夜雨聆风手搓一个AI助手：30行Python代码，让你拥有专属GPT
很多人觉得AI很神秘，觉得那是大厂的专利。
错了。
今天我用30行Python代码，教你手搓一个AI助手。不需要GPU，不需要服务器，你的笔记本电脑就能跑。
看完这篇，你会明白：AI没那么难，难的是你没开始。
01 你需要什么？
硬件：
- 一台电脑（Windows/Mac/Linux都行）
- 8GB以上内存
- 不需要显卡
软件：
- Python 3.8+（没装的去官网下）
- 一个文本编辑器（VS Code推荐）
成本：
- 0元（用免费API额度）
02 30行代码的AI助手
新建一个文件 ai_assistant.py，把下面的代码复制进去：
import requests
import json
from datetime import datetime
# ========== 配置 ==========
API_KEY = "你的API密钥" # 去 platform.openai.com 注册获取
API_URL = "https://api.openai.com/v1/chat/completions"
def chat(messages):
"""调用AI模型"""
headers = {
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json"
}
data = {
"model": "gpt-3.5-turbo",
"messages": messages,
"temperature": 0.7
}
resp = requests.post(API_URL, headers=headers, json=data)
return resp.json()["choices"][0]["message"]["content"]
def main():
"""主函数"""
print("=" * 50)
print("🤖 我的AI助手")
print("输入 'quit' 退出")
print("=" * 50)
messages = [{"role": "system", "content": "你是一个友好的AI助手"}]
while True:
user_input = input("\n你: ")
if user_input.lower() == "quit":
print("再见！")
break
messages.append({"role": "user", "content": user_input})
reply = chat(messages)
messages.append({"role": "assistant", "content": reply})
print(f"\nAI: {reply}")
if __name__ == "__main__":
main()运行：
python ai_assistant.py搞定。你有了一个AI助手。
03 这30行代码做了什么？
让我拆解一下核心逻辑：
第一部分：配置（3行）
API_KEY = "你的API密钥"
API_URL = "https://api.openai.com/v1/chat/completions"告诉程序：用哪个API，拿什么钥匙。
第二部分：调用AI（10行）
def chat(messages):
headers = {"Authorization": f"Bearer {API_KEY}"}
data = {"model": "gpt-3.5-turbo", "messages": messages}
resp = requests.post(API_URL, headers=headers, json=data)
return resp.json()["choices"][0]["message"]["content"]发送消息，拿回回复。就这么简单。
第三部分：对话循环（15行）
while True:
user_input = input("你: ")
messages.append({"role": "user", "content": user_input})
reply = chat(messages)
print(f"AI: {reply}")一直问，一直答，直到你说"quit"。
04 升级：让它更像"你的"GPT
基础版太简单？加点料：
升级1：记住上下文
# 在 messages 里加一条系统提示
messages = [
{"role": "system", "content": "你是我的私人助手，说话风格像朋友聊天"},
{"role": "system", "content": f"当前时间：{datetime.now().strftime('%Y-%m-%d %H:%M')}"}
]升级2：限制回答长度
data = {
"model": "gpt-3.5-turbo",
"messages": messages,
"max_tokens": 500 # 限制回答长度
}升级3：加个保存功能
def save_chat(messages):
"""保存对话记录"""
with open("chat_history.json", "w", encoding="utf-8") as f:
json.dump(messages, f, ensure_ascii=False, indent=2)05 更进一步：本地AI（不需要API）
不想花钱？用本地模型：
方案1：Ollama（推荐）
# 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh
# 下载模型
ollama pull llama3
# 运行
ollama run llama3方案2：LM Studio
1. 下载 LM Studio（lmstudio.ai）
2. 下载一个模型（推荐 Llama 3 8B）
3. 启动本地服务器
4. 把代码里的 API_URL 改成 http://localhost:1234/v1/chat/completions
完全免费，完全本地，完全你的。
06 实战：做一个专属写作助手
把基础代码改一下，变成写作助手：
def writing_assistant(topic):
"""写作助手"""
messages = [
{"role": "system", "content": """你是一个专业写作助手。
你的任务是：
1. 根据主题生成文章大纲
2. 每个要点展开2-3段
3. 加入真实案例和数据
4. 保持口语化风格"""},
{"role": "user", "content": f"帮我写一篇关于{topic}的文章"}
]
return chat(messages)
# 使用
topic = input("请输入文章主题: ")
article = writing_assistant(topic)
print(article)5行代码，你就有了一个写作助手。
07 这件事的意义
30行代码，看起来很简单。
但这件事的意义是：AI不再是大厂的专利。
你可以在自己的电脑上，用自己的数据，训练自己的模型，做自己的产品。
这才是真正的"个人AI时代"。
写在最后
AI没那么神秘，30行代码就能入门。
难的不是技术，是迈出第一步。
今天就动手试试吧。
*遇到问题评论区见。*
佛山大师兄
*星辰大海，永不止步*
佛山大师兄 | 星辰大海，永不止步
