动手搭建你的第一个AI应用

理论讲完了，让我们动手做一个真正的AI应用。这一章我们将用Python + DeepSeek API从零搭建一个「智能文档问答助手」——上传文档后，AI能基于文档内容回答问题。这是最实用也最常见的AI应用形态。

环境准备

安装Python

如果你还没有Python环境，推荐使用Anaconda（集成了大量科学计算库）或直接从python.org下载安装最新版本。安装时勾选「Add to PATH」选项。

获取API Key

以DeepSeek为例：访问platform.deepseek.com，注册账号后在API管理页面创建API Key。DeepSeek提供免费额度供开发测试，足够你完成本章的所有练习。如果你更习惯使用OpenAI，流程类似，访问platform.openai.com即可。

安装依赖

在终端运行以下命令安装必要的库：`pip install openai streamlit python-docx PyPDF2`。其中openai库不仅支持OpenAI，大部分兼容OpenAI接口格式的大模型（包括DeepSeek）都可以直接使用这个库。

第一步：最简单的API调用

打开Cursor或VS Code，创建一个新的Python文件。写一个最基础的API调用，让AI回答一个问题。核心代码只有几行：创建client、设置model和messages、发送请求、打印结果。

这里有一个关键概念——**messages数组**。它包含对话的完整上下文：system消息定义AI的角色和行为规范，user消息是用户的输入，assistant消息是AI的回复。通过维护这个数组，你可以实现多轮对话记忆。

调试技巧

如果遇到报错，90%的情况是：API Key没设置对、网络连接问题（国内访问OpenAI需要代理）、或者模型名称拼写错误。让Cursor的AI帮你debug是最快的方式。

第二步：添加系统提示词

一个好的AI应用和一个普通的API调用之间的差距，往往就在系统提示词上。系统提示词定义了AI的身份、能力范围和行为规范。

**实战案例**：假设你在做一个外贸开发信助手，系统提示词应该包含：「你是一个专业的外贸业务专家，擅长写B2B开发信。你的写作风格简洁专业，避免过度推销。所有邮件必须包含公司价值主张、针对客户行业的定制化内容和明确的CTA。如果用户没有提供足够的信息，你应该主动询问。」

第三步：构建文档问答功能

现在进入核心功能——让AI基于上传的文档来回答问题。基本思路是：读取文档内容 → 把文档内容和用户问题一起发给AI → AI基于文档回答。

文档读取

用python-docx读取Word文件，用PyPDF2读取PDF文件。核心就是把文档中的文字提取出来变成一个字符串。对于短文档（几千字以内），可以直接把全部内容放到prompt中。

处理长文档

当文档超过模型的上下文窗口（DeepSeek支持64K token）时，你需要做文本切分：把长文档切成多个小段落，只把与用户问题最相关的段落发给AI。这就是RAG（检索增强生成）的基本原理。简单版本可以用关键词匹配，进阶版本用向量相似度搜索。

第四步：用Streamlit做界面

命令行工具只适合自己用，要给别人用需要一个Web界面。Streamlit是最简单的Python Web框架——几行代码就能做出一个可交互的网页。

核心组件：`st.file_uploader`让用户上传文档、`st.text_input`让用户输入问题、`st.chat_message`展示对话历史。运行`streamlit run app.py`就能在浏览器中看到你的应用。

部署上线

本地跑通后，可以用以下方式部署让其他人也能访问：**Streamlit Cloud**（免费，直接从GitHub部署）、**Railway**（简单的云部署平台）、**阿里云函数计算/腾讯云云函数**（国内方案，按调用次数付费）。

第五步：迭代优化

基础版本跑起来后，可以继续优化：添加对话历史记忆（记住上下文）、支持多种文件格式（Excel、Markdown等）、添加流式输出（像ChatGPT一样逐字显示）、加入错误处理和加载状态提示。

每一步优化都可以让AI帮你写代码。在Cursor中描述你想要的功能，它会基于你现有的代码生成改进方案。

学习建议

不要试图一次把所有功能做完美。先让最简单的版本跑起来，然后逐步迭代。每次只加一个功能，确保可以运行后再加下一个。这种增量开发的方式在AI辅助编程中效率最高——AI对小范围的修改生成代码的质量远高于一次性生成一个大项目。

完成了第一个AI应用后，下一章我们将进入更前沿的领域——AI智能体开发，让AI不仅能回答问题，还能自主执行复杂任务。