今天分享如何在个人电脑上搭建一个AI智能体平台，可以自定义聊天机器人，设计智能体，编排工作流，知识库，RAG管道等等，还支持本地大模型接入，并对外提供API接口。
如搭建过程有疑问，可查看下方视频号详细讲解视频，也可在公众号主页添加我或进技术群交流。
为什么需要智能体
智能体的必要性源于单一AI模型的局限性。无论是GPT还是其他先进的AI模型，它们在处理复杂问题时总会面临边界。当多个智能体协同工作时，不同模型的优势可以相互补充，形成更具灵活性和智能化的系统。智能体不仅封装了提示词和任务，还能通过多个模型编排突破单个模型的局限，通过分工协作共同解决复杂问题。
多个大模型厂商已经开始推出基于智能体的AI助手，能够集成多个模型的优势来提供更具定制化和深度的服务。最近360与国内15家大模型开发商合作搞出一个"复仇者联盟"，推出的「360 AI助手」也是同样的道理，一个打不过GPT，15个一起上！
重点：Agent真正的价值在于------模型编排（也叫智能体设计Agent Design，现在有一个专业岗位叫Agent Designer）
01
开源LLM应用开发平台
AI Agent--Dify
Dify,源自 Define + Modify，意指定义且持续改进你的 AI 应用，它是为你而做的（Do it for you）。
它融入后端服务， 内置构建 LLM 应用所需的关键技术栈，支持数百个模型、Prompt 编排及流程编排、高质量RAG 引擎、Agent 框架，还提供了一套易用的界面和 API。为开发者节省了许多重复造轮子的时间，使其可以专注在创新和业务需求上。即使你是非技术人员，也可以快速搭建生产级的生成式 AI 应用。
Dify核心功能比较
1. 工作流: 在画布上自由构建和测试功能强大的 AI 工作流程。
2. 全面的模型支持: 与数百种闭源/开源 LLMs 以及数十种推理提供商和自托管解决方案无缝集成，涵盖 GPT、Llama3 以及Ollama平台。
3. Prompt IDE: 用于制作提示、比较模型性能以及向基于聊天的应用程序添加其他功能的直观界面。
4. RAG 管道: 从文档摄入到检索的所有内容，支持从 PDF、PPT 和其他文档格式中提取文本。
5. Agent 智能体: 可基于 LLM 定义 Agent，并为 Agent 添加自定义工具。Dify 为 AI Agent 提供了50多种内置工具，如谷歌搜索、DALL·E、Stable Diffusion。
6. LLMOps: 随时间监视和分析应用程序日志和性能。
7. 后端即服务: Dify功能带有相应的 API，可以将 Dify 集成到自己的业务应用中。
Dify能做什么
1. 创业：可快速将 AI 应用创意变成现实，已有几十个团队通过 Dify 构建 MVP（最小可用产品）获得投资，或通过 POC（概念验证）赢得了客户的订单。
2. 将 LLM 集成至已有业务：引入 LLM 增强现有应用的能力，接入 Dify 的 RESTful API 从而实现 Prompt 与业务代码的解耦，在 Dify 的管理界面是跟踪数据、成本和用量，持续改进应用效果。
3.作为企业级 LLM 基础设施：部分银行和互联网大厂正将 Dify 部署为企业内的 LLM 网关，加速 GenAI 技术在企业内的推广，并实现中心化的监管。
02
如何部署Dify
1.安装Docker
Docker 是一个小白就能轻松上手的开源容器平台，专为开发、部署和运行应用程序而设计。Docker 提供了一种轻量级的虚拟化方式，使得应用程序能够快速部署且易于管理。
1.1 Docker下载：
支持Mac\Windows\Linux，选择适合的版本。
1.2 Docker安装：
一键安装docker。
安装成功后docker的 UI 界面，如下：
2.部署 Dify
2.1 获取Dify源代码
有两种方式，都很简单。
一是通过Git命令行克隆，只需要一条命令自动拉取。
- 打开Git bash
- 输入命令：
git clone https://github.com/langgenius/dify
二是在GitHub 下载源码，放到指定文件夹即可。
- 访问 https://github.com/langgenius/dify
- 点击"Code"，选择"Download ZIP"
2.2 解压文件：
2.3 启动Dify
解压后打开docker文件夹，找到这个文件"docker-compose.yaml"，使用Git Bash打开。
同样也是一条简单命令拉取，很快就完成了。
运行命令：docker compose up -d
然后我们就能在Docker界面看到出项一栏Docker，那Dify就部署成功了。
3.打开Dify，配置账户信息
Dify本地部署完成后，需要从本地网址登录。
配置账户信息
然后就可以正式登录了。
4.Dify界面
主界面介绍
可用大模型管理：
Dify有很多强大的功能等着我们一起探索。
如何学习AI大模型？
？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 "AI会取代那些行业？""谁的饭碗又将不保了？"等问题热议不断。
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高
那么针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码 领取🆓**↓↓↓**
👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈
学习路线
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；
第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
