“给我再看看你的笔记。”策展人第五次翻着你的速写本，眉头拧成一个疙瘩。你很清楚那些散乱的笔触、潦草的箭头和材料批注里藏着一个完整的世界，但怎么把它翻译成别人能读懂的文字？这时候你需要的不是一个聊天机器人，而是一个真正理解创作逻辑的工作室助手。

今天我们直接搭建这套系统。它的核心任务有两个：把零散的过程笔记打磨成规范的艺术家声明，然后基于这份声明生成下一件作品的具体构思。目标用户很清楚——画家、雕塑家、混合媒介创作者，他们需要写作却更愿意待在工作室里。我们选择接入Oxlo.ai，其按次计费的方式允许喂入整页的原始笔记和长篇参考文本，而不必担心成本随token数量飙升。

准备材料很简单：Python 3.10或更新版本，通过pip安装OpenAI SDK，再从Oxlo.ai后台获取API密钥。模型方面我选用Llama 3.3 70B作为主干，理由很直接——它在处理长篇、细腻的创作指令时不会跑偏。

第一步是配置客户端，把SDK指向Oxlo.ai的端点。接下来的关键操作是锁定助手的人设。创作类任务最怕模型回复带着一股 chatbot 的塑料味，所以我用一段系统提示固化了它的角色：一位为职业视觉艺术家服务十年以上的工作室助理，精通画廊声明、基金申请和展览文案。规则很具体——语言平实，禁用“旅程”“激情”这类陈词，每一条建议都必须植根于艺术家实际使用的材料和工序。批评时只给三条具体修改意见，禁止空洞的赞美；生成新概念时必须包含标题、主要媒介和一段描述。

解决了人设问题，就可以着手处理艺术家的原始笔记了。通常这些东西都是混乱的要点罗列。我写了一个清理函数，接收原始笔记、目标语气和字数上限，返回一份紧凑的声明。代码逻辑很直白：把参数拼成一条用户消息，连同系统提示一起发给Llama 3.3 70B，模型返回的内容直接作为结果输出。

下一步更有意思——让助手基于打磨好的声明去设想下一件作品。这不再是被动的文字润色，而是主动参与创作推进。具体做法是把刚才生成的艺术家声明作为上下文喂回给模型，同时告诉它创作者偏好的媒介，要求它返回作品标题、确切媒介和一段概念描述。代码结构与前一步类似，仍然是系统提示加用户消息的组合。

整个流程形成了一个清晰的闭环：从混乱的笔记到规范的声明，从声明再到新的创作概念。它不替艺术家做决定，只是把那些卡在速写本缝隙里的想法梳理成一个可以向外传达、也可以向内生长的形状。对于那个更想待在工作室而非面对空白文档的创作者来说，这套工具的意义不是替代写作，而是让写作这件事终于追上了创作本身的速度。