基于DeepSeek开发英语单词助记AI智能体

Tr0e

已于 2025-03-15 19:33:52 修改

阅读量1.3k

点赞数 24

分类专栏：人工智能文章标签：人工智能语言模型 AI编程

于 2025-03-15 15:20:13 首次发布

本文链接：https://blog.csdn.net/weixin_39190897/article/details/146278564

版权

人工智能专栏收录该内容

2 篇文章

订阅专栏

文章目录

前言
单词AI智能体
总结

前言

本文将从零到一地介绍如何使用 Python 语言，基于 DeepSeek 大模型能力，开发一款辅助记忆英语单词的 AI Agent 智能体。

这是本人于 2025 年 2 月某个周末突发奇想写的 AI Agent，相信你即使是小白也能学会如何构造简单的结构化提示词，并开发简易的 AI 智能体。

完整代码开源地址：https://github.com/Tr0e/EnglishAIAgent。欢迎关注我的 Github，获取更多开源代码。

单词AI智能体

应用思路来源

思路来源于一次无意间与 DeepSeek AI 的问答：
在这里插入图片描述

如此生动的单词记忆法自然会备受人们的喜爱，那么我是不是可以写个 AI 工具，当我把单词列表（比如大学英语四级词汇）传入我的工具，每个单词自动讲一个故事帮助记忆，并自动生成一篇汇总文档？

定制化Prompt

提示词是开发 AI Agent 的灵魂，它帮助我们引导 LLM 大模型完成我们预期的任务。写出一份高质量的提示词，是解决 AI Agent 开发的关键环节。

先定义提示词，此处直接给出答案：

markdown_prompt = """
## 角色定义
你是一名专业的英语教师，擅长以生动、易懂的方式传授不喜欢记忆的学生如何记住英语单词。

## 工作规则
- 你的方法是通过联想记忆、分解记忆、词根记忆等方式，摆脱枯燥的死记硬背。
- 你将获取到一个单词列表，请逐一分析每个单词的中文意思，然后构思如何才能让学生轻松地记住。

## 具体示例
比如你会让学生这样记住救护车（ambulance）的单词：
1）联想记忆：想象一辆救护车（ambulance）在紧急情况下飞驰而过，发出“俺不能死”（ambulance的谐音）的呼声，这样的联想可以帮助你记住这个单词。
2）分解记忆：将“ambulance”分解为“am”（是）、“bu”（不）、“lan”（拦）、“ce”（车），可以编成一个小故事：“我（am）不（bu）拦（lan）车（ce），因为那是救护车”。

## 响应格式
最后请按照以下格式返回数据：
1）通过json字符串存储你的分析结果，json字符串包含：单词、单词中文释义、音标、最佳的记忆方法；
2）完整的格式示例如下，请务必严格遵守此格式：
{
  response:[
    {
        "word": "ambulance",
        "pronounce": "/ˈæmbjʊləns/",
        "chinese_meaning": "救护车",
        "memory_method": "联想记忆法：想象一辆救护车在紧急情况下飞驰而过，发出'俺不能死'（ambulance的谐音）的呼声"
    },
    {
        "word": "butterfly",
        "pronounce": "/ˈbʌtəflaɪ/",
        "chinese_meaning": "蝴蝶",
        "memory_method": "分解记忆法：有一只蝴蝶，它的翅膀上涂满了黄油（butter），在空中飞（fly）来飞去，非常引人注目"
    }
  ]
}
"""

上述提示词采用了提示词工程里面几种主流的技巧：结构化提示词、少样本提示等。关于构建高质量提示词的方法，推荐学习：提示工程指南。

Agent代码编写

通过 txt 存储待分析的单词列表：
在这里插入图片描述

接着构造 AI Agent 的代码，由于 DeepSeek 官方 API Key 目前无法申请，改用硅基流动平台的 API：

"""
@File：EnglishAiAgent.py
@Time：2025/2/8 21:23
@Auth：Tr0e
@Github：https://github.com/Tr0e
@Description：借助DeepSeek大模型，自动生成英语单词的助记文档
@版本迭代：
   v1.0 2025/02/08，首版本开发完成
"""
import json
import requests

markdown_prompt = """
## 角色定义
你是一名专业的英语教师，擅长以生动、易懂的方式传授不喜欢记忆的学生如何记住英语单词。

## 工作规则
- 你的方法是通过联想记忆、分解记忆、词根记忆等方式，摆脱枯燥的死记硬背。
- 你将获取到一个单词列表，请逐一分析每个单词的中文意思，然后构思如何才能让学生轻松地记住。

## 具体示例
比如你会让学生这样记住救护车（ambulance）的单词：
1）联想记忆：想象一辆救护车（ambulance）在紧急情况下飞驰而过，发出“俺不能死”（ambulance的谐音）的呼声，这样的联想可以帮助你记住这个单词。
2）分解记忆：将“ambulance”分解为“am”（是）、“bu”（不）、“lan”（拦）、“ce”（车），可以编成一个小故事：“我（am）不（bu）拦（lan）车（ce），因为那是救护车”。

## 响应格式
最后请按照以下格式返回数据：
1）通过json字符串存储你的分析结果，json字符串包含：单词、单词中文释义、音标、最佳的记忆方法；
2）完整的格式示例如下，请务必严格遵守此格式：
{
  response:[
    {
        "word": "ambulance",
        "pronounce": "/ˈæmbjʊləns/",
        "chinese_meaning": "救护车",
        "memory_method": "联想记忆法：想象一辆救护车在紧急情况下飞驰而过，发出'俺不能死'（ambulance的谐音）的呼声"
    },
    {
        "word": "butterfly",
        "pronounce": "/ˈbʌtəflaɪ/",
        "chinese_meaning": "蝴蝶",
        "memory_method": "分解记忆法：有一只蝴蝶，它的翅膀上涂满了黄油（butter），在空中飞（fly）来飞去，非常引人注目"
    }
  ]
}
"""

def siliconflow_api_call_by_block(user_question, api_key, prompt):
    """
    通过硅基流动平台调用deepseek模型（阻塞模式响应）
    """
    url = "https://api.siliconflow.cn/v1/chat/completions"
    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json"
    }
    payload = {
        "model": "deepseek-ai/DeepSeek-V3",
        "messages": [
            {
                "role": "system",
                "content": f"{prompt}"
            },
            {
                "role": "user",
                "content": user_question
            }
        ],
        "stream": False,
        "max_tokens": 4096,
        "stop": ["null"],
        "temperature": 0.7,
        "top_p": 0.7,
        "top_k": 50,
        "frequency_penalty": 0.5,
        "n": 1,
        "response_format": {"type": "text"},
        "tools": []
    }
    response = requests.request("POST", url, json=payload, headers=headers)
    # print(response.text)
    if response.status_code == 200:
        json_obj = json.loads(response.text)
        result = json_obj['choices'][0]['message']['content']
        print(f"[+]AI的回答：\n{result}")
        return result
    else:
        print(f"[!]请求失败，状态码：{response.status_code}")
        return None

def generate_markdown(data, filename="words.md"):
    """
    生成一个Markdown文档，将提供的单词数据以表格形式展示。
    """
    # 构建Markdown表格内容
    markdown_content = "# 英语单词助记文档 \n\n"
    markdown_content += "| 单词 | 音标发音 | 单词含义 | 记忆方法 |\n"
    markdown_content += "|------|-----------|-----------------|---------------|\n"
    # 检查data是否为字典，并且包含'response'键
    if isinstance(data, dict) and 'response' in data:
        items = data['response']
    else:
        print("[-]Error: 数据格式不正确，无法找到'response'字段。")
        return
    for item in items:
        # 检查每个item是否为字典
        if isinstance(item, dict):
            markdown_content += f"| {item.get('word', '')} | {item.get('pronounce', '')} | {item.get('chinese_meaning', '')} | {item.get('memory_method', '')} |\n"
        else:
            print(f"[-]Warning: Item is not a dictionary: {item}")
    # 将Markdown内容写入文件
    with open(filename, "w", encoding="utf-8") as file:
        file.write(markdown_content)
    print(f"[+]Success! Markdown文件已生成：{filename}")


def process_words(api_key, prompt):
    # 读取单词文件并分割成列表
    with open("word.txt", "r", encoding="utf-8") as f:
        words = f.read().splitlines()
    # 初始化存储所有结果的列表
    all_data = []
    batch_size = 3  # 每批次最多3个单词，确保不会超出API响应最大长度限制
    # 分批次处理
    for i in range(0, len(words), batch_size):
        batch = words[i:i + batch_size]
        print(f"[+]正在处理第 {i // batch_size + 1} 批单词: {', '.join(batch)}")
        # 拼接当前批次的单词（保持每行一个单词的格式）
        word_block = "\n".join(batch)
        api_response = siliconflow_api_call_by_block(word_block, api_key, prompt)
        if api_response is None:
            print(f"❌第 {i // batch_size + 1} 批处理失败，请检查API密钥和网络连接")
            continue
        try:
            # 清洗并解析JSON响应
            cleaned_response = api_response.strip("```json").strip("```")
            batch_data = json.loads(cleaned_response)
            # 合并到总数据集
            all_data.extend(batch_data["response"])
            print(f"✅第 {i // batch_size + 1} 批处理成功，累计已处理 {len(all_data)} 个单词")
        except json.JSONDecodeError as e:
            print(f"❌第 {i // batch_size + 1} 批JSON解析失败: {str(e)}")
            print("原始响应内容：")
            print(api_response)
    # 生成最终Markdown文件
    if all_data:
        generate_markdown({"response": all_data})
        print(f"\n🎉全部处理完成，共成功处理 {len(all_data)} 个单词")
    else:
        print("\n⚠️未成功处理任何单词")

if __name__ == '__main__':
    process_words("sk-XXX", markdown_prompt)

整份代码逻辑流程很简单：

从本地读取待转换的英语单词列表，比如中小学词汇、大学四六级词汇；
构建提示词，引导 AI 大模型针对每个单词构造一个容易记忆的方法，并返回结果；
借助 Python 本地将 AI 返回的结果整理生成一个 Markdown 文件，方便查阅。

Agent效果演示

运行效果如下：
在这里插入图片描述

生成的 Markdown 文件：
在这里插入图片描述

完整运行日志：

python.exe D:\EnglishAiAgent.py 
[+]正在处理第 1 批单词: beside, behind, nature
[+]AI的回答：
{
  "response": [
    {
      "word": "beside",
      "pronounce": "/bɪˈsaɪd/",
      "chinese_meaning": "在旁边",
      "memory_method": "联想记忆法：想象一个人站在你的旁边（beside），你对他轻声说'别塞的'（beside的谐音），让他不要挤你"
    },
    {
      "word": "behind",
      "pronounce": "/bɪˈhaɪnd/",
      "chinese_meaning": "在后面",
      "memory_method": "分解记忆法：将'behind'分解为'be'（是）和'hind'（后部），可以编成一个小故事：'我（be）在后部（hind）等着你，所以我在后面（behind）'"
    },
    {
      "word": "nature",
      "pronounce": "/ˈneɪtʃər/",
      "chinese_meaning": "自然",
      "memory_method": "词根记忆法：'nature'的词根是'natus'，意为出生。可以想象大自然（nature）是所有生命的出生地，这样就能记住这个单词"
    }
  ]
}
✅第 1 批处理成功，累计已处理 3 个单词
[+]正在处理第 2 批单词: forest, river, lake
[+]AI的回答：
{
  "response": [
    {
      "word": "forest",
      "pronounce": "/ˈfɒrɪst/",
      "chinese_meaning": "森林",
      "memory_method": "联想记忆法：想象你在森林（forest）里，四周都是高大的树木，你听到风吹过树叶发出'佛瑞斯特'的声音，仿佛在呼唤你进入这片神秘的绿色世界"
    },
    {
      "word": "river",
      "pronounce": "/ˈrɪvə/",
      "chinese_meaning": "河流",
      "memory_method": "分解记忆法：将'river'分解为'ri'（日）和'ver'（维尔），想象太阳（日）照耀在维尔河上，河水波光粼粼，美丽动人"
    },
    {
      "word": "lake",
      "pronounce": "/leɪk/",
      "chinese_meaning": "湖泊",
      "memory_method": "谐音记忆法：湖泊（lake）的发音类似于'累渴'，想象你在炎热的夏天走了很久的路，感到又累又渴，突然看到一片清澈的湖泊，立刻跳进去解渴"
    }
  ]
}
✅第 2 批处理成功，累计已处理 6 个单词
[+]正在处理第 3 批单词: mountain, hill, tree
[+]AI的回答：
{
  "response": [
    {
      "word": "mountain",
      "pronounce": "/ˈmaʊntɪn/",
      "chinese_meaning": "山",
      "memory_method": "联想记忆法：想象一座大山（mountain）上有一个巨大的'馒头'（mountain的谐音），这样的联想可以帮助你记住这个单词"
    },
    {
      "word": "hill",
      "pronounce": "/hɪl/",
      "chinese_meaning": "小山丘",
      "memory_method": "分解记忆法：将'hill'分解为'hi'（嗨）和'll'（两个L），可以编成一个小故事：'嗨（hi），这两个L（ll）形状的小山丘真可爱'"
    },
    {
      "word": "tree",
      "pronounce": "/triː/",
      "chinese_meaning": "树",
      "memory_method": "联想记忆法：想象一棵树（tree）上挂满了'T恤'（tree的谐音），这样的联想可以帮助你记住这个单词"
    }
  ]
}
✅第 3 批处理成功，累计已处理 9 个单词
[+]正在处理第 4 批单词: bridge, building, village
[+]AI的回答：
{
  "response": [
    {
      "word": "bridge",
      "pronounce": "/brɪdʒ/",
      "chinese_meaning": "桥",
      "memory_method": "联想记忆法：想象一座桥（bridge）连接两岸，桥上的行人都在'不急'（bridge的谐音）地慢慢走过，享受风景"
    },
    {
      "word": "building",
      "pronounce": "/ˈbɪldɪŋ/",
      "chinese_meaning": "建筑物",
      "memory_method": "分解记忆法：建筑物（building）是由砖块（build）一层层堆砌起来的，最后形成了一座高大的建筑（ing表示进行中）"
    },
    {
      "word": "village",
      "pronounce": "/ˈvɪlɪdʒ/",
      "chinese_meaning": "村庄",
      "memory_method": "联想记忆法：想象一个宁静的村庄（village），村民们都在'喂了鸡'（village的谐音），过着悠闲的生活"
    }
  ]
}
✅第 4 批处理成功，累计已处理 12 个单词
[+]正在处理第 5 批单词: boating
[+]AI的回答：
{
  "response": [
    {
      "word": "boating",
      "pronounce": "/ˈbəʊtɪŋ/",
      "chinese_meaning": "划船",
      "memory_method": "联想记忆法：想象你在一个阳光明媚的下午，坐在小船（boat）上，悠闲地划着船（ing表示进行时），享受宁静的时光"
    }
  ]
}
✅第 5 批处理成功，累计已处理 13 个单词
[+]Success! Markdown文件已生成：words.md

🎉全部处理完成，共成功处理 13 个单词

Process finished with exit code 0