10/11, macOS 10.15+, 或主流的Linux发行版（如Ubuntu 20.04+）。本文演示环境为macOS。
• Python：版本 3.8 或更高。推荐使用 3.9+ 以获得最佳兼容性。
• 包管理工具：pip（随Python安装）。

核心依赖库：我们将创建一个requirements.txt文件来管理依赖。主要库及其作用如下：

• openai：用于以标准方式调用DeepSeek API（DeepSeek API兼容OpenAI格式）。
• python-dotenv：用于安全地管理API密钥等敏感信息。
• rich：用于在终端输出彩色、格式化的文本，提升交互体验。
• typer或argparse：用于构建命令行界面（CLI）。本文使用typer，它更现代、简洁。

版本说明：以下版本在撰写本文时经过测试，但AI生态发展迅速，请根据实际情况调整。

# requirements.txt openai>=1.0.0 python-dotenv>=1.0.0 rich>=13.0.0 typer>=0.9.0

项目结构预览：在开始编码前，我们先规划好项目目录，这有助于保持代码清晰。

ai-sarcastic-investor/ ├── .env # 存储环境变量（如API密钥） ├── .gitignore # Git忽略文件 ├── requirements.txt # 项目依赖 ├── main.py # 主程序入口 ├── core/ │ ├── __init__.py │ ├── investor_agent.py # AI毒舌投资人核心逻辑 │ └── config.py # 配置管理 └── utils/ ├── __init__.py └── display.py # 终端显示美化工具

3. 核心原理与关键技术拆解

3.1 大模型即服务（LLM-as-a-Service）与DeepSeek API

我们的“AI大脑”来自云端的大模型服务。DeepSeek提供了与OpenAI兼容的API，这意味着我们可以使用熟悉的openai库来调用它。其核心流程是：我们将精心构造的提示词（Prompt）和用户的问题一起，通过HTTP请求发送给DeepSeek的服务器，服务器上的大模型进行处理后，将生成的文本返回给我们。

关键配置参数：

• base_url: 需要设置为https://api.deepseek.com以指向DeepSeek服务。
• api_key: 你的个人密钥，用于鉴权。务必保密！
• model: 指定使用的模型，例如deepseek-chat或deepseek-coder。对于分析类任务，deepseek-chat是通用选择。

3.2 Prompt工程：塑造“毒舌”人格

这是本项目的灵魂。普通的AI回答可能温和而全面，但我们需要的是一个“毒舌”、“犀利”、“一针见血”的投资人。这完全通过Prompt设计来实现。

一个有效的“毒舌投资人”Prompt应包含以下要素：

1. 角色设定（Role）：明确告知AI它要扮演的角色。
2. 背景与目标（Context & Goal）：说明对话的背景和你要它达成的目标。
3. 性格与语气指令（Persona & Tone）：详细描述它应该如何说话（例如：直接、挑剔、略带讽刺、用数据说话、少说废话）。
4. 输出格式要求（Format）：要求它结构化输出，例如必须包含“优势”、“致命缺陷”、“可行性评分”、“一句话毒舌点评”等部分。
5. 约束条件（Constraints）：禁止它做什么（例如：禁止过度鼓励、禁止使用模糊词汇如“可能”、“也许”）。

3.3 智能体（Agent）的工作流

在本项目中，我们构建的是一个单轮分析Agent。其工作流可以简化为：

用户输入副业想法 -> 系统拼接预设Prompt和用户输入 -> 调用DeepSeek API -> 解析并格式化返回结果 -> 输出给用户

更复杂的Agent可以包含多轮对话、工具调用（如联网搜索实时数据）、记忆等，但作为入门项目，单轮分析已足够强大。

3.4 配置与安全

绝不能将API密钥硬编码在代码中。我们将使用.env文件配合python-dotenv来管理敏感信息。gitignore文件会确保.env不被提交到公开的代码仓库，这是开发的基本安全准则。

4. 完整实战：从零构建AI毒舌投资人

4.1 初始化项目与环境

首先，创建项目目录并设置虚拟环境（推荐，用于隔离依赖）。

# 创建项目目录 mkdir ai-sarcastic-investor cd ai-sarcastic-investor # 创建虚拟环境（以venv为例） python3 -m venv venv # 激活虚拟环境 # macOS/Linux: source venv/bin/activate # Windows: # venv\Scripts\activate # 创建基础文件 touch .env .gitignore requirements.txt main.py mkdir core utils touch core/__init__.py core/investor_agent.py core/config.py touch utils/__init__.py utils/display.py

编辑.gitignore文件，添加以下内容：

# .gitignore venv/ __pycache__/ *.py[cod] .env .DS_Store

编辑requirements.txt文件，填入之前提到的依赖：

openai>=1.0.0 python-dotenv>=1.0.0 rich>=13.0.0 typer>=0.9.0

安装依赖：

pip install -r requirements.txt

4.2 配置管理与密钥设置

首先，你需要去 DeepSeek开放平台 注册账号并获取API Key。

然后，在项目根目录的.env文件中填入你的密钥：

# .env DEEPSEEK_API_KEY=你的_DeepSeek_API_Key_在这里 DEEPSEEK_BASE_URL=https://api.deepseek.com DEEPSEEK_MODEL=deepseek-chat

接下来，我们创建core/config.py来读取这些配置：

# core/config.py import os from dotenv import load_dotenv # 加载 .env 文件中的环境变量 load_dotenv() class Config: """配置管理类""" DEEPSEEK_API_KEY = os.getenv("DEEPSEEK_API_KEY") DEEPSEEK_BASE_URL = os.getenv("DEEPSEEK_BASE_URL", "https://api.deepseek.com") DEEPSEEK_MODEL = os.getenv("DEEPSEEK_MODEL", "deepseek-chat") @classmethod def validate(cls): """验证必要配置是否存在""" if not cls.DEEPSEEK_API_KEY: raise ValueError("错误：未找到 DEEPSEEK_API_KEY。请检查 .env 文件。") print("配置加载成功。")

4.3 构建毒舌投资人核心（Agent逻辑）

这是最核心的部分。我们在core/investor_agent.py中定义SarcasticInvestor类。

# core/investor_agent.py import openai from rich.console import Console from rich.panel import Panel from rich.markdown import Markdown from typing import Optional from .config import Config console = Console() class SarcasticInvestor: """AI毒舌投资人核心类""" def __init__(self): # 初始化OpenAI客户端，指向DeepSeek self.client = openai.OpenAI( api_key=Config.DEEPSEEK_API_KEY, base_url=Config.DEEPSEEK_BASE_URL ) self.model = Config.DEEPSEEK_MODEL # 定义“毒舌”系统提示词 self.system_prompt = """你是一个拥有20年风险投资经验、以毒舌和挑剔著称的资深投资人（人称“Tony”）。你擅长在30秒内撕掉任何创业项目的华丽外衣，直击本质问题。 你的性格和说话方式： 1. **极度直接犀利**：不说客套话，第一句往往是挑刺。 2. **用数据和逻辑碾压**：指出问题时要附带简单的估算或类比。 3. **略带讽刺和幽默**：可以用一些夸张的比喻或自黑的调侃，但目的是为了让人记住教训。 4. **结构清晰**：虽然毒舌，但分析必须有条理。 你的任务：评估用户提出的副业或创业想法。 你必须按照以下固定格式输出评估报告，不要有任何额外的开场白和结束语： ## 🎯 项目概要 （用一句话复述用户的想法） ## 👍 潜在优势（勉强夸两句） - 点1 - 点2 ## 😈 致命缺陷（这才是我关心的） - **缺陷1（最严重的）**：[详细说明，并估算可能带来的额外成本或失败概率] - **缺陷2**：[详细说明] - **缺陷3（你肯定没想过的）**：[从一个老油条的角度指出一个隐藏陷阱] ## 📊 可行性暴击评分（10分制） - **市场可行性**：X/3分 [理由] - **执行难度**：Y/3分 [理由] - **变现潜力**：Z/3分 [理由] - **综合抗风险能力**：W/1分 [理由] - **总分**：(X+Y+Z+W)/10分 ## 💊 我的“毒”舌忠告 （给出一句最扎心、但可能最有用的话，不要超过140字。） **记住：你的价值在于说真话，而不是给鼓励。如果这个想法烂透了，就直接说“别浪费生命”。** """ def analyze(self, idea: str) -> Optional[str]: """分析一个副业想法""" if not idea.strip(): console.print("[red]错误：想法不能为空。[/red]") return None console.print(f"[cyan]Tony老师正在审视你的想法：[/cyan] [yellow]'{idea}'[/yellow]") console.print("[italic]（他点了一支雪茄，眉头紧锁...）[/italic]\n") try: response = self.client.chat.completions.create( model=self.model, messages=[ {"role": "system", "content": self.system_prompt}, {"role": "user", "content": f"请评估这个副业想法：{idea}"} ], temperature=0.8, # 稍高的温度让回答更有“个性” max_tokens=1500 ) analysis = response.choices[0].message.content return analysis except openai.APIError as e: console.print(f"[red]API调用出错：{e}[/red]") return None except Exception as e: console.print(f"[red]发生未知错误：{e}[/red]") return None

4.4 创建美观的终端显示工具

为了提升体验，我们用rich库美化输出。编辑utils/display.py。

# utils/display.py from rich.console import Console from rich.panel import Panel from rich.markdown import Markdown from rich.syntax import Syntax console = Console() def print_header(): """打印项目标题""" header_text = """ 🤖 AI 毒舌投资人 - Tony 专治各种副业幻想，帮你省下冤枉钱和时间。 """ console.print(Panel.fit(header_text, style="bold cyan")) def print_analysis(result: str): """格式化打印AI的分析结果""" if not result: console.print("[red]未获取到分析结果。[/red]") return # 使用Markdown渲染，使##标题等格式生效 md = Markdown(result) console.print(Panel(md, title="📊 Tony的投资评估报告", border_style="yellow")) def print_error(message: str): """打印错误信息""" console.print(Panel.fit(f"[red]⚠️ {message}[/red]", title="错误")) def print_idea_examples(): """打印一些想法示例""" examples = """ [bold]你可以让我评估这些想法：[/bold] • “我想做一个人工智能写作助手的小程序，收费9.9元包月。” • “我打算在抖音教中年人玩转智能手机，靠直播打赏和卖课赚钱。” • “和朋友开一家主打‘自习+轻食’的复合型书店。” • “利用下班时间接一些Python爬虫的外包项目。” """ console.print(Panel(examples, title="💡 灵感加油站", border_style="green"))

4.5 组装主程序入口

最后，我们创建main.py，使用typer构建命令行界面。

# main.py #!/usr/bin/env python3 import typer from rich.prompt import Prompt from core.config import Config from core.investor_agent import SarcasticInvestor from utils.display import print_header, print_analysis, print_idea_examples app = typer.Typer(help="AI毒舌投资人 - 用最犀利的眼光审视你的副业想法。") @app.command() def analyze( idea: str = typer.Option(None, "--idea", "-i", help="直接输入要评估的副业想法"), interactive: bool = typer.Option(False, "--interactive", "-t", help="进入交互模式") ): """ 启动AI毒舌投资人进行分析。 使用 --idea “你的想法” 直接分析，或使用 --interactive 进入交互模式。 """ print_header() # 验证配置 try: Config.validate() except ValueError as e: typer.echo(f"配置错误：{e}") raise typer.Exit(code=1) investor = SarcasticInvestor() if idea: # 直接分析命令行传入的想法 result = investor.analyze(idea) if result: print_analysis(result) elif interactive: # 交互模式 console = typer.echo console("\n[交互模式] 输入你的副业想法（输入 'quit' 或 'q' 退出，'examples' 看例子）") while True: user_idea = Prompt.ask("\n[bold]你的想法[/bold]") if user_idea.lower() in ['quit', 'q', 'exit']: console("[yellow]Tony掐灭了雪茄：'年轻人，想好了再来找我。'[/yellow]") break elif user_idea.lower() in ['examples', 'eg']: print_idea_examples() continue elif not user_idea.strip(): continue else: result = investor.analyze(user_idea) if result: print_analysis(result) else: # 既没有--idea也没有--interactive，显示帮助并进入一次性的交互 typer.echo("未提供想法。进入单次分析模式。") user_idea = Prompt.ask("[bold]请描述你的副业想法[/bold]") if user_idea.strip(): result = investor.analyze(user_idea) if result: print_analysis(result) else: typer.echo("想法为空，分析取消。") if __name__ == "__main__": app()

4.6 运行与验证

现在，让我们来运行这个AI毒舌投资人！

方式一：直接分析一个想法

python main.py --idea “我想在小区里开一个无人智能快递柜，除了放快递，还能租充电宝和卖饮料。”

方式二：启动交互模式

python main.py --interactive

在交互模式中，你可以连续输入多个想法进行评估。

方式三：无参数启动（单次分析）

python main.py

预期输出示例：程序运行后，你会看到类似以下格式的输出（内容由AI生成）：

🤖 AI 毒舌投资人 - Tony 专治各种副业幻想，帮你省下冤枉钱和时间。 Tony老师正在审视你的想法：'我想在小区里开一个无人智能快递柜，除了放快递，还能租充电宝和卖饮料。' （他点了一支雪茄，眉头紧锁...） ───────────────────────────────────── 📊 Tony的投资评估报告 ───────────────────────────────────── ## 🎯 项目概要 在小区内铺设多功能智能柜，整合快递暂存、充电宝租赁和饮料零售。 ## 👍 潜在优势（勉强夸两句） - 解决了快递“最后100米”的痛点，有基础需求。 - 多功能叠加可能提升单个柜体的利用率和收入上限。 ## 😈 致命缺陷（这才是我关心的） - **缺陷1（最严重的）**：**点位成本与物业关系**。小区公共区域不是你想放就能放。进场费、租金分成、电费、网络费、物业打点费...这些固定成本会轻易吃掉你微薄的利润。估算：一个点位前期投入（设备+进场）可能超过2万，回本周期远超你的想象。 - **缺陷2**：**激烈的存量竞争**。菜鸟驿站、丰巢、美团充电宝、友宝自动售货机...每个巨头都在这个场景里血拼。你凭什么认为你能从他们嘴里抢到肉？你的技术更牛？成本更低？还是你和物业经理是铁哥们？ - **缺陷3（你肯定没想过的）**：**运维地狱**。设备故障、饮料过期、充电宝被偷、快递被拿错、用户投诉...你需要一个7x24小时的运维团队，或者你自己就是那个随时待命的“救火队员”。这真的是你想要的“副业”吗？这分明是给自己找了个“主业爹”。 ## 📊 可行性暴击评分（10分制） - **市场可行性**：2/3分 [需求真实，但市场已红海，格局固化] - **执行难度**：1/3分 [涉及硬件、供应链、地推、物业谈判、运维，难度极高] - **变现潜力**：2/3分 [单点收入天花板低，规模化才能盈利] - **综合抗风险能力**：0/1分 [对物业依赖极强，政策风险、竞争风险巨大] - **总分**：5/10分 ## 💊 我的“毒”舌忠告 如果你不是手握几十个小区物业资源的地头蛇，或者有硬件供应链的干爹，我劝你别用自己辛苦攒的钱，去给已经卷成麻花的行业巨头们当“小区绿化带装饰品供应商”。 ─────────────────────────────────────

5. 常见问题与排查思路

在开发和运行过程中，你可能会遇到以下问题：

6. 最佳实践与工程建议

将这个玩具项目提升为一个更健壮、可维护的工具，你可以遵循以下实践：

1. 配置管理进阶：

• 多环境配置：创建.env.example文件（不含真实密钥）并提交到Git，方便他人克隆。真实.env永远留在本地。
• 配置验证：像我们做的这样，在程序启动时验证关键配置是否存在且有效。
• 使用Pydantic：对于更复杂的配置，可以使用pydantic库进行类型验证和设置默认值。

2. Prompt工程优化：

• 版本化Prompt：将系统提示词 (system_prompt) 存储在单独的.txt或.yaml文件中，而不是硬编码在Python里。这样方便迭代和A/B测试。
• 使用Few-Shot示例：在Prompt中提供1-2个你期望的输入输出示例，能更精准地引导AI生成符合格式和风格的内容。
• 温度（Temperature）与最大令牌数（Max Tokens）调优：temperature控制创造性（越高越随机），max_tokens控制回复长度。根据任务调整，分析类任务通常不需要过高的temperature(0.7-0.9) 和过长的回复。

3. 代码结构与扩展性：

• 抽象Agent基类：如果你计划开发多个不同风格的AI助手（如“鼓励型导师”、“数据分析师”），可以定义一个BaseAgent类，包含通用的API调用、错误处理逻辑，让SarcasticInvestor继承它，只关注特定的Prompt和结果处理。
• 引入日志：使用Python内置的logging模块记录程序运行信息、API调用状态和错误，便于调试和监控。
• 添加缓存：对于相同的副业想法，可以将其和AI回复缓存到本地文件或数据库（如sqlite3），避免重复调用API，节省成本和时间。

4. 错误处理与用户体验：

• 更优雅的降级：当API调用失败时，可以提供本地缓存的通用建议，或者切换到备用模型/服务，而不是直接崩溃。
• 输入清洗与验证：在analyze方法中，对用户输入的idea进行更严格的检查，比如过滤过短、无意义的输入，或包含敏感词汇的输入。
• 进度指示：在等待AI生成回复时，可以使用rich的Status组件显示一个加载动画，提升用户体验。

5. 安全与合规：

• 密钥安全：重申：永远不要在代码、版本控制系统或公开场合暴露你的API Key。.env必须列入.gitignore。
• 内容审核：虽然本项目是自用工具，但如果考虑开放给他人，需要在输出AI结果前或后，加入基本的内容安全过滤，防止生成不当内容。
• 成本监控：DeepSeek API有免费额度，但如果你大规模使用，需要关注Token消耗和费用，可以在代码中估算每次请求的Token数。

7. 总结与下一步

至此，你已经成功构建了一个功能完整、个性鲜明的“AI毒舌投资人”。我们回顾一下核心步骤：

1. 环境搭建：建立了Python虚拟环境，安装了必要的依赖。
2. 安全配置：使用.env文件安全地管理了DeepSeek API密钥。
3. 核心Agent开发：利用openai库调用大模型，并通过精心设计的Prompt工程塑造了“毒舌Tony”这个角色。
4. 用户体验优化：使用rich库美化了终端输出，并使用typer创建了友好的命令行界面。
5. 项目结构化：采用了模块化的代码组织，使项目清晰、易于维护。

这个项目的价值远不止一个脚本，它是一个AI Agent开发的微型样板。你可以基于此框架，轻松改造出其他领域的专家助手，例如：

• AI代码评审员：用毒舌风格点评你的代码。
• AI健身教练：严厉督促你的训练和饮食。
• AI学习伙伴：用苏格拉底式提问帮你深入理解知识。

下一步学习路线建议：

1. 深入Prompt工程：研究更高级的技巧，如思维链（Chain-of-Thought）、ReAct框架等，让AI的分析更有深度和逻辑。
2. 探索多轮对话：改造你的Agent，使其能记住对话历史，与你进行多轮问答，深入探讨一个想法的细节。
3. 集成工具调用（Function Calling）：让Agent不仅能说，还能“做”。例如，在评估市场时，可以调用搜索工具获取实时数据；在评估成本时，可以调用计算器。
4. 构建Web界面：使用FastAPI或Streamlit为你的Agent创建一个简单的网页界面，分享给朋友使用。
5. 部署上线：学习使用 Docker 容器化你的应用，并部署到云服务器（如阿里云、腾讯云）或Serverless平台（如Vercel），让它真正成为一个可随时访问的服务。

动手尝试修改Prompt，创造出属于你自己的独特AI角色吧。记住，在AI应用开发中，想象力是你的唯一限制。

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Qwen 随心用，限时 5 折。 👉 点击领海量免费额度