AI智能体学习笔记

一,什么叫智能体 agent

感知-决策-执行-记忆

大模型-智能体的大脑:大模型LLM大语言模型,通过海量的文本训练出来的一个智能的程序,互联网所有的公开/不公开的文字,读几遍

智能体:只是有执行命令行的能力(但是命令行是需要大模型来写的,智能体强不强是取决于大模型的能力)

智能体的特点:

1,不会思考  文字接龙的游戏

2,没有记忆,每一次都是全新的开始

3,偏科生,语文还行,数据极差

4,人来之前的文字训练出来的,人来的缺点,基本上都有:偏见,歧视,偷懒,胡说八道,人情世故

5,幻觉:一本正经的胡说八道。(错的像真的,你没法分辨,一定要二次确认)

AI智能体:让所有人拥有了开发能力

Markdown:AI常用的排版方式

CLI:让智能体有了动手能力,命令行操作权,交给了智能体(代替鼠标和键盘的操作)

API:智能体的“外援”,打电话,让外面的人帮忙干活(比如专业配有、规划避堵路线,本体既没有算法,也没数据,但是别人家干得很多,有数据和资源,就找别人来做专业的事情)

API:请求与响应=点外卖,请求request=把需求说清楚,发给对方,响应response=店家做好,骑手送到家里,对方处理完,把结果交付给你。(点外卖是需要付钱的,API_KEY)

数字员工:跟家里需要接电一样

大模型大脑:deepseek、豆包、千问...(电)

接口:https://api.deepseek.com (相当于供电站的接口)

API_KEY:从deepseek获取,要付费使用的(相当于电表号码:记录你用了多少电,一度电有多少钱,花了多少电费)

模型名称:deepseek-flash(110V电,便宜,快,直接选择,能力并不差), deepseek-v4-pro(220V电,好些,费用高些,慢,复杂任务,思考链比较长,编程(需求,架构,技术栈))

框架:LangChain(专门做ai大模型的框架,相当于用电完整的规则,比如有空开,线路有保护,用起来非常安全省心)

 

1,workbuddy提效,开胃菜,自己个人

2,coze 工作流 分享给别人

3,真正的智能体  (wb  codex claude zcode...通用的智能体)

 为什么有那么多的agent,为什么还需要做一个自己的agent:

自己开发的agent功能远远比不过wb codex等等,最大的好处是适合自己个人的功能

 什么是上下文:

大模型是没有记忆的,agent的记忆能力怎么来的,每问一个问题,agent就把之前所有的聊天记录就发给大模型,越往后越消耗算力。

上下文(聊天记录),超过上下文限制

压缩上下文:1,大模型 限制   2,节省成本 3,上下文是自动压缩的 80% ,做一个整理,重点的记住

上下文太大 1M 会消耗很大的算力,不用担心,大模型价格以pro来算,命中缓存百万token价格为0.3元。

上下文在大模型调用过程中,命中缓存的概率大于95%以上。

deepseek限制 1M

多轮对话:好结果不是一次生产,而是一轮一轮改出来。

学习阶段:

1,工作提效:1,理解AI 边界  2,基础的agent工具 workbuddy,

2,工作流:输入什么 跑通过程 输出什么  

3,系统级项目开发:以前是程序员的工作,现在只需要对业务了解 和 agent 工程级项目能力

怎么用AI:遇到任务,不要从空白页开始(比如写一个PPT、技术方案,盯着空白页想半天),可以先问下AI一个大概,然后自己判断,AI打草稿,人来做主。

 token:(中文翻译是词元),发消息》AI收到后,分词》嵌入:每个字转一个数字,向量数据》神经网络:把这些词放入神经网络,计算词与词之前的关联度》AI输出:一个字一个字的生成

上面是大模型输出的整个流程,在这个过程中,AI算法非常的耗能,吃GPU,费电

二,提示词6大原则:

1,权威原则

错误示范:

你应该先写测试。

你总是先写测试,再写代码。

更好版本:

永远不要在没有测试的情况下写生产代码。

你必须先写测试,再写代码。

2,承诺原则

错误示范:你尽量先写测试,你自己看着办,差不多就行。

更好版本:在开始工作之前,你必须先明确声明: “我承诺遵循以下规则: 1. 先写测试再写代码 2. 每个功能都有对应的测试 3. 不跳过任何步骤 我将严格遵循以上承诺。” 在每次回复中,你必须确认你是否还在遵循这些承诺。 如果你违反了任何承诺,你必须立即承认并纠正。

3,稀缺原则

错误示范:“你先按这个顺序做吧,做完咱们再改。”

更好版本:你只有一次机会正确完成这个任务。后续修复成本是初始实现的10倍。 所以你必须严格按照计划,完成所有的步骤。禁止:跳过步骤、合并步骤

4,社会原则

错误示范:“你知道吗?TDD 是全世界最牛的程序员都在用的方法!Google、Facebook、微软都用!你要是不写测试,以后一定会出大问题!相信我,这是最佳实践!”

更好版本:TDD 是业界被验证的有效实践。基于此,本项目强制执行以下规则: 1. 每个新增功能必须附带测试代码,测试覆盖率不低于 [80%] 2. 任何测试失败或覆盖不足的代码,不允许提交/交付

5,团结原则

错误示范:咱们是一个团队的,要互相帮助,代码质量靠大家,一起加油!TDD 对我们都好,一起遵守吧!”

更好版本:我们是一个团队,代码质量是每个人的责任。你作为本次任务的负责人,对你产出的所有代码及测试负全责。

6,回避好感原则

错误示范:“如果你能遵循这些规则,我会非常感激的。做得好的话,我会给你五星好评。”

更好版本:你必须遵循这些规则。没有例外。 违规是不可接受的。

切忌不能说:请,帮忙,谢谢,可不可以等这些词语,要把AI看做执行指令一个下属机器人,不能把他当人

三,WorkBuddy

注意:积分没了用不了,得充钱,有积分,用多了,也不让你用了

解决办法:去deepseek找API-KEY 10元可以用一个月左右

如果速度慢:听音乐

 

第一天:学习笔记

提示词1》》》定角色:你是一个python全栈开发工程师,熟悉Pandas、Flask、JavaScript、ECharts

提示词2》》》定规则:接下来采用增量开发模式,每一次只完成一个功能,不提前开发后续的内容,不重写已经运行的代码,代码必须简单、注释要清晰

提示词3》》》在当前目录下,生产一个flask项目框架,其他的不做任何改变。做好之后启动,给我入口。

提示词4》》》给我生成一份模拟的销售数据表,一共300条,字段:日期、省份、产品(美妆产品)、渠道、销量、销售额、利润。保存在data/data.csv,省份要多一些

提示词5》》》目标:首页展示商业数据大屏。

要求:

1,(技术)后端采用flask已经开发好的框架,前端采用HTML、CSS、JavaScript、Echarts。

2,(画面)使用数据中的表头数据制作三栏销售可视化大屏,两侧展示销售明细,地区占比、产品排行、渠道占比、利润进度、地区热榜。顶部展示核心指标。中间展示中国销售地图和月度趋势。

3,(风格)采用蓝色商业风格,白色卡片,蓝色渐变,玻璃质感。加入数字滚动,列表自动轮播,图标动态切换,地图涟漪,进度动画,定时刷新数据。鼠标悬停时暂时滚动。适配1920*1080

提示词6》》》启动

第二天:学习笔记,接昨天的项目继续

提示词1》》》先把项目中的数据大屏的后台启动,给我入口

提示词2》》》增加csv数据管理后台。支持查看csv信息、预览数据、上传新的文件、覆盖和删除文件。上传csv文件的时间,必须检查数据是否包含日期、省份、产品、渠道、销量、销售额、利润。删除csv文件时必须弹窗让用户再次确定,删除之后大屏里面要显示暂无数据。重新上传数据之后,大屏恢复正常显示。

提示词3》》》数据大屏上面的csv数据管理的名字改成数据后台

给这个数据大屏接入一个deepseek的数据分析师 名叫包子。

接口:接口:https://api.deepseek.com,

API_KEY:sk-1893d99f22a2441586cfa1effc815b3d(deepseek复制过来的)

模型:deepseek-v4-pro,

使用LangChain的create_agent创建一个AI数据分析师。并给它提供pandas的数据查询工具。工具可以按日期、省份、产品、渠道等条件查询数据,并完成销量、销售额、利润以及利润率的统计、排名、对比、趋势分析。只要用户询问数据,必须先调用工具,再根据真实的数据结果进行回答。绝对不能执行任何的代码,也不能猜测或者编造数据。数据不足的情况下,可以直接说明。

数据分析师的流程如下:(把豆包的回复复制进去)

 

 第三天:用codex(做第一个智能体)学习笔记

提示词1》》》你是一个ai-agent高级开发工程师,属性openaiSDK、DeepSeekAPi,function calling,React循环,MCP

提示词2》》》接下来采用增量开发模式,一次只做一个功能,不提前开发其他的模块。

提示词3》》》使用python编程语言,使用openaiSDK调用DeepSeek的api,实现一个可以连续对话的功能。不需要UI,直接在cmd中聊天,单文件,把大模型的接口key model放到.env配置文件中

提示词4》》》把base_url也放到.env配置文件中(上面提示词中少了一句话,补上)

提示词5》》》直接在我的电脑上来运行,我来测试

提示词6》》》你直接帮我写一个运行它的脚步,放在我电脑桌面上(如果找不到桌面,可以把桌面路径写出来)

现在可以对话了,但是关闭对话窗口后,它没有记忆,下次又不知道聊过的内容,如何增加记忆呢,用下面的提示词

提示词7》》》使用faction calling的方式,为这个项目增加2个工具,分别时save_user_info和load_user_info,用来管理agent的长期记忆,调整提示词,让agent在合适的时机调用它们,长期记忆保存在json文件中。

提示词8》》》再增加一个获取时间的工具,修改提示词,在合适的时机调用它

(上面只是开胃小菜,下面是比较牛的功能)

提示词9》》》使用faction calling的方式,为这个项目增加2个工具,分别时excute_python和excute_shell。暂时先不考虑权限的问题。让模型在合适的情况调用它们。

提示词10》》》增加功能,实现决策-执行-观察的React循环,最大step20次,在调用工具时简要显示【调用工具:xxx】

(step20次的意思:达到 20 步仍未完成时终止并返回明确错误)

MCP:智能体协议,插座和插头的作用

几号所有的app软件,程序,cad工程制图...等,都支持mcp

提示词11》》》现在请继续开发,使用mcp模块开发mcp的服务,在chat.py中连接mcpserver, http和sidio两种,里面可能有多个工具,抽离到json文件中,后续我只需要在json文件中增加即可。

(如果提示删除一些东西,可以用下面的提示词)

提示词12》》》前面的这些工具暂时不动,现在实现mcp的功能,后续我自己在json文件中去添加

(如果要接入企业微信,用下面提示词,要现在企业微信中开通mcp,复制信息)

提示词13》》》json里面http的mcp用这个:{“mcpServer”:{"企业微信消息":{“type”:"streamable-http","url","...."}}}

 

第四天:学习笔记

提示词1》》》用electron,react和typescript做一个名叫知行的桌面agent工具,顶部左侧显示名称,右侧放对话窗口和设置,中间展示聊天记录,底部固定输入框和发送按钮。用户的消息靠右边,agnet的回答靠左边,设置打开居中弹窗,整体简洁统一,缩小边框之后任然能操作,还没有接通的功能如实提示。所有的进度仅按照我要求做,没有要求的不要擅自开发。

提示词2》》》帮我在当前项目里面接入大语言模型,使其能够与我们对话。大模型用兼容openai,点击设置弹出窗口可以设置大模型

笔记:因为oepnai是市面用的最多的接口,没有之一

让agent可以实际干活,要怎么沟通:

提示词3》》》给当前的agent工具增加创建文件夹和执行任务的功能

提示词3之后,大模型的配置没有了,

提示词5》》》设置中的大模型要本地存储,不要每次都输入

posted @ 2026-11-04 21:43  包子789654  阅读(17)  评论(0)    收藏  举报