随着chatgpt问世，大模型已经在加速各行各业的变革，这是我之前对AI Agent行业的粗浅判断。

下面给大家介绍一下如何制作AI Agent，我会用我开发的全赞AI为例子进行简要的介绍，下面是一种工具型AI Agent的框架图

这是一个大量使用工具的Agent。Agent需要基于LLM才能正常工作，这里面有两种选择，要么直接用chatgpt的gpt4 api, 要么自己基于开源的大模型finetune一个自己的（我之前也有文章介绍过如何使用阿里云进行finetune）。前者需要你有一个国外的服务器（CPU即可，不需要GPU），并且按需付费；后者需要有自己的GPU并且需要你有finetune的能力。

搞定了LLM，就是用langchain这个粘合剂来做一些提示词工程了，这是一个插画家的Agent的提示词内容。

当然为了支持上下文，你需要用数据库记住用户和AI的问答内容，

最后就是初始化这个agent。

你会发现这里面还有一堆的tools，因为我之前就有几百个工具API的积累，我直接用restful api引入就可以了。比如文生图我直接发个请求就行了。

当然，上面这个是一种比较简单的Agent，还有一些Agents需要做语义搜索，比如知识库搜索等，这里需要使用向量数据库。比如下面这个首席商务官的机器人，需要从几千个行业报告中获取答案。大体的制作过程是你先要准备好你的知识库文档（pdf，txt等等），然后获取这些文档的embeddings, 可以用OpenAIEmbeddings（不贵，但是得注意频率，太快会出错），然后将得到的这些embeddings存到向量数据库中（例如FAISS），准备工作做好之后，当用户有问题，也是将用户的问题转成embedding，然后去向量数据库中搜索答案。

当然，在制作的过程中会发现很多很多的问题，例如prompt老是不听使唤，即使答案已经摆在那儿了，Agent还是返回一堆废话，这就需要一定的debug能力了，非一日之功，得慢慢培养。