这两天做了一个小玩意。iOS 捷径输入内容，自动在指定的 Notion database 里创建一个卡片。

其中，会通过硅基流动提供的 API 自动生成卡片icon、标题、总结、关键词、分类、情感分类等内容。后续也考虑定时通过AI来对卡片集的内容进行分析回顾、联网补充一些文摘之类的信息。

代码也很简单，放在 aws lambda 上跑。Qwen 72B生成的JSON 响应可以直接解析使用，简单加了容错处理，用脚本测试了几百条都很顺利。

我之前没怎么接触过AI开发，这次尝试对我来说很惊艳。简单说Qwen 7B 300ms内就能给不错的回答，但因为我想要更好的效果，并且是异步所以用的Qwen 72B，我的场景普遍请求完成是3s左右。整体体会是现在想要在普通程序里集成AI ，可行性和易用性都已经很高了。我想我的这些经验可能对类似情况的程序员会有一些帮助。

说回这个程序，一些关键点：

1. 使用 iOS 快捷指令获取用户输入 content 。可以灵活使用读取剪切板、语音转文字、文本框等方式获取一段文本输入，并调用一个 aws 的 lambda 函数 A。

2. 函数A 会调用函数B 来对content 做进一步的处理，然后直接返回，所以用户的操作基本1s以内就完成了。

3. 函数B进行数据处理。具体就是构建一个 Prompt 要求大模型对 content 进行分析并以 JSON 的形式返回，然后直接用分析来的数据构建一个 notion api 请求在指定的 database 创建一条记录。

我写的Prompt如下：

我将给你一段文字，请分析并以 JSON 格式返回相关信息：
###
{
"summary": "这里是文字内容的摘要。",
"title": "根据内容生成的标题，10 字以内",
"emoji": "合适的 emoji，**限 1 个**",
"sentiment": "情感分析结果，如'positive', 'negative', 'neutral'。",
"keywords": ["关键词1", "关键词2", "..."],
"categories": ["主题1", "主题2", "..."]
}
###
要求：
1. 你的输出将直接用于程序解析，请不要用任何标记语言，严格按照上述格式返回纯文本的 JSON。
2. 用户输入将以"###"包裹，请直接分析，不要对话。

### ${content} ###

最后，硅基流动提供多款免费大模型，并且注册就提供14元的付费额度。也欢迎使用我的邀请链接注册，这样我可以另外获得14元额度：cloud.siliconflow.cn

感谢袁老师@袁进辉 和团队，感谢赛博菩萨