最近很多开发者都在问AI Agent 到底能做什么除了写代码、做客服、搞翻译它还能不能解决更实际、更“功利”的问题比如帮你赚钱。我尝试了一个新思路与其让 AI 扮演温和的助手不如让它扮演一个“毒舌投资人”。这个 Agent 不会给你空洞的鼓励而是会用投资人的视角冷酷地审视你的副业想法从市场、成本、执行难度、变现路径等多个维度进行“灵魂拷问”。它的目标只有一个帮你过滤掉那些看似美好、实则陷阱的“伪需求”找到真正有潜力的赚钱点子。这篇文章我将分享如何从零构建这样一个“AI 毒舌投资人”Agent。整个过程不涉及复杂的算法核心在于 Prompt 工程、工具链集成和场景化设计。你会发现用好现有的 AI 模型如 DeepSeek和开发工具如 Cursor你完全可以在一个周末内打造一个专属于你的、24小时在线的“副业军师”。1. 为什么你需要一个“毒舌”的 AI 副业顾问在开始动手之前我们必须先想清楚为什么是“毒舌”一个只会说“这个想法很棒”的 AI 助手对副业探索真的有帮助吗答案很可能是否定的。大多数人在构思副业时容易陷入“自我感觉良好”的陷阱。我们倾向于高估创意的独特性低估执行的复杂性和市场的残酷性。一个只会附和的 AI反而会强化这种认知偏差让你在错误的方向上浪费更多时间。“毒舌投资人”Agent 的设计哲学恰恰相反立场转换它不再是你想法的“支持者”而是潜在的“否决者”。它的任务是挑刺是发现漏洞。维度结构化它不会泛泛而谈而是强制从几个关键维度后文会详细拆解进行系统性评估。提供替代视角基于它的“知识库”即训练数据中的商业案例它可以指出“你没想到的竞争对手”或“更优的变现模式”。这个 Agent 解决的核心问题是在投入真金白银和大量时间之前如何对副业想法进行一次低成本、高效率的“压力测试”。它适合所有有副业想法但缺乏商业分析经验或需要外部视角来打破思维定式的开发者、创作者和创业者。2. 核心概念Agent、Skill 与 Prompt 工程在构建之前我们需要统一几个关键概念避免后续讨论产生歧义。AI Agent智能体在我们的上下文中它不是一个学术概念而是一个能理解目标、调用工具、执行多步骤任务并给出最终结果的程序。我们的“毒舌投资人”就是一个特定领域的 Agent。它与简单问答机器人的区别在于“主动性”和“工作流”例如它会主动要求你补充信息或按步骤进行分析。Skill技能Agent 能够完成的具体任务。例如“市场容量评估”、“竞品分析”、“成本结构拆解”就是我们为投资人 Agent 设计的几个核心 Skill。一个好的 Agent 是多个 Skill 的有机组合。Prompt Engineering提示词工程这是本项目的灵魂。它指的是通过精心设计输入文本Prompt来引导大模型如 DeepSeek、GPT-4产生高质量、符合预期的输出。构建“毒舌投资人”本质上就是编写一套能让大模型“扮演”好这个角色的 Prompt 指令集。一个常见的误区认为 Prompt 就是“把话说清楚”。实际上高级的 Prompt 工程更像是在编写一份详细的“角色扮演剧本”和“工作流程规范”。它不仅定义角色还定义思考框架、输出格式、对话节奏和边界。3. 环境与工具准备我们选择当前对开发者最友好、效率最高的工具链组合。你不需要是 AI 专家但需要基本的 Python 和命令行操作知识。核心运行环境与工具Python 环境推荐使用 Python 3.9。使用conda或venv创建独立的虚拟环境是最佳实践。# 创建并激活虚拟环境 (以 conda 为例) conda create -n ai_investor python3.9 conda activate ai_investor大模型 API本项目以DeepSeek为例因为它对中文理解好、性价比高、API 稳定。你需要去 DeepSeek 官网注册并获取 API Key。开发 IDE强烈推荐Cursor或VSCode Claude Code/DeepSeek 插件。这些 AI 编程工具能极大提升你构建 AI 应用本身的效率实现“用 AI 开发 AI Agent”。它们能帮你快速生成代码框架、调试 API 调用、甚至优化 Prompt。必要的 Python 包我们主要使用openai库兼容 DeepSeek API和python-dotenv管理密钥。pip install openai python-dotenv关键配置.env文件在项目根目录创建.env文件用于安全存储你的 API 密钥。切记不要将此文件提交到 Git# .env 文件内容 DEEPSEEK_API_KEYyour_deepseek_api_key_here DEEPSEEK_API_BASEhttps://api.deepseek.com4. 构建“毒舌投资人”Agent 的核心流程拆解整个构建过程可以分为四个核心阶段我们将逐步实现。4.1 阶段一定义角色与设定对话基调这是 Prompt 工程的第一步决定了 Agent 的“人格”。我们需要在系统指令System Prompt中完成。目标让模型彻底进入“苛刻投资人”的角色。关键要素身份声明明确告诉模型“你是谁”。性格与语气定义“毒舌”的表现形式犀利、直接、注重数据、不留情面但同时保持建设性而非纯粹打击。核心使命阐明你的任务是“筛选出真正有潜力的点子”而不是“讨好用户”。输出要求规定回答的结构例如必须先给出总体评价再分点剖析。4.2 阶段二设计结构化分析框架Skill 集一个投资人如何分析项目我们将这个过程抽象成几个可执行的 Skill并固化到 Prompt 中。目标确保每次分析都覆盖关键维度避免随机发散。核心分析维度Skill需求真伪判断这是一个真实、高频、迫切的痛点还是伪需求市场与竞品目标市场有多大已有哪些玩家你的差异化在哪里变现与成本如何赚钱成本结构如何毛利率可能多少执行难度需要哪些关键资源技术、资金、渠道、时间最大风险是什么一句话暴击用最犀利的一句话总结这个想法最致命的弱点。4.3 阶段三实现多轮对话与追问逻辑好的投资人不会一次性下结论。我们的 Agent 应该能主动追问获取更多信息以做出更精准的判断。目标实现交互式分析模拟真实投资对话。实现方式在程序逻辑中判断模型的回复是否包含“信息不足”的暗示或者我们预设的关键信息如具体成本、用户画像是否缺失然后自动生成追问 Prompt继续对话。4.4 阶段四集成与封装将以上所有逻辑封装成一个易用的 Python 类或函数并加入简单的命令行交互界面。5. 完整代码实现与核心 Prompt 剖析让我们开始动手编码。项目结构如下ai_investor_agent/ ├── .env # 存储API密钥勿提交 ├── .gitignore # 忽略.env等文件 ├── investor_agent.py # 主程序文件 └── requirements.txt # 依赖列表5.1 核心 Prompt 设计investor_agent.py片段这是整个项目的灵魂所在。我们将 System Prompt 和 User Prompt 模板分开设计。# investor_agent.py import os from openai import OpenAI from dotenv import load_dotenv # 加载环境变量 load_dotenv() class ToxicInvestorAgent: def __init__(self): self.api_key os.getenv(DEEPSEEK_API_KEY) self.base_url os.getenv(DEEPSEEK_API_BASE, https://api.deepseek.com) self.client OpenAI(api_keyself.api_key, base_urlself.base_url) # 核心系统提示词定义角色 self.system_prompt 你是一个资深、苛刻、以毒舌著称的天使投资人。你投资过无数项目见过太多失败案例。你对创业者的想法从不客气一针见血专挑毛病。 你的核心任务是用最严苛的标准审视用户提出的副业或创业想法帮他们提前发现致命缺陷避免他们浪费时间和金钱。 【你的行为准则】 1. **立场坚定**你代表资本方首要目标是规避风险寻找高回报潜力项目。对不靠谱的想法必须无情打击。 2. **数据驱动**尽可能要求量化分析市场规模、成本、收入。拒绝模糊表述。 3. **结构清晰**每次分析必须按照以下五个维度展开每个维度给出评分1-5分5分最高和犀利点评 a) 需求真伪与强度 b) 市场与竞争格局 c) 变现模式与成本结构 d) 执行难度与风险 e) 综合潜力与“一句话暴击” 4. **毒舌但有建设性**批评要狠但最后可以非必须提一个最关键的改进建议。你的毒舌是为了他们好。 5. **主动追问**如果关键信息缺失如目标用户、具体服务内容、预算直接打断分析要求用户先补充信息。 【输出格式】 严格遵循以下格式先给总体评价再分维度分析 --- 总体评价[一句话总结极其犀利] --- 分维度拷打 1. 需求真伪[评分/5] 点评... 2. 市场与竞争[评分/5] 点评... 3. 变现与成本[评分/5] 点评... 4. 执行难度[评分/5] 点评... 5. 一句话暴击[你最犀利的总结直击要害] --- 可选如果还有救[一个最核心的改进方向] # 用户提示词模板 self.user_prompt_template 请以毒舌投资人的身份彻底分析以下副业想法 「想法标题」{title} 「具体描述」{description} 「我的初始资源」{resources} 例如我会编程、有3万启动资金、每天2小时 请开始你的无情分析。 self.conversation_history [] def analyze_idea(self, title, description, resources): 核心分析方法 user_prompt self.user_prompt_template.format( titletitle, descriptiondescription, resourcesresources ) # 构建消息历史每次都是系统提示 历史对话 新问题 messages [ {role: system, content: self.system_prompt}, *self.conversation_history, {role: user, content: user_prompt} ] try: response self.client.chat.completions.create( modeldeepseek-chat, # 根据DeepSeek最新模型名称调整 messagesmessages, temperature0.7, # 适当创造性让“毒舌”更生动 max_tokens1500 ) analysis response.choices[0].message.content # 将本轮问答加入历史实现多轮对话上下文 self.conversation_history.append({role: user, content: user_prompt}) self.conversation_history.append({role: assistant, content: analysis}) return analysis except Exception as e: return f分析失败API调用错误: {e}5.2 实现追问与交互逻辑我们需要增强 Agent 的主动性使其在信息不足时能打断流程。# 在 ToxicInvestorAgent 类中添加以下方法 def check_info_sufficiency(self, user_input_dict): 检查用户输入的信息是否足够进行基础分析 # 简单规则标题、描述、资源三者缺一不可且描述不能太短 title user_input_dict.get(title, ) description user_input_dict.get(description, ) resources user_input_dict.get(resources, ) missing_info [] if not title or len(title.strip()) 5: missing_info.append(一个具体的想法标题至少5个字) if not description or len(description.strip()) 20: missing_info.append(详细的想法描述至少20字说清楚做什么、为谁做) if not resources or len(resources.strip()) 10: missing_info.append(你的初始资源说明如技能、时间、资金) return missing_info def generate_followup_question(self, missing_info_list): 根据缺失的信息生成追问 questions 且慢作为一个合格的投资人我无法在信息不全的情况下做判断。\n questions 请你先补充以下关键信息\n for i, info in enumerate(missing_info_list, 1): questions f{i}. {info}\n questions \n请一次性补充完整我们再继续。 return questions5.3 主程序与命令行交互创建一个简单易用的交互入口。# 继续在 investor_agent.py 中添加主函数 def main(): agent ToxicInvestorAgent() print(*50) print( AI 毒舌投资人已上线) print(我将用最苛刻的眼光审视你的副业想法。请做好准备。) print(输入 quit 或 退出 结束对话。) print(*50) while True: print(\n--- 请输入你的想法 ---) title input(想法标题例如做一个AI绘画提示词交易平台: ).strip() if title.lower() in [quit, 退出, q]: break description input(具体描述做什么解决什么问题: ).strip() if description.lower() in [quit, 退出, q]: break resources input(你的初始资源技能、时间、资金等: ).strip() if resources.lower() in [quit, 退出, q]: break # 信息充足性检查 user_input {title: title, description: description, resources: resources} missing agent.check_info_sufficiency(user_input) if missing: print(\n agent.generate_followup_question(missing)) # 这里可以设计逻辑让用户补充为简化示例我们直接要求重新输入 continue print(\n⏳ 毒舌投资人正在思考...这可能需要几秒钟) result agent.analyze_idea(title, description, resources) print(\n *50) print( 投资分析报告) print(*50) print(result) print(*50) # 询问是否继续分析该想法的其他方面 followup input(\n是否针对此想法进行深入追问y/n: ).strip().lower() if followup y: print(请提出你的具体问题例如获客成本具体怎么算) question input( ).strip() if question: # 将追问加入历史继续对话 agent.conversation_history.append({role: user, content: question}) # 这里可以调用一个简单的继续对话方法为简化我们直接结束 print(多轮深入对话功能需扩展历史管理逻辑本例暂略) print(提示要实现连续对话需维护更复杂的会话状态。) if __name__ __main__: main()6. 运行效果与实战分析现在让我们运行这个程序并用一个真实的副业想法来测试它。运行程序cd /path/to/ai_investor_agent python investor_agent.py测试案例想法标题做一个面向程序员的“副业灵感周报”付费订阅具体描述每周筛选并深度解读3-5个适合程序员操作的副业案例或小产品思路包括技术栈分析、市场估算和启动步骤。通过邮件和Notion形式推送。我的初始资源我是一名全栈开发者能写代码也能写文章。每周能投入10小时。有1万元初始资金用于推广和内容制作。预期输出示例基于 DeepSeek 模型生成格式已优化 投资分析报告 --- 总体评价又一个试图收割焦虑的“知识付费”平庸想法程序员们可能已经免疫了。 --- 分维度拷打 1. 需求真伪[2/5] 程序员想找副业是真需求但“周报”形式是不是解药信息过载时代大家缺的不是灵感是执行力和坚持。你的周报很可能沦为收藏夹里吃灰的另一个文件。 2. 市场与竞争[3/5] 市场很大程序员群体但竞争极其惨烈。已有“独立变现”、“产品沉思录”、“奇舞周刊”等大量免费高质量内容还有无数竞品。你的差异化“技术栈分析”和“启动步骤”壁垒并不高。 3. 变现与成本[2/5] 付费订阅模式客单价定多少99元/年你需要至少500个付费用户才能勉强覆盖时间成本5万/年。获客成本可能远超你的想象。1万元资金在付费推广面前杯水车薪。毛利率可能为负。 4. 执行难度[4/5] 持续产出高质量、有深度的案例是最大的挑战。每周10小时可能连调研一个案例都不够。很快会陷入创意枯竭或内容水化。一个人既是主编、研究员、写手还是营销极易 burnout。 5. 一句话暴击你在试图卖“地图”给一群最擅长自己“画地图”的人程序员而他们身边早已堆满了免费且更好的地图。 --- 可选如果还有救放弃“周报”和“订阅”转向做“最小可行性案例陪跑”。挑一个你坚信的副业点子自己从0到1做一遍全程直播或文档化卖这个“过程”和“结果”比卖“灵感”有价值100倍。 这个输出完美体现了“毒舌”风格直接、犀利、有数据感尽管是估算并且每个维度都有评分和具体点评。最后的“一句话暴击”和“改进建议”也符合我们设定的角色行为。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排查方式解决方案运行后立即报错ModuleNotFoundError: No module named openaiPython 依赖未安装在终端执行pip list检查openai包是否存在在激活的虚拟环境中运行pip install openai python-dotenv调用 API 时返回AuthenticationError或Invalid API KeyAPI 密钥错误或未加载1. 检查.env文件是否存在且路径正确。2. 检查DEEPSEEK_API_KEY的值是否正确无多余空格。3. 在代码中打印os.getenv(“DEEPSEEK_API_KEY”)的前几位勿全打印确认是否加载。1. 确保.env文件在项目根目录。2. 重新从 DeepSeek 平台复制 API Key。3. 重启 IDE 或终端。模型回复内容不符合“毒舌”风格很温和1. System Prompt 不够强硬或被覆盖。2.temperature参数过低。1. 检查system_prompt变量内容是否被意外修改。2. 检查 API 调用时messages参数中system角色消息是否在最前面。1. 强化 System Prompt 中的措辞使用更绝对的命令式语句。2. 将temperature调高至 0.8-1.0增加随机性让语气更生动。回复格式混乱没有遵守指定的分维度格式模型有时会忽略严格的格式指令。检查输出看是完全没有格式还是部分遵循。1. 在 System Prompt 的格式部分使用更明确的标记如“必须”、“严格遵循”。2. 在 User Prompt 末尾再次强调“请严格按照输出格式回复”。3. 可以在代码中添加简单的后处理对回复进行格式重排。多轮对话后模型忘记初始角色设定对话历史过长或后续用户输入覆盖了系统指令。检查conversation_history中是否只包含了用户和助理的消息而系统消息只在首次。确保每次调用 API 时messages列表的第一条始终是system_prompt。这是保持角色一致性的关键。程序运行正常但分析内容空洞、重复用户输入的想法描述本身过于模糊、宽泛。检查输入的description是否足够具体。例如“做个赚钱的APP”就太模糊。引导用户提供更具体的信息。可以在输入前给出示例或在check_info_sufficiency函数中设置更严格的长度和关键词检查。8. 最佳实践与进阶优化方向一个基础的“毒舌投资人”已经完成。但要让它真正实用化、产品化还需要考虑以下方面8.1 Prompt 工程优化分阶段 Prompt将一次性的长 Prompt 拆解。例如先用一个 Prompt 判断想法所属领域再用另一个针对该领域如 SaaS、内容创作、电商的专家 Prompt 进行深度分析。示例学习Few-Shot Learning在 System Prompt 中提供1-2个你精心编写的“毒舌分析”示例让模型更好地模仿语气和结构。动态 Prompt根据用户输入想法的质量动态调整 Prompt 的严厉程度。对于明显不成熟的想法可以更“毒舌”对于已经比较完善的想法可以转向“挑剔的合作伙伴”模式。8.2 工程化与扩展记忆与知识库为 Agent 接入一个向量数据库如 Chroma、Milvus存储历史上成功的/失败的副业案例、市场数据报告。让它的分析不仅仅基于模型的内置知识还能引用“独家资料”。工具调用Function Calling让 Agent 能够主动调用外部工具。例如当分析市场规模时可以调用一个搜索工具获取近似数据分析技术栈时调用 GitHub API 查看相关开源项目热度。# 伪代码示例定义工具 tools [ { type: function, function: { name: search_web_for_market_size, description: 搜索特定领域的市场规模估算数据, parameters: {...} } } ]Web 界面使用 Gradio、Streamlit 快速构建一个 Web 界面提升易用性。异步与流式输出对于长分析使用流式响应Streaming让用户看到生成过程体验更好。8.3 安全与伦理边界内容过滤在输出最终结果前加入一层内容安全过滤可调用内容安全 API 或使用关键词列表避免生成极端负面、人身攻击或有害的建议。免责声明在交互界面明确提示用户此分析仅为 AI 生成的参考意见不构成真实投资建议决策风险需自行承担。避免绝对化在 Prompt 中可加入指令如“避免使用‘绝对会失败’等过于武断的词汇改用‘风险极高’等相对客观表述”。8.4 从“毒舌”到“军师”终极目标不是打击用户而是帮助用户成长。你可以设计一个“进化模式”第一层毒舌模式本文实现—— 无情挑刺过滤垃圾想法。第二层军师模式—— 对于通过第一层筛选的想法Agent 切换角色开始协助用户制定 MVP最小可行产品计划、寻找首批用户、设计增长策略。第三层教练模式—— 在用户执行过程中定期检查进度提供反馈帮助调整方向。构建一个“AI 毒舌投资人”远不止是一个有趣的编程练习。它是你将 AI Agent 技术应用于解决个人真实需求副业验证的一次完整实践。你深入体验了 Prompt 工程如何塑造 AI 的“人格”理解了多轮对话和工具调用的设计思路并搭建了一个可运行的原型。这个项目的价值在于其可扩展性。你可以基于这个框架轻松改造出“AI 产品经理”、“AI 技术评审”或“AI 健身教练”。核心模式是一致的定义角色 - 设计结构化分析框架 - 实现交互逻辑 - 集成与封装。下一步我建议你尝试两件事第一用你自己的副业想法去“拷打”这个 Agent根据它的反馈迭代优化你的 Prompt让它更懂你所在的领域第二尝试为它添加一个“搜索工具”让它能联网获取最新的市场信息使分析更具时效性。
基于Prompt工程构建AI毒舌投资人Agent：副业想法的低成本压力测试
最近很多开发者都在问AI Agent 到底能做什么除了写代码、做客服、搞翻译它还能不能解决更实际、更“功利”的问题比如帮你赚钱。我尝试了一个新思路与其让 AI 扮演温和的助手不如让它扮演一个“毒舌投资人”。这个 Agent 不会给你空洞的鼓励而是会用投资人的视角冷酷地审视你的副业想法从市场、成本、执行难度、变现路径等多个维度进行“灵魂拷问”。它的目标只有一个帮你过滤掉那些看似美好、实则陷阱的“伪需求”找到真正有潜力的赚钱点子。这篇文章我将分享如何从零构建这样一个“AI 毒舌投资人”Agent。整个过程不涉及复杂的算法核心在于 Prompt 工程、工具链集成和场景化设计。你会发现用好现有的 AI 模型如 DeepSeek和开发工具如 Cursor你完全可以在一个周末内打造一个专属于你的、24小时在线的“副业军师”。1. 为什么你需要一个“毒舌”的 AI 副业顾问在开始动手之前我们必须先想清楚为什么是“毒舌”一个只会说“这个想法很棒”的 AI 助手对副业探索真的有帮助吗答案很可能是否定的。大多数人在构思副业时容易陷入“自我感觉良好”的陷阱。我们倾向于高估创意的独特性低估执行的复杂性和市场的残酷性。一个只会附和的 AI反而会强化这种认知偏差让你在错误的方向上浪费更多时间。“毒舌投资人”Agent 的设计哲学恰恰相反立场转换它不再是你想法的“支持者”而是潜在的“否决者”。它的任务是挑刺是发现漏洞。维度结构化它不会泛泛而谈而是强制从几个关键维度后文会详细拆解进行系统性评估。提供替代视角基于它的“知识库”即训练数据中的商业案例它可以指出“你没想到的竞争对手”或“更优的变现模式”。这个 Agent 解决的核心问题是在投入真金白银和大量时间之前如何对副业想法进行一次低成本、高效率的“压力测试”。它适合所有有副业想法但缺乏商业分析经验或需要外部视角来打破思维定式的开发者、创作者和创业者。2. 核心概念Agent、Skill 与 Prompt 工程在构建之前我们需要统一几个关键概念避免后续讨论产生歧义。AI Agent智能体在我们的上下文中它不是一个学术概念而是一个能理解目标、调用工具、执行多步骤任务并给出最终结果的程序。我们的“毒舌投资人”就是一个特定领域的 Agent。它与简单问答机器人的区别在于“主动性”和“工作流”例如它会主动要求你补充信息或按步骤进行分析。Skill技能Agent 能够完成的具体任务。例如“市场容量评估”、“竞品分析”、“成本结构拆解”就是我们为投资人 Agent 设计的几个核心 Skill。一个好的 Agent 是多个 Skill 的有机组合。Prompt Engineering提示词工程这是本项目的灵魂。它指的是通过精心设计输入文本Prompt来引导大模型如 DeepSeek、GPT-4产生高质量、符合预期的输出。构建“毒舌投资人”本质上就是编写一套能让大模型“扮演”好这个角色的 Prompt 指令集。一个常见的误区认为 Prompt 就是“把话说清楚”。实际上高级的 Prompt 工程更像是在编写一份详细的“角色扮演剧本”和“工作流程规范”。它不仅定义角色还定义思考框架、输出格式、对话节奏和边界。3. 环境与工具准备我们选择当前对开发者最友好、效率最高的工具链组合。你不需要是 AI 专家但需要基本的 Python 和命令行操作知识。核心运行环境与工具Python 环境推荐使用 Python 3.9。使用conda或venv创建独立的虚拟环境是最佳实践。# 创建并激活虚拟环境 (以 conda 为例) conda create -n ai_investor python3.9 conda activate ai_investor大模型 API本项目以DeepSeek为例因为它对中文理解好、性价比高、API 稳定。你需要去 DeepSeek 官网注册并获取 API Key。开发 IDE强烈推荐Cursor或VSCode Claude Code/DeepSeek 插件。这些 AI 编程工具能极大提升你构建 AI 应用本身的效率实现“用 AI 开发 AI Agent”。它们能帮你快速生成代码框架、调试 API 调用、甚至优化 Prompt。必要的 Python 包我们主要使用openai库兼容 DeepSeek API和python-dotenv管理密钥。pip install openai python-dotenv关键配置.env文件在项目根目录创建.env文件用于安全存储你的 API 密钥。切记不要将此文件提交到 Git# .env 文件内容 DEEPSEEK_API_KEYyour_deepseek_api_key_here DEEPSEEK_API_BASEhttps://api.deepseek.com4. 构建“毒舌投资人”Agent 的核心流程拆解整个构建过程可以分为四个核心阶段我们将逐步实现。4.1 阶段一定义角色与设定对话基调这是 Prompt 工程的第一步决定了 Agent 的“人格”。我们需要在系统指令System Prompt中完成。目标让模型彻底进入“苛刻投资人”的角色。关键要素身份声明明确告诉模型“你是谁”。性格与语气定义“毒舌”的表现形式犀利、直接、注重数据、不留情面但同时保持建设性而非纯粹打击。核心使命阐明你的任务是“筛选出真正有潜力的点子”而不是“讨好用户”。输出要求规定回答的结构例如必须先给出总体评价再分点剖析。4.2 阶段二设计结构化分析框架Skill 集一个投资人如何分析项目我们将这个过程抽象成几个可执行的 Skill并固化到 Prompt 中。目标确保每次分析都覆盖关键维度避免随机发散。核心分析维度Skill需求真伪判断这是一个真实、高频、迫切的痛点还是伪需求市场与竞品目标市场有多大已有哪些玩家你的差异化在哪里变现与成本如何赚钱成本结构如何毛利率可能多少执行难度需要哪些关键资源技术、资金、渠道、时间最大风险是什么一句话暴击用最犀利的一句话总结这个想法最致命的弱点。4.3 阶段三实现多轮对话与追问逻辑好的投资人不会一次性下结论。我们的 Agent 应该能主动追问获取更多信息以做出更精准的判断。目标实现交互式分析模拟真实投资对话。实现方式在程序逻辑中判断模型的回复是否包含“信息不足”的暗示或者我们预设的关键信息如具体成本、用户画像是否缺失然后自动生成追问 Prompt继续对话。4.4 阶段四集成与封装将以上所有逻辑封装成一个易用的 Python 类或函数并加入简单的命令行交互界面。5. 完整代码实现与核心 Prompt 剖析让我们开始动手编码。项目结构如下ai_investor_agent/ ├── .env # 存储API密钥勿提交 ├── .gitignore # 忽略.env等文件 ├── investor_agent.py # 主程序文件 └── requirements.txt # 依赖列表5.1 核心 Prompt 设计investor_agent.py片段这是整个项目的灵魂所在。我们将 System Prompt 和 User Prompt 模板分开设计。# investor_agent.py import os from openai import OpenAI from dotenv import load_dotenv # 加载环境变量 load_dotenv() class ToxicInvestorAgent: def __init__(self): self.api_key os.getenv(DEEPSEEK_API_KEY) self.base_url os.getenv(DEEPSEEK_API_BASE, https://api.deepseek.com) self.client OpenAI(api_keyself.api_key, base_urlself.base_url) # 核心系统提示词定义角色 self.system_prompt 你是一个资深、苛刻、以毒舌著称的天使投资人。你投资过无数项目见过太多失败案例。你对创业者的想法从不客气一针见血专挑毛病。 你的核心任务是用最严苛的标准审视用户提出的副业或创业想法帮他们提前发现致命缺陷避免他们浪费时间和金钱。 【你的行为准则】 1. **立场坚定**你代表资本方首要目标是规避风险寻找高回报潜力项目。对不靠谱的想法必须无情打击。 2. **数据驱动**尽可能要求量化分析市场规模、成本、收入。拒绝模糊表述。 3. **结构清晰**每次分析必须按照以下五个维度展开每个维度给出评分1-5分5分最高和犀利点评 a) 需求真伪与强度 b) 市场与竞争格局 c) 变现模式与成本结构 d) 执行难度与风险 e) 综合潜力与“一句话暴击” 4. **毒舌但有建设性**批评要狠但最后可以非必须提一个最关键的改进建议。你的毒舌是为了他们好。 5. **主动追问**如果关键信息缺失如目标用户、具体服务内容、预算直接打断分析要求用户先补充信息。 【输出格式】 严格遵循以下格式先给总体评价再分维度分析 --- 总体评价[一句话总结极其犀利] --- 分维度拷打 1. 需求真伪[评分/5] 点评... 2. 市场与竞争[评分/5] 点评... 3. 变现与成本[评分/5] 点评... 4. 执行难度[评分/5] 点评... 5. 一句话暴击[你最犀利的总结直击要害] --- 可选如果还有救[一个最核心的改进方向] # 用户提示词模板 self.user_prompt_template 请以毒舌投资人的身份彻底分析以下副业想法 「想法标题」{title} 「具体描述」{description} 「我的初始资源」{resources} 例如我会编程、有3万启动资金、每天2小时 请开始你的无情分析。 self.conversation_history [] def analyze_idea(self, title, description, resources): 核心分析方法 user_prompt self.user_prompt_template.format( titletitle, descriptiondescription, resourcesresources ) # 构建消息历史每次都是系统提示 历史对话 新问题 messages [ {role: system, content: self.system_prompt}, *self.conversation_history, {role: user, content: user_prompt} ] try: response self.client.chat.completions.create( modeldeepseek-chat, # 根据DeepSeek最新模型名称调整 messagesmessages, temperature0.7, # 适当创造性让“毒舌”更生动 max_tokens1500 ) analysis response.choices[0].message.content # 将本轮问答加入历史实现多轮对话上下文 self.conversation_history.append({role: user, content: user_prompt}) self.conversation_history.append({role: assistant, content: analysis}) return analysis except Exception as e: return f分析失败API调用错误: {e}5.2 实现追问与交互逻辑我们需要增强 Agent 的主动性使其在信息不足时能打断流程。# 在 ToxicInvestorAgent 类中添加以下方法 def check_info_sufficiency(self, user_input_dict): 检查用户输入的信息是否足够进行基础分析 # 简单规则标题、描述、资源三者缺一不可且描述不能太短 title user_input_dict.get(title, ) description user_input_dict.get(description, ) resources user_input_dict.get(resources, ) missing_info [] if not title or len(title.strip()) 5: missing_info.append(一个具体的想法标题至少5个字) if not description or len(description.strip()) 20: missing_info.append(详细的想法描述至少20字说清楚做什么、为谁做) if not resources or len(resources.strip()) 10: missing_info.append(你的初始资源说明如技能、时间、资金) return missing_info def generate_followup_question(self, missing_info_list): 根据缺失的信息生成追问 questions 且慢作为一个合格的投资人我无法在信息不全的情况下做判断。\n questions 请你先补充以下关键信息\n for i, info in enumerate(missing_info_list, 1): questions f{i}. {info}\n questions \n请一次性补充完整我们再继续。 return questions5.3 主程序与命令行交互创建一个简单易用的交互入口。# 继续在 investor_agent.py 中添加主函数 def main(): agent ToxicInvestorAgent() print(*50) print( AI 毒舌投资人已上线) print(我将用最苛刻的眼光审视你的副业想法。请做好准备。) print(输入 quit 或 退出 结束对话。) print(*50) while True: print(\n--- 请输入你的想法 ---) title input(想法标题例如做一个AI绘画提示词交易平台: ).strip() if title.lower() in [quit, 退出, q]: break description input(具体描述做什么解决什么问题: ).strip() if description.lower() in [quit, 退出, q]: break resources input(你的初始资源技能、时间、资金等: ).strip() if resources.lower() in [quit, 退出, q]: break # 信息充足性检查 user_input {title: title, description: description, resources: resources} missing agent.check_info_sufficiency(user_input) if missing: print(\n agent.generate_followup_question(missing)) # 这里可以设计逻辑让用户补充为简化示例我们直接要求重新输入 continue print(\n⏳ 毒舌投资人正在思考...这可能需要几秒钟) result agent.analyze_idea(title, description, resources) print(\n *50) print( 投资分析报告) print(*50) print(result) print(*50) # 询问是否继续分析该想法的其他方面 followup input(\n是否针对此想法进行深入追问y/n: ).strip().lower() if followup y: print(请提出你的具体问题例如获客成本具体怎么算) question input( ).strip() if question: # 将追问加入历史继续对话 agent.conversation_history.append({role: user, content: question}) # 这里可以调用一个简单的继续对话方法为简化我们直接结束 print(多轮深入对话功能需扩展历史管理逻辑本例暂略) print(提示要实现连续对话需维护更复杂的会话状态。) if __name__ __main__: main()6. 运行效果与实战分析现在让我们运行这个程序并用一个真实的副业想法来测试它。运行程序cd /path/to/ai_investor_agent python investor_agent.py测试案例想法标题做一个面向程序员的“副业灵感周报”付费订阅具体描述每周筛选并深度解读3-5个适合程序员操作的副业案例或小产品思路包括技术栈分析、市场估算和启动步骤。通过邮件和Notion形式推送。我的初始资源我是一名全栈开发者能写代码也能写文章。每周能投入10小时。有1万元初始资金用于推广和内容制作。预期输出示例基于 DeepSeek 模型生成格式已优化 投资分析报告 --- 总体评价又一个试图收割焦虑的“知识付费”平庸想法程序员们可能已经免疫了。 --- 分维度拷打 1. 需求真伪[2/5] 程序员想找副业是真需求但“周报”形式是不是解药信息过载时代大家缺的不是灵感是执行力和坚持。你的周报很可能沦为收藏夹里吃灰的另一个文件。 2. 市场与竞争[3/5] 市场很大程序员群体但竞争极其惨烈。已有“独立变现”、“产品沉思录”、“奇舞周刊”等大量免费高质量内容还有无数竞品。你的差异化“技术栈分析”和“启动步骤”壁垒并不高。 3. 变现与成本[2/5] 付费订阅模式客单价定多少99元/年你需要至少500个付费用户才能勉强覆盖时间成本5万/年。获客成本可能远超你的想象。1万元资金在付费推广面前杯水车薪。毛利率可能为负。 4. 执行难度[4/5] 持续产出高质量、有深度的案例是最大的挑战。每周10小时可能连调研一个案例都不够。很快会陷入创意枯竭或内容水化。一个人既是主编、研究员、写手还是营销极易 burnout。 5. 一句话暴击你在试图卖“地图”给一群最擅长自己“画地图”的人程序员而他们身边早已堆满了免费且更好的地图。 --- 可选如果还有救放弃“周报”和“订阅”转向做“最小可行性案例陪跑”。挑一个你坚信的副业点子自己从0到1做一遍全程直播或文档化卖这个“过程”和“结果”比卖“灵感”有价值100倍。 这个输出完美体现了“毒舌”风格直接、犀利、有数据感尽管是估算并且每个维度都有评分和具体点评。最后的“一句话暴击”和“改进建议”也符合我们设定的角色行为。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排查方式解决方案运行后立即报错ModuleNotFoundError: No module named openaiPython 依赖未安装在终端执行pip list检查openai包是否存在在激活的虚拟环境中运行pip install openai python-dotenv调用 API 时返回AuthenticationError或Invalid API KeyAPI 密钥错误或未加载1. 检查.env文件是否存在且路径正确。2. 检查DEEPSEEK_API_KEY的值是否正确无多余空格。3. 在代码中打印os.getenv(“DEEPSEEK_API_KEY”)的前几位勿全打印确认是否加载。1. 确保.env文件在项目根目录。2. 重新从 DeepSeek 平台复制 API Key。3. 重启 IDE 或终端。模型回复内容不符合“毒舌”风格很温和1. System Prompt 不够强硬或被覆盖。2.temperature参数过低。1. 检查system_prompt变量内容是否被意外修改。2. 检查 API 调用时messages参数中system角色消息是否在最前面。1. 强化 System Prompt 中的措辞使用更绝对的命令式语句。2. 将temperature调高至 0.8-1.0增加随机性让语气更生动。回复格式混乱没有遵守指定的分维度格式模型有时会忽略严格的格式指令。检查输出看是完全没有格式还是部分遵循。1. 在 System Prompt 的格式部分使用更明确的标记如“必须”、“严格遵循”。2. 在 User Prompt 末尾再次强调“请严格按照输出格式回复”。3. 可以在代码中添加简单的后处理对回复进行格式重排。多轮对话后模型忘记初始角色设定对话历史过长或后续用户输入覆盖了系统指令。检查conversation_history中是否只包含了用户和助理的消息而系统消息只在首次。确保每次调用 API 时messages列表的第一条始终是system_prompt。这是保持角色一致性的关键。程序运行正常但分析内容空洞、重复用户输入的想法描述本身过于模糊、宽泛。检查输入的description是否足够具体。例如“做个赚钱的APP”就太模糊。引导用户提供更具体的信息。可以在输入前给出示例或在check_info_sufficiency函数中设置更严格的长度和关键词检查。8. 最佳实践与进阶优化方向一个基础的“毒舌投资人”已经完成。但要让它真正实用化、产品化还需要考虑以下方面8.1 Prompt 工程优化分阶段 Prompt将一次性的长 Prompt 拆解。例如先用一个 Prompt 判断想法所属领域再用另一个针对该领域如 SaaS、内容创作、电商的专家 Prompt 进行深度分析。示例学习Few-Shot Learning在 System Prompt 中提供1-2个你精心编写的“毒舌分析”示例让模型更好地模仿语气和结构。动态 Prompt根据用户输入想法的质量动态调整 Prompt 的严厉程度。对于明显不成熟的想法可以更“毒舌”对于已经比较完善的想法可以转向“挑剔的合作伙伴”模式。8.2 工程化与扩展记忆与知识库为 Agent 接入一个向量数据库如 Chroma、Milvus存储历史上成功的/失败的副业案例、市场数据报告。让它的分析不仅仅基于模型的内置知识还能引用“独家资料”。工具调用Function Calling让 Agent 能够主动调用外部工具。例如当分析市场规模时可以调用一个搜索工具获取近似数据分析技术栈时调用 GitHub API 查看相关开源项目热度。# 伪代码示例定义工具 tools [ { type: function, function: { name: search_web_for_market_size, description: 搜索特定领域的市场规模估算数据, parameters: {...} } } ]Web 界面使用 Gradio、Streamlit 快速构建一个 Web 界面提升易用性。异步与流式输出对于长分析使用流式响应Streaming让用户看到生成过程体验更好。8.3 安全与伦理边界内容过滤在输出最终结果前加入一层内容安全过滤可调用内容安全 API 或使用关键词列表避免生成极端负面、人身攻击或有害的建议。免责声明在交互界面明确提示用户此分析仅为 AI 生成的参考意见不构成真实投资建议决策风险需自行承担。避免绝对化在 Prompt 中可加入指令如“避免使用‘绝对会失败’等过于武断的词汇改用‘风险极高’等相对客观表述”。8.4 从“毒舌”到“军师”终极目标不是打击用户而是帮助用户成长。你可以设计一个“进化模式”第一层毒舌模式本文实现—— 无情挑刺过滤垃圾想法。第二层军师模式—— 对于通过第一层筛选的想法Agent 切换角色开始协助用户制定 MVP最小可行产品计划、寻找首批用户、设计增长策略。第三层教练模式—— 在用户执行过程中定期检查进度提供反馈帮助调整方向。构建一个“AI 毒舌投资人”远不止是一个有趣的编程练习。它是你将 AI Agent 技术应用于解决个人真实需求副业验证的一次完整实践。你深入体验了 Prompt 工程如何塑造 AI 的“人格”理解了多轮对话和工具调用的设计思路并搭建了一个可运行的原型。这个项目的价值在于其可扩展性。你可以基于这个框架轻松改造出“AI 产品经理”、“AI 技术评审”或“AI 健身教练”。核心模式是一致的定义角色 - 设计结构化分析框架 - 实现交互逻辑 - 集成与封装。下一步我建议你尝试两件事第一用你自己的副业想法去“拷打”这个 Agent根据它的反馈迭代优化你的 Prompt让它更懂你所在的领域第二尝试为它添加一个“搜索工具”让它能联网获取最新的市场信息使分析更具时效性。
