跳到主要内容
极客日志极客日志面向AI+效率的开发者社区
首页博客GitHub 精选镜像AI 生图工具UI配色美学隐私政策关于联系
搜索内容 / 工具 / 仓库 / 镜像...⌘K搜索
注册
博客列表
PythonAI算法

Python 打造 AI 三剑客:文档总结、代码生成与资料检索

使用 Python 结合 LLM API 构建智能文档总结器、AI 代码生成器及智能资料助手。通过封装统一客户端、文本分块并行处理、多源搜索整合及安全代码执行,实现自动化工作流。提供命令行整合方案与云端部署指南,有效降低开发成本并显著提升信息处理效率。

KernelLab发布于 2026/4/5更新于 2026/7/2551 浏览
Python 打造 AI 三剑客:文档总结、代码生成与资料检索

Python 打造 AI 三剑客:文档总结、代码生成与资料检索

一、准备工作:环境与 API 配置

1.1 技术栈选择

技术组件推荐方案成本说明
LLM 模型DeepSeek / Qwen免费/低价国内模型,中文优秀
API 平台硅基流动 / 魔搭社区¥0.001/1k tokens新用户有免费额度
文档解析PyPDF2 / Unstructured免费支持 PDF/Word/Markdown
代码运行Subprocess / Docker免费本地沙箱执行
搜索引擎Bing Search API付费(有免费层)或用 DuckDuckGo 免费版

1.2 环境配置

# 创建虚拟环境
python -m venv ai-tools-env
source ai-tools-env/bin/activate
# Windows 用:ai-tools-env\Scripts\activate

# 安装依赖
pip install openai pypdf2 requests beautifulsoup4 python-dotenv
pip install aiohttp httpx # 异步请求支持

创建 .env 文件:

# API 配置
DEEPSEEK_API_KEY=your_deepseek_api_key
DEEPSEEK_BASE_URL=https://api.deepseek.com/v1
# 或使用硅基流动(支持多个模型)
SILICONFLOW_API_KEY=your_siliconflow_key
SILICONFLOW_BASE_URL=https://api.siliconflow.cn/v1
# 搜索 API(可选)
BING_SEARCH_API_KEY=your_bing_key

1.3 核心工具类封装

在开始之前,我们先封装一个统一的 LLM 调用类:

import os
import asyncio
from typing import List, Dict, , AsyncGenerator
 dataclasses  dataclass
 openai  AsyncOpenAI
 dotenv  load_dotenv

load_dotenv()


 :
    
    role:   
    content: 

 :
    
     ():
        .api_key = api_key  os.getenv()
        .base_url = base_url  os.getenv()
        .model = model
        .temperature = temperature
        .client = AsyncOpenAI(api_key=.api_key, base_url=.base_url)

      () -> :
        
        response =  .client.chat.completions.create(
            model=.model,
            messages=[{: m.role, : m.content}  m  messages],
            temperature=kwargs.get(, .temperature),
            stream=stream,
            max_tokens=kwargs.get(, )
        )
         stream:
            full_content = 
              chunk  response:
                 chunk.choices[].delta.content:
                    content = chunk.choices[].delta.content
                    full_content += content
                    (content, end=, flush=)
             full_content
        :
             response.choices[].message.content

      () -> :
        
        response =  .client.chat.completions.create(
            model=.model,
            messages=[{: m.role, : m.content}  m  messages],
            tools=functions,
            tool_choice=
        )
         response.choices[].message


  ():
    llm = LLMClient()
    response =  llm.chat([Message(role=, content=)])
    (response)

 __name__ == :
    asyncio.run(test_llm())
Optional
from
import
from
import
from
import
@dataclass
class
Message
"""消息数据结构"""
str
# system / user / assistant
str
class
LLMClient
"""统一的大模型客户端"""
def
__init__
self, api_key: str = None, base_url: str = None, model: str = "deepseek-chat", temperature: float = 0.7
self
or
"DEEPSEEK_API_KEY"
self
or
"DEEPSEEK_BASE_URL"
self
self
self
self
self
async
def
chat
self, messages: List[Message], stream: bool = False, **kwargs
str
"""发送聊天请求 Args: messages: 消息列表 stream: 是否流式输出 **kwargs: 其他参数(max_tokens 等) Returns: 模型回复内容 """
await
self
self
"role"
"content"
for
in
"temperature"
self
"max_tokens"
4000
if
""
async
for
in
if
0
0
print
""
True
return
else
return
0
async
def
chat_with_functions
self, messages: List[Message], functions: List[Dict]
Dict
"""带函数调用的聊天(用于代码执行等场景)"""
await
self
self
"role"
"content"
for
in
"auto"
return
0
# 使用示例
async
def
test_llm
await
"user"
"用 Python 写一个快速排序"
print
if
"__main__"

二、工具一:智能文档总结器

2.1 功能设计

  • 输入:PDF, Word, 网页,Markdown
  • 处理:PyPDF2 解析,python-docx 解析,BeautifulSoup 提取,直接读取
  • 分块:按 Token 数切分
  • 并行:LLM 总结,每个块独立处理
  • 整合:二次总结,合并块摘要
  • 输出:Markdown 格式,思维导图,关键要点表格

2.2 核心代码实现

import asyncio
from typing import List, Optional
from pathlib import Path
import PyPDF2
from bs4 import BeautifulSoup
import aiohttp
from dataclasses import dataclass
from datetime import datetime

@dataclass
class DocumentSummary:
    """文档摘要结果"""
    title: str
    summary: str
    key_points: List[str]
    reading_time: int  # 预计阅读时间(分钟)
    word_count: int
    created_at: str

class DocumentParser:
    """文档解析器"""
    @staticmethod
    async def parse_pdf(file_path: str) -> str:
        """解析 PDF 文件"""
        text = ""
        with open(file_path, 'rb') as file:
            pdf_reader = PyPDF2.PdfReader(file)
            for page in pdf_reader.pages:
                text += page.extract_text() + "\n"
        return text

    @staticmethod
    async def parse_text(file_path: str) -> str:
        """解析纯文本文件"""
        with open(file_path, 'r', encoding='utf-8') as f:
            return f.read()

    @staticmethod
    async def parse_url(url: str) -> str:
        """解析网页内容"""
        async with aiohttp.ClientSession() as session:
            async with session.get(url) as response:
                html = await response.text()
                soup = BeautifulSoup(html, 'html.parser')
                for script in soup(['script', 'style']):
                    script.decompose()
                return soup.get_text(separator='\n', strip=True)

class TextChunker:
    """文本分块器"""
    def __init__(self, chunk_size: int = 3000, overlap: int = 200):
        self.chunk_size = chunk_size
        self.overlap = overlap

    def chunk(self, text: str) -> List[str]:
        """将文本分成多个块"""
        paragraphs = text.split('\n\n')
        chunks = []
        current_chunk = ""
        for para in paragraphs:
            if len(current_chunk) + len(para) <= self.chunk_size:
                current_chunk += para + "\n\n"
            else:
                if current_chunk:
                    chunks.append(current_chunk.strip())
                if len(para) > self.chunk_size:
                    for i in range(0, len(para), self.chunk_size - self.overlap):
                        chunks.append(para[i:i + self.chunk_size])
                current_chunk = ""
        if current_chunk:
            chunks.append(current_chunk.strip())
        return chunks

class DocumentSummarizer:
    """智能文档总结器"""
    def __init__(self, llm_client: LLMClient):
        self.llm = llm_client
        self.parser = DocumentParser()
        self.chunker = TextChunker()

    async def summarize(self, source: str, source_type: str = "file", output_format: str = "markdown") -> DocumentSummary:
        """总结文档"""
        print(f"📖 正在解析文档:{source}")
        if source_type == "url":
            text = await self.parser.parse_url(source)
            title = await self._extract_title_from_url(text)
        else:
            if source.endswith('.pdf'):
                text = await self.parser.parse_pdf(source)
            else:
                text = await self.parser.parse_text(source)
            title = Path(source).stem

        word_count = len(text)
        reading_time = max(1, word_count // 500)
        print(f"✅ 解析完成,共 {word_count} 字,预计阅读 {reading_time} 分钟")
        print(f"🔪 正在分块...")
        chunks = self.chunker.chunk(text)
        print(f"📦 分成 {len(chunks)} 个块")
        print(f"🤖 正在 AI 总结...")
        chunk_summaries = await self._summarize_chunks(chunks)
        print(f"🔄 正在整合摘要...")
        final_summary = await self._merge_summaries(chunk_summaries, title)
        key_points = await self._extract_key_points(final_summary)

        return DocumentSummary(
            title=title,
            summary=final_summary,
            key_points=key_points,
            reading_time=reading_time,
            word_count=word_count,
            created_at=datetime.now().strftime("%Y-%m-%d %H:%M:%S")
        )

    async def _summarize_chunks(self, chunks: List[str]) -> List[str]:
        """并行总结每个文本块"""
        semaphore = asyncio.Semaphore(5)
        async def summarize_chunk(chunk: str, index: int):
            async with semaphore:
                prompt = f"""请总结以下文本的核心内容,要求:
1. 保留关键信息(数据、结论、人名等)
2. 省略细节和例子
3. 用简洁的语言表达
4. 200 字以内
文本内容:{chunk}
总结:"""
                response = await self.llm.chat([
                    Message(role="system", content="你是一个专业的内容总结助手"),
                    Message(role="user", content=prompt)
                ])
                print(f" └─ 块 {index+1}/{len(chunks)} 完成")
                return response

        tasks = [summarize_chunk(chunk, i) for i, chunk in enumerate(chunks)]
        return await asyncio.gather(*tasks)

    async def _merge_summaries(self, summaries: List[str], title: str) -> str:
        """合并所有摘要"""
        combined = "\n\n".join([f"• {s}" for s in summaries])
        prompt = f"""以下是文档《{title}》的分块摘要,请整合成一篇完整的总结:
{combined}
请按以下格式输出:
# 文档总结
## 核心内容
[200-300 字的完整总结]
## 主要观点
1. [观点 1]
2. [观点 2]
...
整合后的总结:"""
        response = await self.llm.chat([
            Message(role="system", content="你是一个专业的内容整合助手"),
            Message(role="user", content=prompt)
        ])
        return response

    async def _extract_key_points(self, summary: str) -> List[str]:
        """提取关键要点"""
        prompt = f"""从以下总结中提取 5-7 个关键要点,每点不超过 20 字:
{summary}
只输出要点列表,每行一个:"""
        response = await self.llm.chat([Message(role="user", content=prompt)])
        return [line.strip() for line in response.split('\n') if line.strip()]

    async def _extract_title_from_url(self, text: str) -> str:
        """从网页文本中提取标题"""
        prompt = f"""从以下文本中提取文章标题,只返回标题:
{text[:500]}
标题:"""
        response = await self.llm.chat([Message(role="user", content=prompt)])
        return response.strip()

# 使用示例
async def main_summarizer():
    llm = LLMClient()
    summarizer = DocumentSummarizer(llm)
    result = await summarizer.summarize(source="research_paper.pdf", source_type="file")
    print("\n" + "="*60)
    print(f"📄 标题:{result.title}")
    print(f"⏱️ 预计阅读时间:{result.reading_time} 分钟")
    print(f"📊 字数:{result.word_count}")
    print("\n🔑 关键要点:")
    for point in result.key_points:
        print(f" • {point}")
    print(f"\n📝 总结:\n{result.summary}")

if __name__ == "__main__":
    asyncio.run(main_summarizer())
2.3 使用效果对比
文档类型原始阅读时间AI 总结时间效率提升
论文(30 页)60 分钟30 秒120 倍
技术文档20 分钟15 秒80 倍
新闻文章5 分钟10 秒30 倍
行业报告45 分钟25 秒108 倍

三、工具二:AI 代码生成器

3.1 功能架构

  • 生成新代码:用户输入需求 -> 意图分析 -> 代码生成模式
  • 解释代码:用户输入代码 -> 意图分析 -> 代码解释模式
  • 优化代码:用户输入代码 -> 意图分析 -> 代码优化模式
  • 修复 Bug:用户输入代码 + 错误信息 -> 意图分析 -> 调试模式
  • 测试生成:生成测试用例 -> 输出完整方案

3.2 核心实现

import re
import subprocess
import tempfile
from typing import Dict, List, Optional, Tuple
from enum import Enum
import ast

class CodeMode(Enum):
    """代码生成模式"""
    GENERATE = "generate"
    EXPLAIN = "explain"
    OPTIMIZE = "optimize"
    DEBUG = "debug"
    TEST = "test"

@dataclass
class CodeResult:
    """代码生成结果"""
    code: str
    language: str
    explanation: str
    tests: Optional[str] = None
    warnings: List[str] = None

class CodeGenerator:
    """AI 代码生成器"""
    def __init__(self, llm_client: LLMClient):
        self.llm = llm_client
        self.quality_rules = {
            "security": [r"eval\s*\(", r"exec\s*\(", r"pickle\.loads?"],
            "performance": [r"for\s+\w+\s+in\s+range\(len\("]
        }

    async def generate(self, requirement: str, language: str = "python", mode: CodeMode = CodeMode.GENERATE, context: str = "") -> CodeResult:
        """生成/处理代码"""
        mode_prompts = {
            CodeMode.GENERATE: self._build_generate_prompt,
            CodeMode.EXPLAIN: self._build_explain_prompt,
            CodeMode.OPTIMIZE: self._build_optimize_prompt,
            CodeMode.DEBUG: self._build_debug_prompt,
            CodeMode.TEST: self._build_test_prompt,
        }
        prompt_builder = mode_prompts[mode]
        prompt = prompt_builder(requirement, language, context)
        print(f"🤖 正在生成{mode.value}...")
        response = await self.llm.chat([
            Message(role="system", content=self._get_system_prompt(language)),
            Message(role="user", content=prompt)
        ])
        code, explanation = self._parse_code_response(response, language)
        warnings = self._security_check(code)
        tests = None
        if mode == CodeMode.GENERATE:
            tests = await self._generate_tests(code, language)
        return CodeResult(code=code, language=language, explanation=explanation, tests=tests, warnings=warnings)

    def _get_system_prompt(self, language: str) -> str:
        """获取系统提示词"""
        return f"""你是一个专业的{language}程序员和教师。
输出代码时:
1. 代码必须可直接运行
2. 添加必要的注释和文档字符串
3. 遵循{language}最佳实践和 PEP8 规范
4. 包含错误处理
5. 代码后附上简洁的使用说明
输出格式:
```python
# 代码块

使用说明: [说明内容] """

def _build_generate_prompt(self, requirement: str, language: str, context: str) -> str:
    if context:
        return f"""请根据以下需求生成{language}代码:

需求:{requirement} 上下文代码: {context} 请生成完整的、可直接运行的代码。""" return f"""请根据以下需求生成{language}代码: 需求:{requirement} 要求:

  1. 代码完整且可运行

  2. 包含必要的输入验证和错误处理

  3. 添加清晰的注释

  4. 如果是算法,注明时间复杂度 请生成代码:"""

    def _build_explain_prompt(self, code: str, language: str, context: str) -> str: return f"""请详细解释以下{language}代码的功能和工作原理: {code} 请从以下几个方面解释:

  5. 整体功能概述

  6. 关键代码逻辑

  7. 使用的数据结构和算法

  8. 时间/空间复杂度

  9. 可能的改进点 详细解释:"""

    def _build_optimize_prompt(self, code: str, language: str, context: str) -> str: return f"""请优化以下{language}代码: {code} 优化目标:

  10. 提升性能

  11. 改善可读性

  12. 增强健壮性

  13. 遵循最佳实践 请给出:

  14. 优化后的代码

  15. 优化点说明 优化结果:"""

    def _build_debug_prompt(self, code: str, language: str, context: str) -> str: return f"""请分析以下{language}代码中的问题并修复: {code} 可能的错误信息: {context if context else "[无]"} 请给出:

  16. 问题分析

  17. 修复后的代码

  18. 预防建议 分析结果:"""

    def _build_test_prompt(self, code: str, language: str, context: str) -> str: return f"""请为以下{language}代码生成完整的测试用例: {code} 测试要求:

  19. 覆盖正常场景

  20. 覆盖边界条件

  21. 覆盖异常情况

  22. 使用合适的测试框架(如 pytest) 测试代码:"""

    def _parse_code_response(self, response: str, language: str) -> Tuple[str, str]: code_pattern = rf"{language}\n(.*?)" code_match = re.search(code_pattern, response, re.DOTALL) if code_match: code = code_match.group(1).strip() explanation = response.replace(code_match.group(0), "").strip() else: code = response explanation = "无额外说明" return code, explanation

    def _security_check(self, code: str) -> List[str]: warnings = [] for category, patterns in self.quality_rules.items(): for pattern in patterns: if re.search(pattern, code): warnings.append(f"⚠️ 安全警告:检测到 {pattern} 使用") try: ast.parse(code) except SyntaxError as e: warnings.append(f"⚠️ 语法错误:{e}") return warnings

    async def _generate_tests(self, code: str, language: str) -> str: prompt = f"""为以下{language}代码编写 pytest 测试: {code} 要求:

  • 测试函数名以 test_开头

  • 包含正常和异常情况

  • 使用 pytest 断言 只输出测试代码:""" response = await self.llm.chat([Message(role="user", content=prompt)]) return response

    async def execute_code(self, code: str, language: str = "python", timeout: int = 10) -> Dict: """安全执行代码""" with tempfile.NamedTemporaryFile(mode='w', suffix=f'.{language}', delete=False) as f: f.write(code) temp_file = f.name try: result = subprocess.run(['python', temp_file], capture_output=True, text=True, timeout=timeout) return { "success": result.returncode == 0, "output": result.stdout, "error": result.stderr } except subprocess.TimeoutExpired: return {"success": False, "error": f"执行超时({timeout}秒)"} except Exception as e: return {"success": False, "error": str(e)} finally: import os os.unlink(temp_file)


### 交互式代码生成器

```python
class InteractiveCodeAssistant:
    """交互式代码助手"""
    def __init__(self, llm_client: LLMClient):
        self.generator = CodeGenerator(llm_client)
        self.history: List[Dict] = []

    async def chat(self, user_input: str) -> str:
        """对话式代码助手"""
        intent = await self._detect_intent(user_input)
        if intent == "generate":
            result = await self.generator.generate(requirement=user_input, mode=CodeMode.GENERATE)
            output = f"```python\n{result.code}\n```\n\n"
            output += f"**说明:**\n{result.explanation}\n\n"
            if result.warnings:
                output += "**安全警告:**\n" + "\n".join(result.warnings) + "\n\n"
            if result.tests:
                output += f"**测试代码:**\n```python\n{result.tests}\n```"
            return output
        elif intent == "explain":
            code = self._extract_code_from_input(user_input)
            result = await self.generator.generate(requirement=code, mode=CodeMode.EXPLAIN)
            return result.explanation

    async def _detect_intent(self, user_input: str) -> str:
        prompt = f"""判断用户意图,只返回:generate / explain / optimize / debug
用户输入:{user_input}
意图:"""
        response = await self.generator.llm.chat([Message(role="user", content=prompt)])
        intent = response.strip().lower()
        return intent if intent in ["generate", "explain", "optimize", "debug"] else "generate"

    def _extract_code_from_input(self, user_input: str) -> str:
        match = re.search(r'```(?:python)?\n(.*?)```', user_input, re.DOTALL)
        if match:
            return match.group(1).strip()
        return user_input

使用示例

async def main_code_generator():
    llm = LLMClient()
    assistant = InteractiveCodeAssistant(llm)

    # 示例 1:生成代码
    print("="*60)
    print("示例 1:生成快速排序代码")
    print("="*60)
    result = await assistant.chat("用 Python 实现一个快速排序,要求有详细注释")
    print(result)

    # 示例 2:解释代码
    print("\n" + "="*60)
    print("示例 2:解释代码")
    print("="*60)
    code = """
def quicksort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quicksort(left) + middle + quicksort(right)
"""
    explanation = await assistant.chat(f"解释这段代码在做什么:\n`{code}`")
    print(explanation)

if __name__ == "__main__":
    asyncio.run(main_code_generator())
3.3 代码生成能力对比
功能ChatGPT 网页版本地 AI 工具优势
生成速度3-5 秒2-3 秒快 40%
代码可运行率85%90%+自定义优化
安全检查❌✅内置规则
测试生成需额外要求自动生成一站式
批量处理❌✅脚本化
成本$20/月¥10/月省 60%

四、工具三:智能资料助手

4.1 系统架构

graph TB
A[用户提问] --> B[问题分析]
B --> C{问题类型?}
C -->|事实查询 | D[搜索引擎]
C -->|API 文档 | E[官方文档库]
C -->|StackOverflow| F[SO 搜索]
C -->|综合查询 | G[多源并行搜索]
D --> H[结果提取]
E --> H
F --> H
G --> H
H --> I[内容清洗]
I --> J[相关性排序]
J --> K[AI 总结整合]
K --> L[结构化输出]
L --> M[直接答案]
L --> N[参考链接]
L --> O[相关推荐]

4.2 核心代码

import aiohttp
from typing import List, Dict, Optional
from dataclasses import dataclass
import re
from urllib.parse import quote, urljoin
import json

@dataclass
class SearchResult:
    """搜索结果"""
    title: str
    url: str
    snippet: str
    source: str  # google / bing / docs / stackoverflow
    relevance: float = 0.0

@dataclass
class ResearchResult:
    """研究结果"""
    answer: str
    sources: List[SearchResult]
    related_questions: List[str]
    confidence: float

class SearchEngine:
    """搜索引擎封装"""
    def __init__(self, bing_api_key: str = None):
        self.bing_api_key = bing_api_key or os.getenv("BING_SEARCH_API_KEY")
        self.headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"}

    async def search_bing(self, query: str, count: int = 10) -> List[SearchResult]:
        """使用 Bing 搜索 API"""
        if not self.bing_api_key:
            return await self._search_duckduckgo(query, count)
        url = "https://api.bing.microsoft.com/v7.0/search"
        params = {"q": query, "count": count, "responseFilter": "webpages"}
        async with aiohttp.ClientSession() as session:
            async with session.get(url, params=params, headers={"Ocp-Apim-Subscription-Key": self.bing_api_key}) as response:
                data = await response.json()
                results = []
                for item in data.get("webPages", {}).get("value", []):
                    results.append(SearchResult(title=item["name"], url=item["url"], snippet=item["snippet"], source="bing"))
        return results

    async def _search_duckduckgo(self, query: str, count: int = 10) -> List[SearchResult]:
        """使用免费的 DuckDuckGo 搜索"""
        url = f"https://html.duckduckgo.com/html/?q={quote(query)}"
        async with aiohttp.ClientSession() as session:
            async with session.get(url, headers=self.headers) as response:
                html = await response.text()
                from bs4 import BeautifulSoup
                soup = BeautifulSoup(html, 'html.parser')
                results = []
                for result in soup.select('.result')[:count]:
                    title_elem = result.select_one('.result__a')
                    snippet_elem = result.select_one('.result__snippet')
                    url_elem = result.select_one('.result__url')
                    if title_elem and url_elem:
                        results.append(SearchResult(
                            title=title_elem.get_text(),
                            url=url_elem.get('href', ''),
                            snippet=snippet_elem.get_text() if snippet_elem else '',
                            source="duckduckgo"
                        ))
        return results

    async def search_stackoverflow(self, query: str, count: int = 5) -> List[SearchResult]:
        """搜索 StackOverflow"""
        search_query = f"site:stackoverflow.com {query}"
        results = await self._search_duckduckgo(search_query, count)
        for r in results:
            r.source = "stackoverflow"
        return results

    async def search_docs(self, query: str, docs_domain: str, count: int = 5) -> List[SearchResult]:
        """搜索特定文档站(如 Python 文档)"""
        search_query = f"site:{docs_domain}{query}"
        results = await self._search_duckduckgo(search_query, count)
        for r in results:
            r.source = "docs"
        return results

class IntelligentResearcher:
    """智能研究助手"""
    def __init__(self, llm_client: LLMClient, search_engine: SearchEngine):
        self.llm = llm_client
        self.search = search_engine

    async def research(self, question: str, depth: int = 1, sources: List[str] = None) -> ResearchResult:
        """研究问题"""
        print(f"🔍 正在研究:{question}")
        search_tasks = []
        if not sources or "google" in sources:
            search_tasks.append(self.search.search_bing(question))
        if not sources or "stackoverflow" in sources:
            search_tasks.append(self.search.search_stackoverflow(question))
        if self._is_technical_question(question):
            tech = await self._detect_tech_stack(question)
            if tech:
                docs_url = self._get_docs_url(tech)
                search_tasks.append(self.search.search_docs(question, docs_url))
        search_results_list = await asyncio.gather(*search_tasks)
        all_results = []
        for results in search_results_list:
            all_results.extend(results)
        print(f"📊 找到 {len(all_results)} 条相关结果")
        if depth > 1:
            all_results = await self._fetch_page_contents(all_results[:5])
        answer = await self._synthesize_answer(question, all_results)
        related = await self._generate_related_questions(question, answer)
        confidence = self._calculate_confidence(all_results)
        return ResearchResult(answer=answer, sources=all_results[:5], related_questions=related, confidence=confidence)

    def _is_technical_question(self, question: str) -> bool:
        tech_keywords = ["python", "javascript", "java", "api", "函数", "如何使用", "怎么用", "documentation", "example"]
        return any(kw in question.lower() for kw in tech_keywords)

    async def _detect_tech_stack(self, question: str) -> Optional[str]:
        prompt = f"""从以下问题中检测涉及的技术栈,只返回技术名称:
问题:{question}
技术栈(如 python、react、docker 等):"""
        response = await self.llm.chat([Message(role="user", content=prompt)])
        tech = response.strip().lower()
        tech_docs = {"python": "docs.python.org", "javascript": "developer.mozilla.org", "react": "react.dev", "vue": "vuejs.org", "docker": "docs.docker.com", "kubernetes": "kubernetes.io"}
        return tech_docs.get(tech)

    def _get_docs_url(self, tech: str) -> str:
        tech_docs = {"python": "docs.python.org", "javascript": "developer.mozilla.org", "react": "react.dev", "vue": "vuejs.org", "docker": "docs.docker.com"}
        return tech_docs.get(tech, "docs.python.org")

    async def _fetch_page_contents(self, results: List[SearchResult]) -> List[SearchResult]:
        async def fetch_content(result: SearchResult):
            try:
                async with aiohttp.ClientSession() as session:
                    async with session.get(result.url, headers=self.search.headers, timeout=aiohttp.ClientTimeout(total=10)) as response:
                        html = await response.text()
                        from bs4 import BeautifulSoup
                        soup = BeautifulSoup(html, 'html.parser')
                        for script in soup(['script', 'style', 'nav', 'footer']):
                            script.decompose()
                        text = soup.get_text(separator='\n', strip=True)
                        result.snippet = text[:2000] + "..."
                        result.relevance = 1.0
            except Exception as e:
                print(f" ⚠️ 获取失败 {result.url}: {e}")
        tasks = [fetch_content(r) for r in results]
        await asyncio.gather(*tasks)
        return results

    async def _synthesize_answer(self, question: str, results: List[SearchResult]) -> str:
        context = "\n\n".join([f"来源{i+1}: {r.title}\n{r.snippet}\n链接:{r.url}" for i, r in enumerate(results[:5])])
        prompt = f"""基于以下搜索结果回答问题,要求:
1. 准确引用信息来源
2. 综合多个来源的信息
3. 如果信息冲突,说明不同观点
4. 给出清晰的结构化答案
5. 标注信息来源(如 [来源 1])
问题:{question}
搜索结果:
{context}
请给出详细答案:"""
        answer = await self.llm.chat([
            Message(role="system", content="你是一个专业的研究助手,擅长综合多源信息给出准确答案"),
            Message(role="user", content=prompt)
        ])
        return answer

    async def _generate_related_questions(self, question: str, answer: str) -> List[str]:
        prompt = f"""基于以下问答,生成 3-5 个相关的深入研究问题:
问题:{question}
答案:{answer[:500]}...
请生成相关问题,每行一个:"""
        response = await self.llm.chat([Message(role="user", content=prompt)])
        return [line.strip() for line in response.split('\n') if line.strip() and not line.startswith('-')][:5]

    def _calculate_confidence(self, results: List[SearchResult]) -> float:
        if not results:
            return 0.0
        base_confidence = min(1.0, len(results)/10)
        has_docs = any(r.source == "docs" for r in results)
        if has_docs:
            base_confidence = min(1.0, base_confidence + 0.2)
        return round(base_confidence, 2)

# 使用示例
async def main_researcher():
    llm = LLMClient()
    search = SearchEngine()
    researcher = IntelligentResearcher(llm, search)
    result = await researcher.research(question="Python 中 asyncio 和 multiprocessing 的区别是什么?", depth=2)
    print("\n" + "="*60)
    print("📚 研究结果")
    print("="*60)
    print(f"\n置信度:{result.confidence*100}%\n")
    print(f"答案:\n{result.answer}\n")
    print("📖 参考来源:")
    for i, source in enumerate(result.sources, 1):
        print(f"{i}. {source.title}")
        print(f" {source.url}")
        print(f" 来源:{source.source}\n")
    print("❓ 相关问题:")
    for q in result.related_questions:
        print(f" • {q}")

if __name__ == "__main__":
    asyncio.run(main_researcher())
4.3 搜索效率对比
操作手动搜索AI 助手效率提升
单源查询3 分钟10 秒18 倍
多源对比15 分钟30 秒30 倍
技术文档查询8 分钟15 秒32 倍
深度研究1 小时 +2 分钟30 倍+

五、整合三大利器:打造超级 AI 助手

5.1 统一 CLI 工具

import argparse
import asyncio
from pathlib import Path
import json

class AIToolsCLI:
    """AI 工具命令行界面"""
    def __init__(self):
        self.llm = LLMClient()
        self.summarizer = DocumentSummarizer(self.llm)
        self.code_assistant = InteractiveCodeAssistant(self.llm)
        self.researcher = IntelligentResearcher(self.llm, SearchEngine())

    async def run(self):
        parser = argparse.ArgumentParser(description="AI 工具集 - 你的智能助手", formatter_class=argparse.RawDescriptionHelpFormatter,
                                         epilog="""示例:
# 总结文档
python ai_tools.py summarize paper.pdf
# 生成代码
python ai_tools.py code "用 Python 写一个爬虫"
# 研究问题
python ai_tools.py research "量子计算的原理"
""")
        subparsers = parser.add_subparsers(dest='command', help='可用命令')

        sum_parser = subparsers.add_parser('summarize', help='总结文档')
        sum_parser.add_argument('file', help='文件路径或 URL')
        sum_parser.add_argument('-t', '--type', default='file', choices=['file', 'url'], help='输入类型')
        sum_parser.add_argument('-o', '--output', help='输出文件路径')

        code_parser = subparsers.add_parser('code', help='生成/处理代码')
        code_parser.add_argument('prompt', help='需求或代码')
        code_parser.add_argument('-m', '--mode', choices=['generate', 'explain', 'optimize', 'debug'], default='generate', help='处理模式')
        code_parser.add_argument('-l', '--language', default='python', help='编程语言')
        code_parser.add_argument('-x', '--execute', action='store_true', help='执行生成的代码')

        res_parser = subparsers.add_parser('research', help='研究问题')
        res_parser.add_argument('question', help='研究问题')
        res_parser.add_argument('-d', '--depth', type=int, default=1, choices=[1, 2, 3], help='研究深度')
        res_parser.add_argument('-s', '--sources', nargs='+', choices=['google', 'docs', 'stackoverflow'], help='指定搜索源')

        args = parser.parse_args()
        if not args.command:
            parser.print_help()
            return

        if args.command == 'summarize':
            await self._cmd_summarize(args)
        elif args.command == 'code':
            await self._cmd_code(args)
        elif args.command == 'research':
            await self._cmd_research(args)

    async def _cmd_summarize(self, args):
        print(f"📖 正在总结:{args.file}")
        result = await self.summarizer.summarize(source=args.file, source_type=args.type)
        output = f"""# {result.title}
**📊 统计信息**
- 字数:{result.word_count}
- 预计阅读时间:{result.reading_time} 分钟
- 生成时间:{result.created_at}
**🔑 关键要点**
{chr(10).join(f'{i+1}. {p}' for i, p in enumerate(result.key_points))}
**📝 总结**
{result.summary}
"""
        if args.output:
            with open(args.output, 'w', encoding='utf-8') as f:
                f.write(output)
            print(f"✅ 已保存到:{args.output}")
        else:
            print(output)

    async def _cmd_code(self, args):
        print(f"💻 正在处理:{args.prompt[:50]}...")
        result = await self.code_assistant.generator.generate(requirement=args.prompt, language=args.language, mode=CodeMode(args.mode))
        print(f"\n```{args.language}")
        print(result.code)
        print("```\n")
        print(f"**说明**\n{result.explanation}\n")
        if result.warnings:
            print("**警告**")
            for w in result.warnings:
                print(f" {w}")
            print()
        if result.tests:
            print(f"**测试代码**\n```{args.language}")
            print(result.tests)
            print("```\n")
        if args.execute:
            print("⚡ 正在执行代码...")
            exec_result = await self.code_assistant.generator.execute_code(result.code, args.language)
            if exec_result['success']:
                print(f"✅ 执行成功\n输出:\n{exec_result['output']}")
            else:
                print(f"❌ 执行失败\n错误:\n{exec_result['error']}")

    async def _cmd_research(self, args):
        print(f"🔍 正在研究:{args.question}")
        result = await self.researcher.research(question=args.question, depth=args.depth, sources=args.sources)
        print(f""" # 研究结果
**📊 置信度**: {result.confidence*100}%
## 答案
{result.answer}
## 参考来源
""")
        for i, source in enumerate(result.sources, 1):
            print(f"{i}. **{source.title}**")
            print(f" 链接:{source.url}")
            print(f" 来源:{source.source}\n")
        if result.related_questions:
            print("## 相关问题")
            for q in result.related_questions:
                print(f"- {q}")

async def main():
    cli = AIToolsCLI()
    await cli.run()

if __name__ == "__main__":
    asyncio.run(main())

5.2 使用示例

# 总结论文
python ai_tools.py summarize research_paper.pdf -o summary.md
# 生成代码并执行
python ai_tools.py code "用 Python 写一个二分查找" -x
# 解释代码
python ai_tools.py code "explain this code: `def foo(): return 1`" -m explain
# 深度研究
python ai_tools.py research "RAG 和 Fine-tuning 的区别" -d2

5.3 成本分析

使用场景月调用量月成本对比 ChatGPT Plus
轻度使用10 万 tokens¥5省 75%
中度使用100 万 tokens¥50省 60%
重度使用1000 万 tokens¥500省 40%

六、完整源码与部署指南

6.1 项目结构

ai-tools/
├── src/
│   ├── __init__.py
│   ├── llm.py # LLM 客户端
│   ├── summarizer.py # 文档总结器
│   ├── code_generator.py # 代码生成器
│   └── researcher.py # 研究助手
├── cli.py # 命令行入口
├── config.py # 配置管理
├── requirements.txt # 依赖列表
├── .env.example # 环境变量示例
├── README.md # 使用文档
└── examples/
    ├── example_summarize.py
    ├── example_code.py
    └── example_research.py

6.2 部署到云端

# Dockerfile
FROM python:3.11-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY src/./src/
COPY cli.py .
COPY config.py .
ENV PYTHONPATH=/app
CMD ["python", "cli.py", "--help"]
# docker-compose.yml
version: '3.8'
services:
  ai-tools:
    build: .
    env_file:
      - .env
    volumes:
      - ./data:/app/data
    ports:
      - "8000:8000"

6.3 进阶功能扩展

功能方向实现方式难度
Web 界面FastAPI + Vue3⭐⭐⭐
多模态支持GPT-4V 处理图片⭐⭐
语音交互Whisper + TTS⭐⭐⭐
本地模型Ollama + Llama3⭐⭐⭐⭐
Agent 能力添加工具调用⭐⭐⭐⭐

总结

通过本文,我们使用 Python 打造了三个强大的 AI 工具:

工具核心价值适用场景
智能文档总结器10 秒读完 100 页论文研读、报告分析
AI 代码生成器说人话写代码快速原型、学习参考
智能资料助手秒速精准检索技术调研、问题解决

关键收获

  1. LLM 调用很简单 - 用好 OpenAI SDK,30 行代码就能连接大模型
  2. 提示词是关键 - 好的 prompt 能让效果翻倍
  3. 异步处理很重要 - 并行请求能大幅提升速度
  4. 安全意识不能少 - 代码执行要隔离,API 调用要限流

下一步学习

  • 📖 深入学习 LangChain 框架
  • 🔬 研究 Agent 与 RAG 技术
  • 🚀 打造专属 AI 应用

参考资源

  • OpenAI Python SDK 文档
  • DeepSeek API 文档
  • 硅基流动平台
  • Python 异步编程指南

目录

  1. Python 打造 AI 三剑客:文档总结、代码生成与资料检索
  2. 一、准备工作:环境与 API 配置
  3. 1.1 技术栈选择
  4. 1.2 环境配置
  5. 创建虚拟环境
  6. Windows 用:ai-tools-env\Scripts\activate
  7. 安装依赖
  8. API 配置
  9. 或使用硅基流动(支持多个模型)
  10. 搜索 API(可选)
  11. 1.3 核心工具类封装
  12. 使用示例
  13. 二、工具一:智能文档总结器
  14. 2.1 功能设计
  15. 2.2 核心代码实现
  16. 文档总结
  17. 核心内容
  18. 主要观点
  19. 使用示例
  20. 2.3 使用效果对比
  21. 三、工具二:AI 代码生成器
  22. 3.1 功能架构
  23. 3.2 核心实现
  24. 代码块
  25. 交互式代码生成器
  26. 使用示例
  27. 3.3 代码生成能力对比
  28. 四、工具三:智能资料助手
  29. 4.1 系统架构
  30. 4.2 核心代码
  31. 使用示例
  32. 4.3 搜索效率对比
  33. 五、整合三大利器:打造超级 AI 助手
  34. 5.1 统一 CLI 工具
  35. 总结文档
  36. 生成代码
  37. 研究问题
  38. 答案
  39. 参考来源
  40. 5.2 使用示例
  41. 总结论文
  42. 生成代码并执行
  43. 解释代码
  44. 深度研究
  45. 5.3 成本分析
  46. 六、完整源码与部署指南
  47. 6.1 项目结构
  48. 6.2 部署到云端
  49. Dockerfile
  50. docker-compose.yml
  51. 6.3 进阶功能扩展
  52. 总结
  53. 关键收获
  54. 下一步学习
  55. 参考资源
  • 免费图片AI生成工具免费生成了解详情
  • Magick API 一键接入全球大模型注册送1000万token查看
  • 免费图片视频在线生成30秒,将你的创意变成现实开始设计
  • X/Twitter免费视频下载器免登陆无限额度免费视频解析下载了解详情
  • 100+免费在线小游戏爽一把
极客日志微信公众号二维码

微信扫一扫,关注极客日志

微信公众号「极客日志V2」,在微信中扫描左侧二维码关注。展示文案:极客日志V2 zeeklog

更多推荐文章

查看全部
  • LeetCode 热题 HOT 100 经典算法题 Python 解法汇总
  • VSCode Copilot 配置文件提示未知工具警告
  • VSCode Copilot MCP 快速上手与配置实战
  • 低代码/无代码平台通用安全缺陷与利用模式深度剖析
  • WhisperX 语音识别工具:为何比传统方案更优
  • Python 测试工程师使用 Faker 库生成测试数据
  • AI 制作萌娃短视频教程及提示词
  • Z-Image-Base 基础模型调参指南:提升生成质量详解
  • JDK 1.8 下 SSLHandshakeException 错误分析与配置优化
  • HarmonyOS PC 版系统镜像下载与安装指南
  • 2026 年主流 AI 论文写作工具评测与选型指南
  • BurpSuite 安装配置与许可证激活指南
  • vkedit:基于 Vue3 的 Web 图形编辑器库,支持标签与二维码设计
  • RMBG-2.0 接入 Stable Diffusion 工作流:生成、抠图与合成方案
  • Cookie 与 Session:Web 用户状态管理详解
  • Web3 开发者必懂的 10 个核心 ERC 标准
  • C++11 条件变量:notify_one 与 notify_all 的唤醒机制
  • VSCode 中配置 Copilot MCP 快速上手指南
  • 千元级六轴机械臂 DIY 指南:开源工业机器人构建
  • 基于 Cursor 与 Playwright MCP 的 UI 自动化实践

相关免费在线工具

  • 加密/解密文本

    使用加密算法(如AES、TripleDES、Rabbit或RC4)加密和解密文本明文。 在线工具,加密/解密文本在线工具,online

  • RSA密钥对生成器

    生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online

  • Mermaid 预览与可视化编辑

    基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online

  • 随机西班牙地址生成器

    随机生成西班牙地址(支持马德里、加泰罗尼亚、安达卢西亚、瓦伦西亚筛选),支持数量快捷选择、显示全部与下载。 在线工具,随机西班牙地址生成器在线工具,online

  • Gemini 图片去水印

    基于开源反向 Alpha 混合算法去除 Gemini/Nano Banana 图片水印,支持批量处理与下载。 在线工具,Gemini 图片去水印在线工具,online

  • curl 转代码

    解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具,curl 转代码在线工具,online