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最近在探索副业变现时我发现很多朋友包括我自己都面临一个困境手头有不错的点子但要么缺乏启动资金要么对商业逻辑一知半解要么就是被“投资人”的温和反馈给“捧杀”了。一个想法如果没人能一针见血地指出它的致命缺陷那它大概率会倒在从想法到产品的半路上。于是我萌生了一个想法能不能用 AI 做一个“毒舌投资人”它不跟你谈情怀只跟你聊数据、聊模式、聊风险用最犀利的提问和逻辑帮你把副业想法“逼”成一个真正能赚钱的方案。经过一番折腾我基于 DeepSeek 的 API 和 Agent 框架真的把这个“AI 毒舌投资人”给做出来了。它不仅会无情地拷问你的商业计划还能调用联网搜索、分析市场数据甚至帮你生成初步的代码框架。本文将手把手带你从零开始搭建一个属于你自己的“AI 毒舌投资人”Agent。无论你是想验证自己的副业点子还是学习如何构建一个实用的 AI Agent这篇文章都能给你一套完整的、可运行的代码和清晰的实现思路。我们将使用 Python、FastAPI并深度集成 DeepSeek 的强大推理能力。1. 项目核心概念与价值为什么需要“毒舌投资人”在深入代码之前我们首先要理解这个项目的核心价值。它不仅仅是一个聊天机器人更是一个结构化的商业分析工具。1.1 传统副业验证的痛点很多开发者或创业者验证想法的方式很原始找朋友聊聊、发个帖子问问、或者自己埋头就干。这通常会导致几个问题信息茧房朋友往往出于情面给予鼓励缺乏客观批判。认知局限个人对市场、竞品、商业模式的理解可能不全面。效率低下手动搜集资料、分析数据耗时耗力容易半途而废。缺乏系统性思考是发散的很难形成一个逻辑严密、可执行的商业计划。1.2 “AI 毒舌投资人”的解决方案我们的 AI Agent 旨在模拟一个经验丰富、言辞犀利、只关注投资回报率的真实投资人。它的核心工作模式是结构化提问按照标准的商业计划书框架如市场分析、用户画像、盈利模式、成本结构、风险控制进行系统性提问。批判性思维不满足于表面答案会持续追问“为什么”、“数据支撑是什么”、“你的壁垒在哪里”。实时数据支持通过联网搜索工具获取最新的市场趋势、竞品信息、用户反馈让分析基于事实而非空想。可行性推演帮助估算启动成本、预测现金流、分析关键成功因素和失败风险。行动建议生成在“拷问”结束后能生成一份包含后续步骤、资源清单和风险提示的行动备忘录。1.3 技术核心DeepSeek Agent 工具调用本项目不是简单的 Prompt 工程而是构建一个真正的AI Agent。Agent 的核心能力是“思考-行动-观察”的循环。我们将利用 DeepSeek-V4 模型强大的深度思考和推理能力并结合Tool Calls工具调用功能让 AI 能够主动使用联网搜索等工具来获取信息从而做出更精准的判断。DeepSeek 官方提供了完善的 Agent 接入指南和像 Deep Code 这样的优秀示例为我们构建复杂 Agent 提供了坚实基础。2. 环境准备与核心技术栈在开始编码前请确保你的开发环境已就绪。本项目对新手友好主要依赖 Python 生态。2.1 基础环境要求操作系统Windows 10/11, macOS, 或 Linux (如 Ubuntu 20.04)。本文示例在 macOS/Linux 环境下编写Windows 用户请注意命令的微小差异如使用dir而非ls。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(Python 自带)。代码编辑器VS Code (推荐配合 Python 插件)、PyCharm 或任何你熟悉的编辑器。DeepSeek API Key这是项目的核心。你需要前往 DeepSeek 开放平台 注册账号并获取 API Key。请妥善保管不要泄露。2.2 核心依赖库我们将使用以下 Python 库openai用于调用 DeepSeek API因为 DeepSeek API 与 OpenAI API 格式兼容。fastapiuvicorn用于构建一个简单的 Web 服务接口方便我们通过浏览器或脚本与 Agent 交互。pydantic用于数据验证和设置管理。python-dotenv用于管理环境变量安全地存储 API Key。requests用于实现简单的联网搜索工具示例。你可以通过以下命令一次性安装所有依赖# 创建并进入项目目录 mkdir ai-tough-investor cd ai-tough-investor # 创建虚拟环境推荐避免包冲突 python -m venv venv # 激活虚拟环境 # macOS/Linux: source venv/bin/activate # Windows: # venv\Scripts\activate # 安装依赖 pip install openai fastapi uvicorn pydantic python-dotenv requests2.3 项目结构预览我们先规划好项目目录这有助于保持代码清晰ai-tough-investor/ ├── .env # 存储环境变量API Key等 ├── .gitignore # Git忽略文件 ├── app/ │ ├── __init__.py │ ├── main.py # FastAPI 应用主入口 │ ├── agents/ │ │ ├── __init__.py │ │ └── tough_investor.py # “毒舌投资人”Agent核心逻辑 │ ├── tools/ │ │ ├── __init__.py │ │ └── web_search.py # 联网搜索工具实现 │ ├── config.py # 配置管理 │ └── schemas.py # 数据模型定义 ├── skills/ # 存放Agent Skills高级功能可选 │ └── business_analysis.md └── requirements.txt # 项目依赖列表接下来我们一步步填充这些文件。3. 核心配置与 DeepSeek API 接入首先我们需要安全地配置 DeepSeek API 的访问凭证。3.1 创建配置文件与环境变量在项目根目录创建.env文件并填入你的 DeepSeek API Key# .env DEEPSEEK_API_KEYsk-your-actual-api-key-here DEEPSEEK_BASE_URLhttps://api.deepseek.com DEEPSEEK_MODELdeepseek-chat # 或 deepseek-v4-pro 等根据你的权限选择重要务必把.env添加到.gitignore文件中避免将密钥提交到代码仓库。# .gitignore venv/ __pycache__/ *.pyc .env .DS_Store3.2 实现配置管理模块创建app/config.py文件使用pydantic来优雅地加载和管理配置# app/config.py from pydantic_settings import BaseSettings from typing import Optional class Settings(BaseSettings): 应用配置类从环境变量加载配置 deepseek_api_key: str deepseek_base_url: str https://api.deepseek.com deepseek_model: str deepseek-chat # 你可以在这里添加其他配置比如服务器端口、日志级别等 app_port: int 8000 app_host: str 0.0.0.0 class Config: env_file .env # 指定从 .env 文件加载 env_file_encoding utf-8 # 创建全局配置实例 settings Settings()注意这里我们使用了pydantic-settings如果你安装的是pydantic最新版V2它通常已包含。如果报错可以运行pip install pydantic-settings单独安装。3.3 初始化 DeepSeek 客户端在app/main.py中我们初始化 FastAPI 应用和 DeepSeek 客户端# app/main.py from fastapi import FastAPI, HTTPException from openai import OpenAI from app.config import settings import logging # 配置日志 logging.basicConfig(levellogging.INFO) logger logging.getLogger(__name__) # 初始化 FastAPI 应用 app FastAPI(titleAI Tough Investor API, description一个毒舌的AI投资人助手) # 初始化 OpenAI 客户端兼容DeepSeek API # 注意DeepSeek API 兼容 OpenAI SDK 的调用方式 client OpenAI( api_keysettings.deepseek_api_key, base_urlsettings.deepseek_base_url, ) app.get(/) async def root(): return {message: AI Tough Investor 服务已启动, status: healthy} app.get(/health) async def health_check(): 健康检查端点 return {status: up}至此基础的服务框架和 API 配置就完成了。你可以运行uvicorn app.main:app --reload --host 0.0.0.0 --port 8000来启动服务访问http://localhost:8000/docs可以看到自动生成的 API 文档。4. 构建“毒舌投资人”Agent 核心逻辑这是本项目最核心的部分。我们将创建一个具有“人格”和“专业能力”的 Agent。4.1 定义 Agent 的系统指令System Prompt系统指令决定了 AI 的行为模式。我们的“毒舌投资人”需要具备批判性、结构化思维和商业知识。在app/agents/tough_investor.py中我们首先定义这个核心指令# app/agents/tough_investor.py import logging from typing import List, Dict, Any, Optional from openai import OpenAI from app.config import settings logger logging.getLogger(__name__) # “毒舌投资人”的系统指令 TOUGH_INVESTOR_SYSTEM_PROMPT 你是一个经验丰富、言辞犀利、以结果为导向的风险投资人。你的名字是“犀牛资本”的合伙人。 你的核心任务是帮助创业者用户打磨他们的副业或创业想法但你不会说任何客套话。 你的风格是直接、尖锐、注重数据和逻辑目标是找出想法的所有潜在漏洞和风险。 请遵循以下原则进行对话 1. **结构化分析**每次评估一个想法请按照以下框架逐步深入 a. **价值主张**一句话说清楚解决什么痛点为谁解决。 b. **市场规模**要求提供或估算目标市场的规模、增长趋势。质疑数据的来源。 c. **用户获取**追问具体的获客渠道、成本和转化率预测。 d. **盈利模式**收入从哪里来定价策略客户生命周期价值LTV是多少 e. **成本结构**启动和运营的主要成本是什么边际成本如何 f. **竞争壁垒**你的护城河是什么技术网络效应还是先发优势 g. **关键风险**列出最可能导致项目失败的3-5个风险。 2. **毒舌提问**使用诸如“这想法烂大街了”、“你的数据是拍脑袋想的吗”、“你凭什么觉得你能做成”等尖锐但旨在激发深度思考的提问。避免温和的鼓励。 3. **要求证据**对于任何主张如“市场很大”、“用户喜欢”要求提供数据、案例或逻辑推导证据。 4. **工具使用**当你需要了解最新的市场信息、竞品动态或行业数据时主动使用我提供的“联网搜索”工具。不要凭空臆测。 5. **输出结论**在充分“拷问”后给出一份简明的评估摘要包括可行性评分1-10分、最致命的短板、最优先要验证的假设、以及下一步行动建议。 现在开始你的第一个项目评估。直接向用户提问“说吧你那个想赚钱的点子是什么别啰嗦直接说核心。” 这个 Prompt 设定了 Agent 的角色、行为规范和交互框架是“毒舌”灵魂所在。4.2 实现基础的对话函数接下来我们实现一个函数用于与 DeepSeek 模型进行对话并支持简单的对话历史管理# app/agents/tough_investor.py (续) class ToughInvestorAgent: def __init__(self, client: OpenAI): self.client client self.model settings.deepseek_model # 初始化对话历史包含系统指令 self.conversation_history: List[Dict[str, str]] [ {role: system, content: TOUGH_INVESTOR_SYSTEM_PROMPT} ] def _add_message(self, role: str, content: str): 向对话历史中添加消息 self.conversation_history.append({role: role, content: content}) def get_response(self, user_input: str) - str: 处理用户输入获取AI回复。 这是基础版本尚未集成工具调用。 # 1. 将用户输入加入历史 self._add_message(user, user_input) try: # 2. 调用DeepSeek API response self.client.chat.completions.create( modelself.model, messagesself.conversation_history, temperature0.7, # 适当温度保持一定创造性 max_tokens2000, streamFalse, # 非流式先简单实现 ) # 3. 提取AI回复 ai_response response.choices[0].message.content # 4. 将AI回复加入历史 self._add_message(assistant, ai_response) logger.info(fAI Response generated. Token usage: {response.usage}) return ai_response except Exception as e: logger.error(f调用DeepSeek API失败: {e}) return f抱歉犀牛资本的分析系统暂时宕机了。错误信息{str(e)}。请检查你的网络和API配置。 def start_new_conversation(self): 开始一轮新的对话清空历史除系统指令 self.conversation_history [ {role: system, content: TOUGH_INVESTOR_SYSTEM_PROMPT} ] return 已开启新一轮拷问。说吧你那个想赚钱的点子是什么别啰嗦直接说核心。这个类封装了与 AI 对话的基本逻辑并维护了对话上下文使得 AI 能记住之前的讨论内容。4.3 集成工具调用能力让 Agent 能“联网搜索”一个只会空谈的投资人是不合格的。我们需要赋予它获取实时信息的能力。我们将实现一个简单的联网搜索工具示例使用 DuckDuckGo 的 HTML 抓取实际生产环境建议使用 Serper、Exa 等付费 API 或官方搜索工具。首先创建一个工具模块app/tools/web_search.py# app/tools/web_search.py import requests from typing import Dict, Any import logging from urllib.parse import quote_plus logger logging.getLogger(__name__) def simple_web_search(query: str, max_results: int 5) - Dict[str, Any]: 一个简单的联网搜索工具示例。 注意此示例使用 DuckDuckGo 的 HTML 响应仅用于演示工具调用流程。 在实际项目中你应该使用可靠的搜索 API如 Serper、Exa、Google Custom Search。 try: # 这是一个非常基础且可能不稳定的示例。实际请替换为可靠的搜索API。 url fhttps://html.duckduckgo.com/html/?q{quote_plus(query)} headers { User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 } response requests.get(url, headersheaders, timeout10) response.raise_for_status() # 简单提取文本实际应用需要更复杂的HTML解析如用BeautifulSoup from html import unescape import re # 这是一个极其简化的文本提取仅用于演示 text_content re.sub([^]?, , response.text) text_content unescape(text_content) text_content .join(text_content.split()[:500]) # 限制长度 result { query: query, status: success, summary: f关于 {query} 的搜索结果摘要示例: {text_content[:300]}..., note: 此为演示工具。真实项目请接入Serper/Exa等API获取结构化数据。 } logger.info(f执行搜索: {query}) return result except Exception as e: logger.error(f搜索工具执行失败: {e}) return { query: query, status: error, summary: f搜索失败: {str(e)}, note: 请检查网络或搜索服务配置。 } # 定义工具的描述用于告诉AI这个工具能干什么 WEB_SEARCH_TOOL_DESCRIPTION { type: function, function: { name: simple_web_search, description: 执行一次联网搜索获取关于某个话题、公司、产品或市场的最新公开信息。当用户提到你不确定的事实、最新数据、竞品信息或市场趋势时使用此工具。, parameters: { type: object, properties: { query: { type: string, description: 要搜索的关键词或问题例如2024年中国咖啡市场规模、Notion AI 竞品分析、独立开发者变现模式 } }, required: [query] } } }然后我们需要升级ToughInvestorAgent使其支持在对话中调用工具。这涉及到处理 AI 返回的tool_calls信息。# app/agents/tough_investor.py (升级版) import json # ... 保留之前的导入和 SYSTEM_PROMPT ... from app.tools.web_search import simple_web_search, WEB_SEARCH_TOOL_DESCRIPTION class ToughInvestorAgent: def __init__(self, client: OpenAI): self.client client self.model settings.deepseek_model self.conversation_history: List[Dict[str, Any]] [ # 类型更宽泛 {role: system, content: TOUGH_INVESTOR_SYSTEM_PROMPT} ] # 可用工具列表 self.available_tools [WEB_SEARCH_TOOL_DESCRIPTION] # 工具名到实际函数的映射 self.tool_functions { simple_web_search: simple_web_search, } def _add_message(self, role: str, content: Any, **kwargs): 添加消息支持 tool_calls 和 tool_call_id message {role: role, content: content} if kwargs.get(tool_call_id): message[tool_call_id] kwargs[tool_call_id] if kwargs.get(name): message[name] kwargs[name] self.conversation_history.append(message) def _handle_tool_calls(self, tool_calls): 处理AI请求的工具调用 tool_responses [] for tool_call in tool_calls: func_name tool_call.function.name func_to_call self.tool_functions.get(func_name) if not func_to_call: response_content f错误未知工具 {func_name} else: try: # 解析AI传来的参数 arguments json.loads(tool_call.function.arguments) logger.info(f执行工具调用: {func_name}参数: {arguments}) # 调用工具函数 tool_result func_to_call(**arguments) response_content json.dumps(tool_result, ensure_asciiFalse) except Exception as e: response_content json.dumps({error: str(e)}, ensure_asciiFalse) logger.error(f工具 {func_name} 执行异常: {e}) # 将工具执行结果作为一条消息加入历史 tool_responses.append({ tool_call_id: tool_call.id, role: tool, name: func_name, content: response_content, }) return tool_responses def get_response(self, user_input: str) - str: 处理用户输入支持工具调用的完整流程 self._add_message(user, user_input) final_response max_iterations 5 # 防止无限循环 current_iteration 0 while current_iteration max_iterations: current_iteration 1 try: # 调用API传入工具定义 response self.client.chat.completions.create( modelself.model, messagesself.conversation_history, toolsself.available_tools, tool_choiceauto, # 让模型决定是否调用工具 temperature0.7, max_tokens2000, streamFalse, ) message response.choices[0].message # 检查AI是否想调用工具 if message.tool_calls: # 1. 将AI的“工具调用请求”加入历史 self.conversation_history.append({ role: assistant, content: , # 内容可能为空 tool_calls: message.tool_calls }) # 2. 处理工具调用获取结果 tool_responses self._handle_tool_calls(message.tool_calls) # 3. 将所有工具执行结果加入历史 for resp in tool_responses: self._add_message(roleresp[role], contentresp[content], tool_call_idresp[tool_call_id], nameresp[name]) # 继续循环让AI基于工具结果生成最终回复 continue else: # AI 直接生成了最终文本回复 final_response message.content self._add_message(assistant, final_response) break except Exception as e: logger.error(f对话流程出错: {e}) final_response f系统处理对话时出错: {str(e)} break if not final_response and current_iteration max_iterations: final_response 分析过程过于复杂已达到迭代上限。请简化你的问题或重新开始。 return final_response # start_new_conversation 方法保持不变 def start_new_conversation(self): self.conversation_history [ {role: system, content: TOUGH_INVESTOR_SYSTEM_PROMPT} ] return 已开启新一轮拷问。说吧你那个想赚钱的点子是什么别啰嗦直接说核心。现在你的“毒舌投资人”已经具备了思考并主动使用联网搜索工具的能力当它觉得需要查证市场数据或竞品信息时会自动调用搜索工具。5. 创建 Web API 与前端交互界面为了让这个 Agent 更容易使用我们通过 FastAPI 暴露几个简单的 HTTP 端点并创建一个极简的前端页面。5.1 完善 FastAPI 路由更新app/main.py集成我们的 Agent# app/main.py (更新版) from fastapi import FastAPI, HTTPException, Request from fastapi.responses import HTMLResponse from fastapi.staticfiles import StaticFiles from openai import OpenAI from app.config import settings from app.agents.tough_investor import ToughInvestorAgent import logging import uuid from typing import Dict logger logging.getLogger(__name__) app FastAPI(titleAI Tough Investor API, description一个毒舌的AI投资人助手) client OpenAI( api_keysettings.deepseek_api_key, base_urlsettings.deepseek_base_url, ) # 内存中存储对话会话生产环境应使用数据库 sessions: Dict[str, ToughInvestorAgent] {} def get_or_create_agent(session_id: str) - ToughInvestorAgent: 获取或创建一个Agent会话 if session_id not in sessions: sessions[session_id] ToughInvestorAgent(client) logger.info(f创建新会话: {session_id}) return sessions[session_id] app.get(/, response_classHTMLResponse) async def read_root(): 返回一个简单的前端页面 html_content !DOCTYPE html html head titleAI毒舌投资人/title meta charsetutf-8 meta nameviewport contentwidthdevice-width, initial-scale1 style body { font-family: Arial, sans-serif; max-width: 800px; margin: 40px auto; padding: 20px; } #chatbox { border: 2px solid #333; border-radius: 10px; padding: 20px; height: 500px; overflow-y: auto; margin-bottom: 20px; background: #f9f9f9; } .message { margin: 10px 0; padding: 12px; border-radius: 8px; max-width: 80%%; } .user { background-color: #d1ecf1; align-self: flex-end; margin-left: auto; } .assistant { background-color: #f8d7da; align-self: flex-start; } .system { background-color: #fff3cd; font-style: italic; font-size: 0.9em; } #inputArea { display: flex; gap: 10px; } #userInput { flex-grow: 1; padding: 12px; border: 1px solid #ccc; border-radius: 6px; } button { padding: 12px 24px; background-color: #007bff; color: white; border: none; border-radius: 6px; cursor: pointer; } button:hover { background-color: #0056b3; } #controls { margin-top: 15px; display: flex; gap: 10px; } /style /head body h1 AI毒舌投资人 (犀牛资本)/h1 pem直接说出你的副业/创业点子接受犀利的拷问吧/em/p div idchatbox/div div idinputArea input typetext iduserInput placeholder输入你的商业想法... onkeypressif(event.keyCode13) sendMessage() button onclicksendMessage()发送/button /div div idcontrols button onclicknewSession() stylebackground-color: #6c757d;新对话/button button onclickclearChat() stylebackground-color: #dc3545;清空记录/button /div script let sessionId localStorage.getItem(sessionId) || generateSessionId(); localStorage.setItem(sessionId, sessionId); function generateSessionId() { return session_ Math.random().toString(36).substr(2, 9); } function addMessage(role, content) { const chatbox document.getElementById(chatbox); const msgDiv document.createElement(div); msgDiv.className message role; msgDiv.innerHTML strong${role.toUpperCase()}:/strongbr${content.replace(/\\n/g, br)}; chatbox.appendChild(msgDiv); chatbox.scrollTop chatbox.scrollHeight; } async function sendMessage() { const input document.getElementById(userInput); const message input.value.trim(); if (!message) return; addMessage(user, message); input.value ; try { const response await fetch(/chat, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ session_id: sessionId, message: message }) }); const data await response.json(); addMessage(assistant, data.response); } catch (error) { addMessage(system, 请求失败: error); } } async function newSession() { sessionId generateSessionId(); localStorage.setItem(sessionId, sessionId); const response await fetch(/new_session, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ session_id: sessionId }) }); const data await response.json(); document.getElementById(chatbox).innerHTML ; addMessage(assistant, data.response); } function clearChat() { document.getElementById(chatbox).innerHTML ; } // 页面加载时如果有历史会话可以加载最后一条消息这里简化直接显示欢迎语 window.onload function() { addMessage(assistant, 你好我是犀牛资本的合伙人。说吧你那个想赚钱的点子是什么别啰嗦直接说核心。); } /script /body /html return HTMLResponse(contenthtml_content) app.post(/chat) async def chat(request: Request): 处理用户消息并返回AI回复 data await request.json() session_id data.get(session_id, default) message data.get(message, ) if not message: raise HTTPException(status_code400, detail消息内容不能为空) agent get_or_create_agent(session_id) response agent.get_response(message) return {session_id: session_id, response: response} app.post(/new_session) async def new_session(request: Request): 开始一轮新的对话 data await request.json() session_id data.get(session_id, default) agent ToughInvestorAgent(client) # 创建新的Agent实例 sessions[session_id] agent welcome_msg agent.start_new_conversation() return {session_id: session_id, response: welcome_msg} app.get(/health) async def health_check(): return {status: up, model: settings.deepseek_model}5.2 运行与测试启动服务在项目根目录运行uvicorn app.main:app --reload --host 0.0.0.0 --port 8000打开浏览器访问http://localhost:8000。开始对话在输入框中描述你的副业想法例如“我想做一个帮程序员接私活的平台”。观察 Agent你会收到一连串尖锐的提问例如“市面上已经有程序员客栈、码市、开源众包了你的平台凭什么能吸引程序员和雇主你的佣金模式是什么预计第一年能撮合多少交易” 如果它需要数据可能会自动调用搜索工具注意示例的搜索工具功能有限可能需要你替换为真正的搜索 API。6. 进阶功能与工程化建议基础版本已经可以运行。要让这个“毒舌投资人”更强大、更实用可以考虑以下进阶方向6.1 集成更强大的工具专业搜索 API将simple_web_search替换为 Serper 、 Exa 或 Google Programmable Search 等服务的 API获取结构化、高质量的搜索结果。财务计算工具实现一个工具让 AI 可以调用它进行简单的财务测算如计算毛利率、净现值NPV、投资回报率ROI。竞品数据抓取集成爬虫工具遵守robots.txt获取竞品网站的基本信息、定价等。文档生成工具让 AI 能够将对话总结成一份标准的商业计划书大纲或一页纸项目简介。6.2 实现记忆与知识库当前的对话历史是临时的。可以持久化存储使用 SQLite、PostgreSQL 或矢量数据库如 Chroma, Weaviate存储对话历史和项目分析结论。长期记忆为每个“商业想法”创建一个知识库存储 AI 分析过程中产生的所有假设、数据和结论方便后续回顾和迭代。案例库构建一个成功/失败的创业案例库让 AI 在分析时能进行类比。6.3 优化系统指令与流程分阶段评估将评估流程设计得更像真实的投资尽调分为“初筛”、“深度问答”、“财务模型”、“最终建议”等阶段。个性化“毒舌”程度允许用户选择投资人的风格如“温和导师”、“严厉拷问官”、“数据狂魔”。多轮追问的深度控制防止 AI 陷入无意义的细节纠缠设置合理的追问深度限制。6.4 工程化与部署错误处理与重试为 API 调用和工具调用增加完善的错误处理、重试和降级逻辑。速率限制为 API 接口添加速率限制防止滥用。异步处理对于耗时的工具调用如复杂搜索使用asyncio避免阻塞。Docker 化创建Dockerfile和docker-compose.yml方便在任何环境部署。部署到云服务器使用 Nginx Gunicorn 部署 FastAPI 应用或直接部署到 Vercel、Railway 等 PaaS 平台。7. 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问题现象可能原因解决思路启动服务时报ModuleNotFoundError依赖未安装或虚拟环境未激活1. 确认已激活虚拟环境 (source venv/bin/activate)。2. 运行pip install -r requirements.txt安装所有依赖。访问http://localhost:8000无响应服务未启动或端口被占用1. 检查终端是否成功启动 uvicorn。2. 尝试更换端口--port 8080。3. 检查防火墙设置。AI 回复内容空洞或不符合“毒舌”人设系统指令 (Prompt) 不够强或模型温度设置不当1. 仔细打磨TOUGH_INVESTOR_SYSTEM_PROMPT指令要更具体、更强势。2. 调整temperature参数降低会更稳定提高更有创造性。3. 尝试更换更强大的模型如deepseek-v4-pro。工具调用不生效AI 从不搜索1. 工具描述不够清晰。2. API 未返回tool_calls。3. 模型不支持工具调用。1. 检查WEB_SEARCH_TOOL_DESCRIPTION中的description确保它能诱使AI调用。2. 在get_response方法中打印message对象查看是否有tool_calls字段。3. 确认你使用的 DeepSeek 模型版本支持工具调用功能。搜索工具返回错误或空结果示例的 DuckDuckGo 抓取不稳定或被屏蔽这是预期之内。请务必替换为可靠的搜索 API。注册 Serper 等服务的免费额度进行测试。对话历史混乱AI 忘记上下文对话历史列表管理出错或 token 超长被截断1. 检查_add_message逻辑是否正确。2. DeepSeek 模型有上下文长度限制。对于长对话需要实现历史摘要或滑动窗口只保留最近 N 轮对话。API 调用返回 401 或 429 错误API Key 错误、过期或超出速率限制1. 检查.env文件中的DEEPSEEK_API_KEY是否正确。2. 前往 DeepSeek 平台查看额度和使用情况。3. 在代码中增加请求间隔避免频繁调用。8. 最佳实践与安全须知在进一步开发和实际使用本项目时请牢记以下要点API 密钥安全第一永远不要将.env文件或硬编码的 API Key 提交到公开的 Git 仓库。使用环境变量或密钥管理服务。成本控制DeepSeek API 调用会产生费用。在代码中加入用量监控和日志避免意外的高额账单。可以为对话设置 token 数量上限。工具调用的可靠性联网搜索等工具可能返回不准确、过时或有偏见的信息。AI 的结论仅供参考绝不能替代专业的商业、法律或财务建议。务必在关键决策点上进行人工核实。内容审核与过滤考虑在 AI 回复输出前加入一层内容过滤防止生成不当或有害内容尤其是在公开部署时。用户体验优化前端页面非常简陋。可以考虑使用更现代的框架如 Vue.js, React重构前端增加消息流式输出Streaming、打字机效果、对话导出等功能。拥抱迭代AI Agent 的效果严重依赖于 Prompt 工程和工具设计。不要指望一次成功要基于与它的实际对话记录不断优化系统指令和工具描述。通过这个项目你不仅得到了一个能犀利拷问商业想法的 AI 伙伴更重要的是你实践了构建一个功能型 AI Agent 的完整流程从设定角色、设计 Prompt、集成工具、到搭建服务。这个模式可以复用到无数场景比如 AI 面试官、AI 产品经理、AI 代码评审员等等。希望这个“毒舌投资人”能成为你副业路上的第一块试金石也祝你基于此框架创造出更多有趣的 AI 应用。 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
基于DeepSeek API构建AI毒舌投资人Agent：从商业点子验证到工程实现
发布时间：2026/7/5 11:04:13
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最近在探索副业变现时我发现很多朋友包括我自己都面临一个困境手头有不错的点子但要么缺乏启动资金要么对商业逻辑一知半解要么就是被“投资人”的温和反馈给“捧杀”了。一个想法如果没人能一针见血地指出它的致命缺陷那它大概率会倒在从想法到产品的半路上。于是我萌生了一个想法能不能用 AI 做一个“毒舌投资人”它不跟你谈情怀只跟你聊数据、聊模式、聊风险用最犀利的提问和逻辑帮你把副业想法“逼”成一个真正能赚钱的方案。经过一番折腾我基于 DeepSeek 的 API 和 Agent 框架真的把这个“AI 毒舌投资人”给做出来了。它不仅会无情地拷问你的商业计划还能调用联网搜索、分析市场数据甚至帮你生成初步的代码框架。本文将手把手带你从零开始搭建一个属于你自己的“AI 毒舌投资人”Agent。无论你是想验证自己的副业点子还是学习如何构建一个实用的 AI Agent这篇文章都能给你一套完整的、可运行的代码和清晰的实现思路。我们将使用 Python、FastAPI并深度集成 DeepSeek 的强大推理能力。1. 项目核心概念与价值为什么需要“毒舌投资人”在深入代码之前我们首先要理解这个项目的核心价值。它不仅仅是一个聊天机器人更是一个结构化的商业分析工具。1.1 传统副业验证的痛点很多开发者或创业者验证想法的方式很原始找朋友聊聊、发个帖子问问、或者自己埋头就干。这通常会导致几个问题信息茧房朋友往往出于情面给予鼓励缺乏客观批判。认知局限个人对市场、竞品、商业模式的理解可能不全面。效率低下手动搜集资料、分析数据耗时耗力容易半途而废。缺乏系统性思考是发散的很难形成一个逻辑严密、可执行的商业计划。1.2 “AI 毒舌投资人”的解决方案我们的 AI Agent 旨在模拟一个经验丰富、言辞犀利、只关注投资回报率的真实投资人。它的核心工作模式是结构化提问按照标准的商业计划书框架如市场分析、用户画像、盈利模式、成本结构、风险控制进行系统性提问。批判性思维不满足于表面答案会持续追问“为什么”、“数据支撑是什么”、“你的壁垒在哪里”。实时数据支持通过联网搜索工具获取最新的市场趋势、竞品信息、用户反馈让分析基于事实而非空想。可行性推演帮助估算启动成本、预测现金流、分析关键成功因素和失败风险。行动建议生成在“拷问”结束后能生成一份包含后续步骤、资源清单和风险提示的行动备忘录。1.3 技术核心DeepSeek Agent 工具调用本项目不是简单的 Prompt 工程而是构建一个真正的AI Agent。Agent 的核心能力是“思考-行动-观察”的循环。我们将利用 DeepSeek-V4 模型强大的深度思考和推理能力并结合Tool Calls工具调用功能让 AI 能够主动使用联网搜索等工具来获取信息从而做出更精准的判断。DeepSeek 官方提供了完善的 Agent 接入指南和像 Deep Code 这样的优秀示例为我们构建复杂 Agent 提供了坚实基础。2. 环境准备与核心技术栈在开始编码前请确保你的开发环境已就绪。本项目对新手友好主要依赖 Python 生态。2.1 基础环境要求操作系统Windows 10/11, macOS, 或 Linux (如 Ubuntu 20.04)。本文示例在 macOS/Linux 环境下编写Windows 用户请注意命令的微小差异如使用dir而非ls。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(Python 自带)。代码编辑器VS Code (推荐配合 Python 插件)、PyCharm 或任何你熟悉的编辑器。DeepSeek API Key这是项目的核心。你需要前往 DeepSeek 开放平台 注册账号并获取 API Key。请妥善保管不要泄露。2.2 核心依赖库我们将使用以下 Python 库openai用于调用 DeepSeek API因为 DeepSeek API 与 OpenAI API 格式兼容。fastapiuvicorn用于构建一个简单的 Web 服务接口方便我们通过浏览器或脚本与 Agent 交互。pydantic用于数据验证和设置管理。python-dotenv用于管理环境变量安全地存储 API Key。requests用于实现简单的联网搜索工具示例。你可以通过以下命令一次性安装所有依赖# 创建并进入项目目录 mkdir ai-tough-investor cd ai-tough-investor # 创建虚拟环境推荐避免包冲突 python -m venv venv # 激活虚拟环境 # macOS/Linux: source venv/bin/activate # Windows: # venv\Scripts\activate # 安装依赖 pip install openai fastapi uvicorn pydantic python-dotenv requests2.3 项目结构预览我们先规划好项目目录这有助于保持代码清晰ai-tough-investor/ ├── .env # 存储环境变量API Key等 ├── .gitignore # Git忽略文件 ├── app/ │ ├── __init__.py │ ├── main.py # FastAPI 应用主入口 │ ├── agents/ │ │ ├── __init__.py │ │ └── tough_investor.py # “毒舌投资人”Agent核心逻辑 │ ├── tools/ │ │ ├── __init__.py │ │ └── web_search.py # 联网搜索工具实现 │ ├── config.py # 配置管理 │ └── schemas.py # 数据模型定义 ├── skills/ # 存放Agent Skills高级功能可选 │ └── business_analysis.md └── requirements.txt # 项目依赖列表接下来我们一步步填充这些文件。3. 核心配置与 DeepSeek API 接入首先我们需要安全地配置 DeepSeek API 的访问凭证。3.1 创建配置文件与环境变量在项目根目录创建.env文件并填入你的 DeepSeek API Key# .env DEEPSEEK_API_KEYsk-your-actual-api-key-here DEEPSEEK_BASE_URLhttps://api.deepseek.com DEEPSEEK_MODELdeepseek-chat # 或 deepseek-v4-pro 等根据你的权限选择重要务必把.env添加到.gitignore文件中避免将密钥提交到代码仓库。# .gitignore venv/ __pycache__/ *.pyc .env .DS_Store3.2 实现配置管理模块创建app/config.py文件使用pydantic来优雅地加载和管理配置# app/config.py from pydantic_settings import BaseSettings from typing import Optional class Settings(BaseSettings): 应用配置类从环境变量加载配置 deepseek_api_key: str deepseek_base_url: str https://api.deepseek.com deepseek_model: str deepseek-chat # 你可以在这里添加其他配置比如服务器端口、日志级别等 app_port: int 8000 app_host: str 0.0.0.0 class Config: env_file .env # 指定从 .env 文件加载 env_file_encoding utf-8 # 创建全局配置实例 settings Settings()注意这里我们使用了pydantic-settings如果你安装的是pydantic最新版V2它通常已包含。如果报错可以运行pip install pydantic-settings单独安装。3.3 初始化 DeepSeek 客户端在app/main.py中我们初始化 FastAPI 应用和 DeepSeek 客户端# app/main.py from fastapi import FastAPI, HTTPException from openai import OpenAI from app.config import settings import logging # 配置日志 logging.basicConfig(levellogging.INFO) logger logging.getLogger(__name__) # 初始化 FastAPI 应用 app FastAPI(titleAI Tough Investor API, description一个毒舌的AI投资人助手) # 初始化 OpenAI 客户端兼容DeepSeek API # 注意DeepSeek API 兼容 OpenAI SDK 的调用方式 client OpenAI( api_keysettings.deepseek_api_key, base_urlsettings.deepseek_base_url, ) app.get(/) async def root(): return {message: AI Tough Investor 服务已启动, status: healthy} app.get(/health) async def health_check(): 健康检查端点 return {status: up}至此基础的服务框架和 API 配置就完成了。你可以运行uvicorn app.main:app --reload --host 0.0.0.0 --port 8000来启动服务访问http://localhost:8000/docs可以看到自动生成的 API 文档。4. 构建“毒舌投资人”Agent 核心逻辑这是本项目最核心的部分。我们将创建一个具有“人格”和“专业能力”的 Agent。4.1 定义 Agent 的系统指令System Prompt系统指令决定了 AI 的行为模式。我们的“毒舌投资人”需要具备批判性、结构化思维和商业知识。在app/agents/tough_investor.py中我们首先定义这个核心指令# app/agents/tough_investor.py import logging from typing import List, Dict, Any, Optional from openai import OpenAI from app.config import settings logger logging.getLogger(__name__) # “毒舌投资人”的系统指令 TOUGH_INVESTOR_SYSTEM_PROMPT 你是一个经验丰富、言辞犀利、以结果为导向的风险投资人。你的名字是“犀牛资本”的合伙人。 你的核心任务是帮助创业者用户打磨他们的副业或创业想法但你不会说任何客套话。 你的风格是直接、尖锐、注重数据和逻辑目标是找出想法的所有潜在漏洞和风险。 请遵循以下原则进行对话 1. **结构化分析**每次评估一个想法请按照以下框架逐步深入 a. **价值主张**一句话说清楚解决什么痛点为谁解决。 b. **市场规模**要求提供或估算目标市场的规模、增长趋势。质疑数据的来源。 c. **用户获取**追问具体的获客渠道、成本和转化率预测。 d. **盈利模式**收入从哪里来定价策略客户生命周期价值LTV是多少 e. **成本结构**启动和运营的主要成本是什么边际成本如何 f. **竞争壁垒**你的护城河是什么技术网络效应还是先发优势 g. **关键风险**列出最可能导致项目失败的3-5个风险。 2. **毒舌提问**使用诸如“这想法烂大街了”、“你的数据是拍脑袋想的吗”、“你凭什么觉得你能做成”等尖锐但旨在激发深度思考的提问。避免温和的鼓励。 3. **要求证据**对于任何主张如“市场很大”、“用户喜欢”要求提供数据、案例或逻辑推导证据。 4. **工具使用**当你需要了解最新的市场信息、竞品动态或行业数据时主动使用我提供的“联网搜索”工具。不要凭空臆测。 5. **输出结论**在充分“拷问”后给出一份简明的评估摘要包括可行性评分1-10分、最致命的短板、最优先要验证的假设、以及下一步行动建议。 现在开始你的第一个项目评估。直接向用户提问“说吧你那个想赚钱的点子是什么别啰嗦直接说核心。” 这个 Prompt 设定了 Agent 的角色、行为规范和交互框架是“毒舌”灵魂所在。4.2 实现基础的对话函数接下来我们实现一个函数用于与 DeepSeek 模型进行对话并支持简单的对话历史管理# app/agents/tough_investor.py (续) class ToughInvestorAgent: def __init__(self, client: OpenAI): self.client client self.model settings.deepseek_model # 初始化对话历史包含系统指令 self.conversation_history: List[Dict[str, str]] [ {role: system, content: TOUGH_INVESTOR_SYSTEM_PROMPT} ] def _add_message(self, role: str, content: str): 向对话历史中添加消息 self.conversation_history.append({role: role, content: content}) def get_response(self, user_input: str) - str: 处理用户输入获取AI回复。 这是基础版本尚未集成工具调用。 # 1. 将用户输入加入历史 self._add_message(user, user_input) try: # 2. 调用DeepSeek API response self.client.chat.completions.create( modelself.model, messagesself.conversation_history, temperature0.7, # 适当温度保持一定创造性 max_tokens2000, streamFalse, # 非流式先简单实现 ) # 3. 提取AI回复 ai_response response.choices[0].message.content # 4. 将AI回复加入历史 self._add_message(assistant, ai_response) logger.info(fAI Response generated. Token usage: {response.usage}) return ai_response except Exception as e: logger.error(f调用DeepSeek API失败: {e}) return f抱歉犀牛资本的分析系统暂时宕机了。错误信息{str(e)}。请检查你的网络和API配置。 def start_new_conversation(self): 开始一轮新的对话清空历史除系统指令 self.conversation_history [ {role: system, content: TOUGH_INVESTOR_SYSTEM_PROMPT} ] return 已开启新一轮拷问。说吧你那个想赚钱的点子是什么别啰嗦直接说核心。这个类封装了与 AI 对话的基本逻辑并维护了对话上下文使得 AI 能记住之前的讨论内容。4.3 集成工具调用能力让 Agent 能“联网搜索”一个只会空谈的投资人是不合格的。我们需要赋予它获取实时信息的能力。我们将实现一个简单的联网搜索工具示例使用 DuckDuckGo 的 HTML 抓取实际生产环境建议使用 Serper、Exa 等付费 API 或官方搜索工具。首先创建一个工具模块app/tools/web_search.py# app/tools/web_search.py import requests from typing import Dict, Any import logging from urllib.parse import quote_plus logger logging.getLogger(__name__) def simple_web_search(query: str, max_results: int 5) - Dict[str, Any]: 一个简单的联网搜索工具示例。 注意此示例使用 DuckDuckGo 的 HTML 响应仅用于演示工具调用流程。 在实际项目中你应该使用可靠的搜索 API如 Serper、Exa、Google Custom Search。 try: # 这是一个非常基础且可能不稳定的示例。实际请替换为可靠的搜索API。 url fhttps://html.duckduckgo.com/html/?q{quote_plus(query)} headers { User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 } response requests.get(url, headersheaders, timeout10) response.raise_for_status() # 简单提取文本实际应用需要更复杂的HTML解析如用BeautifulSoup from html import unescape import re # 这是一个极其简化的文本提取仅用于演示 text_content re.sub([^]?, , response.text) text_content unescape(text_content) text_content .join(text_content.split()[:500]) # 限制长度 result { query: query, status: success, summary: f关于 {query} 的搜索结果摘要示例: {text_content[:300]}..., note: 此为演示工具。真实项目请接入Serper/Exa等API获取结构化数据。 } logger.info(f执行搜索: {query}) return result except Exception as e: logger.error(f搜索工具执行失败: {e}) return { query: query, status: error, summary: f搜索失败: {str(e)}, note: 请检查网络或搜索服务配置。 } # 定义工具的描述用于告诉AI这个工具能干什么 WEB_SEARCH_TOOL_DESCRIPTION { type: function, function: { name: simple_web_search, description: 执行一次联网搜索获取关于某个话题、公司、产品或市场的最新公开信息。当用户提到你不确定的事实、最新数据、竞品信息或市场趋势时使用此工具。, parameters: { type: object, properties: { query: { type: string, description: 要搜索的关键词或问题例如2024年中国咖啡市场规模、Notion AI 竞品分析、独立开发者变现模式 } }, required: [query] } } }然后我们需要升级ToughInvestorAgent使其支持在对话中调用工具。这涉及到处理 AI 返回的tool_calls信息。# app/agents/tough_investor.py (升级版) import json # ... 保留之前的导入和 SYSTEM_PROMPT ... from app.tools.web_search import simple_web_search, WEB_SEARCH_TOOL_DESCRIPTION class ToughInvestorAgent: def __init__(self, client: OpenAI): self.client client self.model settings.deepseek_model self.conversation_history: List[Dict[str, Any]] [ # 类型更宽泛 {role: system, content: TOUGH_INVESTOR_SYSTEM_PROMPT} ] # 可用工具列表 self.available_tools [WEB_SEARCH_TOOL_DESCRIPTION] # 工具名到实际函数的映射 self.tool_functions { simple_web_search: simple_web_search, } def _add_message(self, role: str, content: Any, **kwargs): 添加消息支持 tool_calls 和 tool_call_id message {role: role, content: content} if kwargs.get(tool_call_id): message[tool_call_id] kwargs[tool_call_id] if kwargs.get(name): message[name] kwargs[name] self.conversation_history.append(message) def _handle_tool_calls(self, tool_calls): 处理AI请求的工具调用 tool_responses [] for tool_call in tool_calls: func_name tool_call.function.name func_to_call self.tool_functions.get(func_name) if not func_to_call: response_content f错误未知工具 {func_name} else: try: # 解析AI传来的参数 arguments json.loads(tool_call.function.arguments) logger.info(f执行工具调用: {func_name}参数: {arguments}) # 调用工具函数 tool_result func_to_call(**arguments) response_content json.dumps(tool_result, ensure_asciiFalse) except Exception as e: response_content json.dumps({error: str(e)}, ensure_asciiFalse) logger.error(f工具 {func_name} 执行异常: {e}) # 将工具执行结果作为一条消息加入历史 tool_responses.append({ tool_call_id: tool_call.id, role: tool, name: func_name, content: response_content, }) return tool_responses def get_response(self, user_input: str) - str: 处理用户输入支持工具调用的完整流程 self._add_message(user, user_input) final_response max_iterations 5 # 防止无限循环 current_iteration 0 while current_iteration max_iterations: current_iteration 1 try: # 调用API传入工具定义 response self.client.chat.completions.create( modelself.model, messagesself.conversation_history, toolsself.available_tools, tool_choiceauto, # 让模型决定是否调用工具 temperature0.7, max_tokens2000, streamFalse, ) message response.choices[0].message # 检查AI是否想调用工具 if message.tool_calls: # 1. 将AI的“工具调用请求”加入历史 self.conversation_history.append({ role: assistant, content: , # 内容可能为空 tool_calls: message.tool_calls }) # 2. 处理工具调用获取结果 tool_responses self._handle_tool_calls(message.tool_calls) # 3. 将所有工具执行结果加入历史 for resp in tool_responses: self._add_message(roleresp[role], contentresp[content], tool_call_idresp[tool_call_id], nameresp[name]) # 继续循环让AI基于工具结果生成最终回复 continue else: # AI 直接生成了最终文本回复 final_response message.content self._add_message(assistant, final_response) break except Exception as e: logger.error(f对话流程出错: {e}) final_response f系统处理对话时出错: {str(e)} break if not final_response and current_iteration max_iterations: final_response 分析过程过于复杂已达到迭代上限。请简化你的问题或重新开始。 return final_response # start_new_conversation 方法保持不变 def start_new_conversation(self): self.conversation_history [ {role: system, content: TOUGH_INVESTOR_SYSTEM_PROMPT} ] return 已开启新一轮拷问。说吧你那个想赚钱的点子是什么别啰嗦直接说核心。现在你的“毒舌投资人”已经具备了思考并主动使用联网搜索工具的能力当它觉得需要查证市场数据或竞品信息时会自动调用搜索工具。5. 创建 Web API 与前端交互界面为了让这个 Agent 更容易使用我们通过 FastAPI 暴露几个简单的 HTTP 端点并创建一个极简的前端页面。5.1 完善 FastAPI 路由更新app/main.py集成我们的 Agent# app/main.py (更新版) from fastapi import FastAPI, HTTPException, Request from fastapi.responses import HTMLResponse from fastapi.staticfiles import StaticFiles from openai import OpenAI from app.config import settings from app.agents.tough_investor import ToughInvestorAgent import logging import uuid from typing import Dict logger logging.getLogger(__name__) app FastAPI(titleAI Tough Investor API, description一个毒舌的AI投资人助手) client OpenAI( api_keysettings.deepseek_api_key, base_urlsettings.deepseek_base_url, ) # 内存中存储对话会话生产环境应使用数据库 sessions: Dict[str, ToughInvestorAgent] {} def get_or_create_agent(session_id: str) - ToughInvestorAgent: 获取或创建一个Agent会话 if session_id not in sessions: sessions[session_id] ToughInvestorAgent(client) logger.info(f创建新会话: {session_id}) return sessions[session_id] app.get(/, response_classHTMLResponse) async def read_root(): 返回一个简单的前端页面 html_content !DOCTYPE html html head titleAI毒舌投资人/title meta charsetutf-8 meta nameviewport contentwidthdevice-width, initial-scale1 style body { font-family: Arial, sans-serif; max-width: 800px; margin: 40px auto; padding: 20px; } #chatbox { border: 2px solid #333; border-radius: 10px; padding: 20px; height: 500px; overflow-y: auto; margin-bottom: 20px; background: #f9f9f9; } .message { margin: 10px 0; padding: 12px; border-radius: 8px; max-width: 80%%; } .user { background-color: #d1ecf1; align-self: flex-end; margin-left: auto; } .assistant { background-color: #f8d7da; align-self: flex-start; } .system { background-color: #fff3cd; font-style: italic; font-size: 0.9em; } #inputArea { display: flex; gap: 10px; } #userInput { flex-grow: 1; padding: 12px; border: 1px solid #ccc; border-radius: 6px; } button { padding: 12px 24px; background-color: #007bff; color: white; border: none; border-radius: 6px; cursor: pointer; } button:hover { background-color: #0056b3; } #controls { margin-top: 15px; display: flex; gap: 10px; } /style /head body h1 AI毒舌投资人 (犀牛资本)/h1 pem直接说出你的副业/创业点子接受犀利的拷问吧/em/p div idchatbox/div div idinputArea input typetext iduserInput placeholder输入你的商业想法... onkeypressif(event.keyCode13) sendMessage() button onclicksendMessage()发送/button /div div idcontrols button onclicknewSession() stylebackground-color: #6c757d;新对话/button button onclickclearChat() stylebackground-color: #dc3545;清空记录/button /div script let sessionId localStorage.getItem(sessionId) || generateSessionId(); localStorage.setItem(sessionId, sessionId); function generateSessionId() { return session_ Math.random().toString(36).substr(2, 9); } function addMessage(role, content) { const chatbox document.getElementById(chatbox); const msgDiv document.createElement(div); msgDiv.className message role; msgDiv.innerHTML strong${role.toUpperCase()}:/strongbr${content.replace(/\\n/g, br)}; chatbox.appendChild(msgDiv); chatbox.scrollTop chatbox.scrollHeight; } async function sendMessage() { const input document.getElementById(userInput); const message input.value.trim(); if (!message) return; addMessage(user, message); input.value ; try { const response await fetch(/chat, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ session_id: sessionId, message: message }) }); const data await response.json(); addMessage(assistant, data.response); } catch (error) { addMessage(system, 请求失败: error); } } async function newSession() { sessionId generateSessionId(); localStorage.setItem(sessionId, sessionId); const response await fetch(/new_session, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ session_id: sessionId }) }); const data await response.json(); document.getElementById(chatbox).innerHTML ; addMessage(assistant, data.response); } function clearChat() { document.getElementById(chatbox).innerHTML ; } // 页面加载时如果有历史会话可以加载最后一条消息这里简化直接显示欢迎语 window.onload function() { addMessage(assistant, 你好我是犀牛资本的合伙人。说吧你那个想赚钱的点子是什么别啰嗦直接说核心。); } /script /body /html return HTMLResponse(contenthtml_content) app.post(/chat) async def chat(request: Request): 处理用户消息并返回AI回复 data await request.json() session_id data.get(session_id, default) message data.get(message, ) if not message: raise HTTPException(status_code400, detail消息内容不能为空) agent get_or_create_agent(session_id) response agent.get_response(message) return {session_id: session_id, response: response} app.post(/new_session) async def new_session(request: Request): 开始一轮新的对话 data await request.json() session_id data.get(session_id, default) agent ToughInvestorAgent(client) # 创建新的Agent实例 sessions[session_id] agent welcome_msg agent.start_new_conversation() return {session_id: session_id, response: welcome_msg} app.get(/health) async def health_check(): return {status: up, model: settings.deepseek_model}5.2 运行与测试启动服务在项目根目录运行uvicorn app.main:app --reload --host 0.0.0.0 --port 8000打开浏览器访问http://localhost:8000。开始对话在输入框中描述你的副业想法例如“我想做一个帮程序员接私活的平台”。观察 Agent你会收到一连串尖锐的提问例如“市面上已经有程序员客栈、码市、开源众包了你的平台凭什么能吸引程序员和雇主你的佣金模式是什么预计第一年能撮合多少交易” 如果它需要数据可能会自动调用搜索工具注意示例的搜索工具功能有限可能需要你替换为真正的搜索 API。6. 进阶功能与工程化建议基础版本已经可以运行。要让这个“毒舌投资人”更强大、更实用可以考虑以下进阶方向6.1 集成更强大的工具专业搜索 API将simple_web_search替换为 Serper 、 Exa 或 Google Programmable Search 等服务的 API获取结构化、高质量的搜索结果。财务计算工具实现一个工具让 AI 可以调用它进行简单的财务测算如计算毛利率、净现值NPV、投资回报率ROI。竞品数据抓取集成爬虫工具遵守robots.txt获取竞品网站的基本信息、定价等。文档生成工具让 AI 能够将对话总结成一份标准的商业计划书大纲或一页纸项目简介。6.2 实现记忆与知识库当前的对话历史是临时的。可以持久化存储使用 SQLite、PostgreSQL 或矢量数据库如 Chroma, Weaviate存储对话历史和项目分析结论。长期记忆为每个“商业想法”创建一个知识库存储 AI 分析过程中产生的所有假设、数据和结论方便后续回顾和迭代。案例库构建一个成功/失败的创业案例库让 AI 在分析时能进行类比。6.3 优化系统指令与流程分阶段评估将评估流程设计得更像真实的投资尽调分为“初筛”、“深度问答”、“财务模型”、“最终建议”等阶段。个性化“毒舌”程度允许用户选择投资人的风格如“温和导师”、“严厉拷问官”、“数据狂魔”。多轮追问的深度控制防止 AI 陷入无意义的细节纠缠设置合理的追问深度限制。6.4 工程化与部署错误处理与重试为 API 调用和工具调用增加完善的错误处理、重试和降级逻辑。速率限制为 API 接口添加速率限制防止滥用。异步处理对于耗时的工具调用如复杂搜索使用asyncio避免阻塞。Docker 化创建Dockerfile和docker-compose.yml方便在任何环境部署。部署到云服务器使用 Nginx Gunicorn 部署 FastAPI 应用或直接部署到 Vercel、Railway 等 PaaS 平台。7. 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问题现象可能原因解决思路启动服务时报ModuleNotFoundError依赖未安装或虚拟环境未激活1. 确认已激活虚拟环境 (source venv/bin/activate)。2. 运行pip install -r requirements.txt安装所有依赖。访问http://localhost:8000无响应服务未启动或端口被占用1. 检查终端是否成功启动 uvicorn。2. 尝试更换端口--port 8080。3. 检查防火墙设置。AI 回复内容空洞或不符合“毒舌”人设系统指令 (Prompt) 不够强或模型温度设置不当1. 仔细打磨TOUGH_INVESTOR_SYSTEM_PROMPT指令要更具体、更强势。2. 调整temperature参数降低会更稳定提高更有创造性。3. 尝试更换更强大的模型如deepseek-v4-pro。工具调用不生效AI 从不搜索1. 工具描述不够清晰。2. API 未返回tool_calls。3. 模型不支持工具调用。1. 检查WEB_SEARCH_TOOL_DESCRIPTION中的description确保它能诱使AI调用。2. 在get_response方法中打印message对象查看是否有tool_calls字段。3. 确认你使用的 DeepSeek 模型版本支持工具调用功能。搜索工具返回错误或空结果示例的 DuckDuckGo 抓取不稳定或被屏蔽这是预期之内。请务必替换为可靠的搜索 API。注册 Serper 等服务的免费额度进行测试。对话历史混乱AI 忘记上下文对话历史列表管理出错或 token 超长被截断1. 检查_add_message逻辑是否正确。2. DeepSeek 模型有上下文长度限制。对于长对话需要实现历史摘要或滑动窗口只保留最近 N 轮对话。API 调用返回 401 或 429 错误API Key 错误、过期或超出速率限制1. 检查.env文件中的DEEPSEEK_API_KEY是否正确。2. 前往 DeepSeek 平台查看额度和使用情况。3. 在代码中增加请求间隔避免频繁调用。8. 最佳实践与安全须知在进一步开发和实际使用本项目时请牢记以下要点API 密钥安全第一永远不要将.env文件或硬编码的 API Key 提交到公开的 Git 仓库。使用环境变量或密钥管理服务。成本控制DeepSeek API 调用会产生费用。在代码中加入用量监控和日志避免意外的高额账单。可以为对话设置 token 数量上限。工具调用的可靠性联网搜索等工具可能返回不准确、过时或有偏见的信息。AI 的结论仅供参考绝不能替代专业的商业、法律或财务建议。务必在关键决策点上进行人工核实。内容审核与过滤考虑在 AI 回复输出前加入一层内容过滤防止生成不当或有害内容尤其是在公开部署时。用户体验优化前端页面非常简陋。可以考虑使用更现代的框架如 Vue.js, React重构前端增加消息流式输出Streaming、打字机效果、对话导出等功能。拥抱迭代AI Agent 的效果严重依赖于 Prompt 工程和工具设计。不要指望一次成功要基于与它的实际对话记录不断优化系统指令和工具描述。通过这个项目你不仅得到了一个能犀利拷问商业想法的 AI 伙伴更重要的是你实践了构建一个功能型 AI Agent 的完整流程从设定角色、设计 Prompt、集成工具、到搭建服务。这个模式可以复用到无数场景比如 AI 面试官、AI 产品经理、AI 代码评审员等等。希望这个“毒舌投资人”能成为你副业路上的第一块试金石也祝你基于此框架创造出更多有趣的 AI 应用。 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
