TuringThink

Appearance

第二部分：让AI更聪明——对话优化与实用功能开发 ​

课题 ​

会“记事儿”的AI助手——历史对话与功能升级

教学时间 ​

2课时（90分钟）

课前准备 ​

  • 教师端：电脑（预装python-dotenv库管理API密钥）、投影仪、“对话记忆”对比视频（普通助手vs带记忆的助手）、历史对话流程图（新增“记忆区”模块）、安全升级版API（支持多轮对话）。
  • 学生端：电脑（Python环境+python-dotenv库）、笔记本、“功能升级清单”（可选功能：记忆对话、分类回答、错误提示）、小组开发计划书（含分工）。
  • 教学素材：多轮对话代码模板、dotenv配置教程、“AI助手评价表”（功能完整性、易用性、创意性）。

一、导入活动：“健忘的AI”vs“贴心的AI”（15分钟） ​

活动1：体验对比——发现“记忆”的重要性 ​

  • 教师演示两个助手：
    • 普通助手：用户问“什么是质数？”→回答；再问“它和合数有什么区别？”→AI反问“什么是质数？”（忘记前文）。
    • 带记忆的助手：相同提问→AI直接回答“质数是……，而合数是……”（记住前文）。
  • 小组讨论：“哪个助手更实用？为什么？”→总结：AI需要“记住历史对话”才能理解上下文。

活动2：“人类记忆”类比——设计对话存储方式 ​

  • 提问：“你和朋友聊天时，怎么记住之前说过的话？”→引出“大脑会存储对话内容”。
  • 迁移到编程：“让AI记住对话，需要用一个‘容器’存储历史内容”→介绍列表（history = []）作为“对话记忆盒”。

二、知识点讲解：升级AI助手的核心技术（35分钟） ​

模块1：历史对话存储——用列表记录上下文（15分钟） ​

  • 原理：每次对话后，将“用户问题+AI回答”存入列表，下次提问时把列表内容传给AI，让它“回顾历史”。
  • 代码实现：
    python
    import requests

# 初始化“记忆盒”（空列表）
history = []

# 循环对话（支持多次提问）
while True:
    user_question = input("你：")
    if user_question == "退出":
        break  # 输入“退出”结束对话
    
    # 1. 整理历史对话（拼接成字符串，让AI看懂）
    history_str = "\n".join(history)  # 用换行分隔每条记录
    # 2. 新问题+历史对话一起发给AI
    full_prompt = f"历史对话：{history_str}\n现在用户问：{user_question}"
    
    # 3. 调用API（参数不变，prompt更新为full_prompt）
    response = requests.get(api_url, params={"prompt": full_prompt})
    answer = response.json()["answer"]
    print(f"AI：{answer}")
    
    # 4. 把新对话存入“记忆盒”
    history.append(f"用户：{user_question}")
    history.append(f"AI：{answer}")
  • 关键说明：while True实现“循环对话”（反复提问），history.append()动态更新记忆内容。

模块2：功能优化——让助手更“贴心”（20分钟） ​

  • 优化1：分类回答（如区分“数学题”“科学题”，用不同语气）：
    python
    # 在full_prompt中加入分类指令
full_prompt = f"如果是数学题，开头加‘📐’；科学题加‘🔬’。{full_prompt}"
  • 优化2：错误处理升级（如网络断开时提示“请检查WiFi”）：
    python
    try:
    response = requests.get(api_url, params={"prompt": full_prompt})
    response.raise_for_status()  # 检查请求是否成功（如404/500错误）
    answer = response.json()["answer"]
except requests.exceptions.RequestException as e:
    answer = f"网络出问题啦：{e}，请稍后再试～"
  • 优化3：安全密钥管理（用dotenv隐藏API密钥，避免泄露）：
    1. 创建.env文件：API_KEY="你的密钥"；
    2. 代码中加载：
      python
      from dotenv import load_dotenv
import os
load_dotenv()  # 加载.env文件
api_key = os.getenv("API_KEY")  # 读取密钥

三、项目开发：“学科专属AI助手”（30分钟） ​

任务目标： ​

小组合作开发带“记忆功能”的AI助手，至少实现1项优化功能（分类回答/智能错误提示/学科专属指令），并测试3轮连续对话。

开发流程： ​

  1. 分工：1人写核心对话逻辑，1人实现优化功能，1人负责测试与记录bug；
  2. 编码：基于模板修改，参考“功能升级清单”添加特色（如“语文助手”自动标注拼音）；
  3. 测试：用“连续问题”验证记忆功能（如“什么是方程→举一个例子→这个例子中x是什么”）。

示例成果（数学助手片段）： ​

python
# 数学专属AI助手（带记忆+分类标记）
history = []
while True:
    user_question = input("数学小助手> ")
    if user_question == "再见":
        print("AI：下次见！")
        break
    history_str = "\n".join(history)
    full_prompt = f"用📐开头，用小学生能懂的话回答：{history_str}\n用户问：{user_question}"
    # 调用API与存储历史（略）

四、成果展示与评价（10分钟） ​

  1. 小组展示：每组派1人演示助手功能，说明“记忆功能如何实现”“优化了什么”；
  2. 多维评价：用评价表打分（功能完整性30%+易用性30%+创意性40%），评选“最贴心助手”“最有创意助手”。

五、总结与拓展（10分钟） ​

课堂总结： ​

  • 历史对话核心：用列表存储用户问题+AI回答，每次请求时传递历史内容；
  • 功能优化方向：分类响应、友好错误提示、安全管理密钥；
  • AI助手的本质：通过“数据传递+逻辑控制”模拟“理解”能力。

拓展任务： ​

  1. 个人：给助手添加“知识点总结”功能（如对话结束后，AI自动说“今天我们聊了质数和合数，重点是……”）；
  2. 小组：设计“校园生活助手”（回答“图书馆开馆时间”“食堂菜单”等，需提前存入校园信息），下次课展示。

教学理论支撑： ​

  1. 皮亚杰形式运算阶段理论：通过“历史对话存储”理解“动态数据管理”，培养抽象逻辑思维（列表作为“记忆模型”）。
  2. STEAM教育工程思维：按“需求分析→功能设计→编码实现→测试优化”的工程流程开发项目，体验完整开发周期。
  3. 社会建构主义理论：小组分工与互评促进知识共享，通过“解释给同伴听”深化对API调用逻辑的理解。

Copyright © 2022-2025 Richard Wang