🤖 AI 情报站

① 装 Python（mac）

1. 苹果菜单 → 关于本机 → 记下芯片；
2. 打开 python.org/downloads → 下载 .pkg → 双击一路继续。

① 装 Python（Windows）

1. 打开 python.org/downloads → 下载 .exe；
2. 第一屏最底部务必勾选 Add python.exe to PATH → Install Now。

② 装 VS Code（两系统一致）

1. code.visualstudio.com 下载安装；
2. 扩展面板搜 Python → 装微软官方那个。

③ 写并运行（mac）

1. 桌面建文件夹 python学习 → VS Code 打开；
2. 新建 hello.py → 输入 print("hello") → Cmd+S；
3. 菜单 终端→新建终端 → python3 hello.py；
4. 出现 hello = ✅。

③ 写并运行（Windows）

1. D 盘建文件夹 → VS Code 打开 → 新建 hello.py → Ctrl+S；
2. 终端 → python hello.py（无3）；
3. 看到 hello = ✅。「不是内部或外部命令」→ 重装勾 PATH。

① 拿钥匙（API Key）

1. 打开 open.bigmodel.cn → 手机号注册；
2. 右上角头像 → API Keys → 新建 → 复制那串密钥（像 5973xxx.xxxx）；
3. ⚠️ 密钥=密码，别发给别人、别传上网。

② 写调用代码（mac/Windows 相同）

import urllib.request, json

key = "粘贴你的密钥"
url = "https://open.bigmodel.cn/api/paas/v4/chat/completions"
body = json.dumps({
    "model": "glm-4-flash",
    "messages": [{"role": "user", "content": "用一句话介绍你自己"}]
}).encode()
req = urllib.request.Request(url, data=body, headers={
    "Content-Type": "application/json",
    "Authorization": "Bearer " + key
})
resp = json.loads(urllib.request.urlopen(req, timeout=30).read())
print(resp["choices"][0]["message"]["content"])

③ 升级成聊天机器人

1. 把 messages 变成列表循环：每次把你的输入 append 进去再请求；
2. 用 while True: + input("你：")，输入 q 退出。

① 为什么重要

本站 P1/P2 的 AI 摘要就是这个原理。程序没法直接用"一段话"，但能用 JSON。

② 三要素提示词

1. 角色："你是AI行业情报编辑"；
2. 任务+约束："对下面的新闻写一句不超过40字的摘要"；
3. 输出格式："只输出JSON：{"summary":"...","tier":"T0或T1或T2"}，不要输出别的话"；
4. 代码里用 json.loads(resp) 解析——解析失败说明 AI 没守规矩，重试一次。

① 原理一句话

AI 自己不会查数据——你告诉它"你有这些工具"，它决定何时调用，执行是你代码做的，结果再喂回给它。这就是 Agent 的手脚。

② 最小示例（伪代码思路，实现交给 AI 帮写）

tools = [{"type": "function", "function": {
    "name": "get_weather",
    "description": "查询城市天气",
    "parameters": {"type": "object", "properties": {
        "city": {"type": "string"}}}
}}]
# 流程：用户问天气 → AI 回 tool_calls → 你的代码执行真查询
# → 把结果作为 tool 角色消息发回 → AI 组织成自然语言回答

③ 练习

1. 写一个 query_stock(品名) 函数（从字典查价格）；
2. 让 AI 在用户问价格时自动调用它。

① MCP 是什么（人话）

USB-C 的 AI 版：以前每个工具要单独写对接代码，MCP 是统一插座标准——工具方做一次 MCP 服务，所有支持 MCP 的 AI 都能用。

② 动手

1. 装一个现成 MCP 服务（如文件系统、高德地图，GitHub 搜 modelcontextservers）；
2. 在支持 MCP 的客户端（Claude Desktop / ZCode）配置里加一行指向它；
3. 对话测试工具被调用了。

① 原理（人话）

AI 不知道你的私人资料。RAG = 先"检索"出最相关的几段，塞进提示词再让 AI 回答——先查书再答题。

② 极简三步（不用向量库，先用关键词匹配理解流程）

1. 把你的笔记切成 200 字一段的列表；
2. 用户提问时，找出含关键词最多的 3 段；
3. 提示词 = "仅根据以下资料回答：
   + 3 段 + 问题"。

③ 进阶

1. 换成语义检索（调 embedding API 算相似度），体会为什么它更聪明。

组装清单

1. 第 6 周的抓取 → 拿到新闻标题列表；
2. 第 8 周的 JSON prompt → AI 批量摘要+分级；
3. 第 4 周的 JSON 存储 → 结果存 briefing.json；
4. 打印成美观文本或简单 HTML。

验收

1. 一键运行 → 3 分钟后得到当日摘要简报；
2. 对照本站 P1——原理一模一样，你已经会了。

核心循环（感知→思考→行动→观察）

while True:
    resp = ask_llm(messages, tools)   # 思考
    if resp要调用工具:
        result = 执行工具(resp.tool)  # 行动
        messages.append(观察结果)     # 观察
    else:
        print(resp.content); break    # 最终回答

练习

1. 给 Agent 2 个工具：读文件、算数学；
2. 问它"读 data.txt 并统计出现最多的词"——观察它自己规划 2 步。

① 装框架

pip install langchain langgraph langchain-openai（智谱模型走 OpenAI 兼容接口，base_url 填 bigmodel 的）。

② 为什么用框架

手写循环要自己处理重试/流式/记忆；框架把这些打包好了。先手写再用框架，才知道它在帮你什么。

③ 对照学习

1. 官方 Quickstart 跑通最小 Agent；
2. 和第 13 周代码逐行对应。

三个关键组件

1. 规划：先让 AI 输出步骤清单（plan），再逐步执行；
2. 记忆：对话超长时把旧内容摘要存文件，需要时再读（第 4 周技能）；
3. 上下文管理：每步只带必要信息，防撑爆。

任务

1. "调研 3 个 AI 工具的免费额度，写对比报告"——Agent 自行：列步骤→逐个抓→汇总成文。

思路

1. Agent A（研究员）：负责搜集素材，输出要点列表；
2. Agent B（写作员）：只拿 A 的要点，负责成文；
3. 你的代码做"包工头"：A 完成 → 转交 B。

体会

1. 分工会让长任务质量提升——这正是为什么复杂 Agent 都是多个小 Agent 组队。

组装

1. 抓取：第 6 周 HTTP + 官方 docs 页；
2. 提取：第 8 周 JSON prompt（精确到模型型号）；
3. 变化检测：第 4 周文件存指纹；
4. Agent 化：第 17 周规划——页面失败自动换备选源。

三项必做

1. 定时：mac 用 launchd 或本站同款 GitHub Actions cron；Windows 用任务计划程序；
2. 日志：print 换成 logging 模块，写文件带时间戳（出问题回看不抓瞎）；
3. 重试：网络请求包一层 try-except + 最多重试 3 次（本站脚本同款）。

极简路线

1. pip install flask；
2. 10 行起服务：@app.route("/") 返回 render_template；
3. 把你的 briefing.json 做成 API：return jsonify(data)；
4. 前端 fetch 展示——对照本站源码（开源在你的 GitHub 里），它就是你最好的教材。

流程（全在 P4 面板）

1. P4 六步工作流走一遍你自己的项目；
2. 在公司 Windows 电脑实测 exe；
3. 把踩的坑记进 P4 报错速查。

① mac 出发前（每条命令在哪敲、啥意思）

1. 开终端：启动台搜「终端」；
2. 进项目文件夹：输入 cd + 空格 + 文件夹从访达拖进终端 → 回车；
3. pip freeze > requirements.txt：把"用过哪些库"列成清单（Windows 端照着装）；
4. cd .. 退一层 → zip -r 源码.zip 源码-Mac（换你的文件夹名）；
5. 自检：VS Code 全局搜 /Users/，有写死路径叫我改。

② 传 Windows + 装环境（仅第一次）

1. 微信传输助手/U盘 传 zip → 右键全部解压到 D:\竞品采集台；
2. python.org 装 Python（勾 Add to PATH）→ Win+R 输 cmd → python --version 验证。

③ 装依赖 + 建 bat（手把手）

1. 打开 D:\竞品采集台 → 地址栏点空白输 cmd 回车（自动定位本文件夹）；
2. pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple 等装完；
3. 建 run.bat：右键新建文本文档 → 粘贴四行：
   @echo off
chcp 65001 >nul
cd /d %~dp0
python main.py
   → 另存为 run.bat（保存类型「所有文件」+ 编码 UTF-8）→ 双击即运行；
4. 打 exe：同窗口 pip install pyinstaller → pyinstaller -F -n 竞品采集台 main.py → dist 里是成品。

场景：公司 Windows 上的改动带回家里 mac

① Windows 打包

1. 项目文件夹右键 → 发送到 → 压缩文件夹（生成 zip）；

② 传回 mac 并解压

1. 微信传输助手/U盘 传到 mac 下载文件夹；
2. 双击 zip 解压（系统自带「归档实用工具」即可）。

③ mac 重装依赖并运行

1. 终端 cd 进项目文件夹（cd+空格+拖文件夹）；
2. python3 -m pip install -r requirements.txt；
3. python3 main.py 跑通。

④ mac 打 .app（想双击图标才需要）

1. pip install pyinstaller → pyinstaller -w main.py → dist 里有 .app；
2. ⚠️ 数据文件参数：mac 用冒号 --add-data "ui:ui"，Windows 用分号 "ui;ui"。

五大高频坑

1. ModuleNotFoundError → pip install 报错的名字（反复出现 = requirements.txt 不全，回 mac 重新 pip freeze）；
2. UnicodeDecodeError → 报错行附近的 open() 加 , encoding="utf-8"；
3. 「python 不是内部或外部命令」→ 重装 Python 勾 Add to PATH；
4. 双击 exe 闪退 → 文件夹地址栏输 cmd 回车，黑窗口里运行 exe 看真实报错；
5. 被 SmartScreen 拦 → 「更多信息」→「仍要运行」（未签名正常现象）。