把前 19 天的知识串起来，我用 Python 做了个能聊天的客服机器人
✨ 从零到一做出第一个 AI 应用，从此不是"只会看教程"
API 调用不是目的，
是解决问题的工具。
90% 的人学完还在"收藏=学会"，老手已经做出能用的机器人。
"小雪，我淘宝店每天客服咨询 200+，80% 都是重复问题：'发什么快递'、'什么时候发货'、'能便宜吗'。我雇了 3 个客服，每天还是回复不过来，差评越来越多。"
我问他："这些问题有标准答案吗？"
他说："有啊，都是固定的。发圆通、48 小时发货、不议价。"
我给他写了个客服机器人：
class CustomerServiceBot:
def chat(self, question):
# 自动回答客户问题
answer = call_ai(question)
return answer
现在，80% 的常见问题机器人自动回复，3 个客服只处理 20% 的复杂问题。
✅ 客服成本从 15000/月降到 5000/月，省下的钱够再开一家店。
这不是代码，这是竞争力。✿
| 响应速度 | 秒回 | |
| 工作时间 | 7×24 小时 | |
| 成本 | 500 元/月（API 费） | |
| 情绪波动 | 永远耐心 | |
| 知识更新 | 改提示词即可 | |
| 并发能力 | 1 对无限 |
💡 关键理解：AI 不是替代人，是让人做更有价值的事。客服从重复问答中解放，去处理复杂投诉和客户关系。
用户提问 → 程序接收 → 调用 API → 模型生成 → 返回回答 → 显示给用户
↓
保存对话历史（下次能记住上下文）
👂 用户输入 = 耳朵（听）：接收问题
👄 API 客户端 = 嘴巴（说）：发送请求
🎭 系统提示词 = 人设（身份）：设定角色
🧠 对话历史 = 记忆（脑）：记住上下文
🛡️ 错误处理 = 免疫系统：出问题时不崩溃
# 导入 OpenAI 库
import openai
# 配置 API 密钥（从环境变量读取更安全，详见下文避坑指南）
openai.api_key = "sk-你的 API Key"
# 定义智能客服机器人类
class CustomerServiceBot:
"""智能客服机器人，支持多轮对话和错误处理"""
# 初始化方法：设定机器人角色，初始化对话历史
def __init__(self, product_name="AI 学习课程"):
# 保存产品名称
self.product_name = product_name
# 设定机器人角色提示词
self.system_prompt = f"""你是一个专业的客服助手，负责解答关于{product_name}的问题。
要求：
1. 回答准确、友好、简洁
2. 不知道的问题诚实承认
3. 每次回答控制在 200 字以内"""
# 初始化对话历史，第一条是系统提示词
self.history = [{"role": "system", "content": self.system_prompt}]
# 核心对话方法：接收用户问题，返回 AI 回答
def chat(self, user_input):
# 添加用户问题到对话历史
self.history.append({"role": "user", "content": user_input})
try:
# 调用 OpenAI API 获取回答
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo", # 使用的模型
messages=self.history, # 传入完整对话历史（实现多轮对话）
temperature=0.7, # 回答随机性（0-2，越大越有创意）
max_tokens=300 # 最大输出长度（控制费用）
)
# 提取回答内容
answer = response.choices[0].message.content
# 把 AI 回答保存到对话历史（下次对话能记住上下文）
self.history.append({"role": "assistant", "content": answer})
# 返回回答给用户
return answer
# 错误处理：API 调用失败时不崩溃，返回友好提示
except Exception as e:
return f"抱歉，出了点问题：{e}"
# 清空对话历史方法
def clear(self):
"""清空对话历史，重新开始对话"""
self.history = [{"role": "system", "content": self.system_prompt}]
# 主程序：交互式对话
if __name__ == "__main__":
# 打印欢迎信息
print("=" * 50)
print("🤖 智能客服机器人 v1.0")
print("=" * 50)
# 创建机器人实例
bot = CustomerServiceBot(product_name="AI 学习课程")
print("\n💬 开始对话（输入'quit'退出，'clear'清空）\n")
# 循环接收用户输入
while True:
user_input = input("👤 你：").strip()
# 退出命令
if user_input.lower() in ["quit", "exit"]:
print("👋 再见！")
break
# 清空历史命令
if user_input.lower() == "clear":
bot.clear()
print("✅ 已清空\n")
continue
# 调用机器人对话方法，打印回答
answer = bot.chat(user_input)
print(f"🤖 客服：{answer}\n")
💡 运行方法：保存为 bot.py，终端运行 python bot.py
可以来「搭纸」小程序里，在这里有一群人一起努力，可以互相鼓励，一起坚持。
✅ 个人日程 — 可以记录自己重要的日程，提醒你
✅ 习惯打卡 — 创建你学习AI的习惯，提醒你打卡
✅ 打卡分享 — 分享你的学习感受，让更多的人看到你的优先
点击下方小程序卡片「搭纸」快来一起学习
关注公众号，可私信进学习交流群 🎁
==================================================
🤖 智能客服机器人 v1.0
==================================================
💬 开始对话（输入'quit'退出，'clear'清空）
👤 你：这个课程多少钱？
🤖 客服：我们的 AI 学习课程售价 199 元，包含 180 天的完整学习内容和社群服务。
👤 你：学完能找到工作吗？
🤖 客服：这取决于你的学习投入和基础。课程从零开始，完成后可掌握 AI 应用开发技能。
👤 你：有优惠吗？
🤖 客服：目前有两种优惠：学生凭证 8 折，团报（3 人及以上）7 折。
👤 你：quit
👋 再见！
✅ 看，机器人记住了上下文！问价格→问就业→问优惠，对话连贯自然。
def chat(question):
# 错误：每次都只发当前问题，不保存历史
# 机器人无法记住上文，不能连续对话
messages = [{"role": "user", "content": question}]
response = openai.ChatCompletion.create(messages=messages)
⚠️ 后果：机器人没有记忆，每轮对话都是新的，无法连续聊天。
class ChatBot:
def __init__(self):
# 正确：用类变量保存对话历史
self.history = [...]
def chat(self, question):
# 正确：每次把用户问题添加到历史
self.history.append({"role": "user", "content": question})
# ... 调用 API
# 正确：把机器人回答也保存到历史
self.history.append({"role": "assistant", "content": answer})
# 错误：没有错误处理，出错直接崩溃
# 网络波动、Key 错误、限流都会导致程序闪退
response = openai.ChatCompletion.create(...)
⚠️ 后果：网络波动、Key 错误、限流都会让程序崩溃。
try:
# 尝试调用 API
response = openai.ChatCompletion.create(...)
# 处理限流错误
except openai.error.RateLimitError:
# 返回友好提示，不崩溃
return "请求太多，请稍后再试"
# 处理其他所有异常
except Exception as e:
# 返回错误信息，程序继续运行
return f"抱歉，出了点问题：{e}"
# 错误：直接把 API Key 写在代码里
# 上传 GitHub 会被爬虫抓取，导致 Key 被盗用
# 可能会被刷爆信用卡！
openai.api_key = "sk-xxxxx"
⚠️ 后果：Key 被盗用，信用卡被刷爆。
# 正确：从环境变量读取 API Key
# 代码里不出现明文，不会泄露
import os
openai.api_key = os.getenv("OPENAI_API_KEY")
💡 设置环境变量：
Mac/Linux: export OPENAI_API_KEY=sk-xxx
Windows: set OPENAI_API_KEY=sk-xxx
1. 复制上面的完整代码
2. 替换 API Key 为你的真实密钥
3. 修改产品名称为"Python 入门课"
4. 运行程序，测试以下问题：
• "学完能找到工作吗？"
• "有优惠吗？"
• "课程多长时间？"
def chat(self, user_input):
# 思路：先检查是否是常见固定问题
# 如果是，直接返回预设答案，节省 API 费用
if "价格" in user_input or "多少钱" in user_input:
# 价格问题，直接回答
return "我们的课程售价 199 元"
elif "时间" in user_input or "几天" in user_input:
# 时长问题，直接回答
return "课程共 180 天，每天 30 分钟"
else:
# 非常见问题，再调用 AI API
return self.call_api(user_input)
# 提示：每次对话后追加写入文件
# 'a' 表示追加模式，不会覆盖之前的记录
# encoding="utf-8" 支持中文
with open("chat_history.txt", "a", encoding="utf-8") as f:
# 写入用户提问
f.write(f"用户：{user_input}\n")
# 写入客服回答
f.write(f"客服：{answer}\n\n")
💡 提交方式：在评论区晒出你的运行截图，我会逐一点评！
✅ 理解智能客服工作流程
✅ 封装可复用的 API 调用函数
✅ 添加错误处理和重试机制
✅ 支持多轮对话（记住上下文）
✅ 完成第一个可运行的 AI 应用
🎉 第一阶段（大模型 API 调用基础）完成！
从明天开始，我们进入 Prompt 工程 系列，学习如何让大模型给出更准确、更有用的回答。
明天见！ 👋
📌 记得把代码运行起来，动手实践比只看更重要！✿
关注公众号，下篇Prompt 工程基础
