最近，Manus火出圈了。有不少"报道"称它是全球首款具备通用能力的AI智能体。Manus 的官方把它定义为"通用型 AI 智能体"。什么是"通用型 AI 智能体"呢？说直白一些，它就是一个可以根据你设定的目标，自主地完成任务的 AI 智能体，并能自主解决执行任务过程中遇到的各种问题，而且能根据反馈不断优化决策和执行策略。
目前，Manus 仍然处于邀请体验阶段，一码难求。也有专家表示，它是否是通用型 AI 智能体实际还需测试。不过，既然有 DeepSeek 了，为什么不自己做一个 AI 智能体呢？
你可能会觉得自己开发一个 AI 智能体会很难。做通用型 AI 智能体的确会很难，但是做一个能满足你个人日常工作需求的AI 智能体很简单。
我们接下来给大家用一篇教程，告诉你怎么利用 Llama 或 DeepSeek 做一个帮助你编程的 AI 智能体。
开发自己的 AI 智能体
在代码开发的世界里，效率和个性化是开发者们梦寐以求的两大法宝。然而，尽管 Cursor 作为一款 AI **驱动的代码助手，可以帮我们加速编程的工作。**但是就像刚刚说的，Cursor 是一个 AI 驱动的辅助编码工具，而不是真正意义上的 AI 智能体。虽然它利用大型语言模型提供智能自动补全和代码生成，但它缺乏自主学习、适应用户偏好和独立执行任务的能力，这些都是通用型 AI 智能体所应具备的关键特性。
想象一下，你正在全神贯注地编写代码，Cursor 给出了它的自动补全建议。但问题是，这些建议往往只是基于通用的编程规则和模式，完全不了解你的个人编码风格，也不熟悉你偏爱的库和项目结构。如果你所在的团队还有严格的编码标准，那么使用 Cursor 生成的代码，你几乎每次都得手动调整，这无疑大大降低了你的工作效率。
如果 Cursor IDE 能够真正从你的编码偏好中学习，并以你期望的方式交付代码，那该多好？这种情况下我们完全可以引入一个 AI Agent 来解决这个问题。
然而自己构建一个 AI Agent 来配合 Cursor 使用是一个涉及多个复杂环节的过程，需要投入较多的时间、精力和资源，例如你要选择模型、训练模型、部署系统等等。相比之下， 使用 DigitalOcean 的 GenAI 平台 可以大大简化这个过程，让你能够快速、便捷地获得一个符合你需求的 AI Agent，从而更高效地提升你的编码效率和开发体验。
为什么要用到 DigitalOcean GenAI 平台
原因很简单，因为使用 GenAI 平台，会大幅简化 AI Agent 开发的过程，降低整体的开发复杂度。具体来讲，DigitalOcean GenAI 平台是一个全方位的解决方案，使您能够迅速构建并扩展人工智能代理，无论您在人工智能的道路上处于何种阶段，它可以：
- 简化开发流程：GenAI 可以提供预制的工具和框架，加速你的人工智能体开发，节省你的时间和精力。
- 简化复杂任务：GenAI 可以提供经过预训练的模型和算法，这些模型和算法可以针对你的特定用途进行微调，使你更容易处理诸如自然语言处理、计算机视觉或强化学习等复杂任务。
- 提升模型性能：GenAI 可以提供先进的优化技术、超参数调整和模型选择方法，帮助提升你的人工智能体的性能。
- 扩展和部署：GenAI 可以促进你的人工智能体的大规模部署，提供模型服务、监控和维护的工具。
- 协作和知识共享：GenAI 可以实现人类与人工智能系统之间的协作，使你能够更有效地与你的人工智能体合作，并利用其能力来增强你自身的专业知识。
而在本教程的案例中，DigitalOcean 的 GenAI 平台让你可以在一个完全属于你自己的、经过精心整理的知识库上训练 AI。这样一来，你得到的代码将完美契合你的工作流程，而不是来自 Cursor 的通用的"回答"。
它甚至能学习我使用的特定软件开发工具包（SDKs）、环境设置和库。假设我需要一个 Stripe 集成代码片段------我不需要一个通用的 API 调用。我需要它使用 Stripe Python SDK，通过 python-dotenv 从我的 .env 文件中进行身份验证，并按照我偏好的结构来构建------直接在集成开发环境（IDE）中完成。
如何使用 GenAI 呢？
- 创建 Spaces Bucket ：将你所有喜爱的代码片段和 API 设置上传到 DigitalOcean Spaces bucket（DigitalOcean云平台的对象存储）。
- 创建知识库 ：将该 bucket 连接为你的数据源。DigitalOcean 会负责将你的代码片段转换为向量嵌入，使你的数据始终为 AI 准备就绪。
- 部署 AI 代理 ：将你的知识库链接到 AI 代理。你可以选择诸如 Llama 3、Anthropic 或 DeepSeek 等模型。
- 配置 Cursor ：最后，用你的新 DigitalOcean GenAI 代理端点和密钥覆盖 Cursor 的 OpenAI API 端点。
如何配置？
第 1 步：在 DigitalOcean 中创建知识库
- 前往 DigitalOcean 并创建一个知识库。
- 将其连接到一个 Spaces bucket------这就是存放你所有文档、代码片段和参考材料的地方。
- 上传你的代码片段 / 项目，DigitalOcean 将自动处理向量嵌入，使你的数据可被搜索且对 AI 友好。
尽管 GenAI 平台的使用非常简单，但如果你希望更详细地了解怎么用它，可以浏览DigitalOcean 官方的教程。
图：DigitalOcean Web 界面确认 GenAI 代理知识库的数据源已成功更新
第 2 步：创建 AI 代理
- 你的知识库设置完成后，创建一个 AI 代理。
- 选择你想要的模型（例如，Llama 3）
- 将其链接到你的知识库，以确保 AI 代理能够访问正确的信息
图：用于模型选择和知识库设置的 DigitalOcean GenAI 代理配置界面
**创建代理：**等待代理部署。部署完成后，将其公开，并复制端点 URL------在下一步配置 Cursor 时你会需要这个。
DigitalOcean 云仪表板显示代理的基本信息和端点详细信息。
创建端点访问密钥。在设置 Cursor 时我们将需要这个。
图：DigitalOcean 界面用于创建端点访问密钥
第 3 步：配置 Cursor 以使用 AI 代理
- 打开 Cursor 并进入设置 > 模型。在这里你可以选择 DeepSeek R1，也可以选择 Llama。
- 创建一个新模型并选择覆盖 OpenAI API 设置的选项。
- 粘贴 DigitalOcean 中的代理端点。
重要提示：在端点 URL 后面添加 /api/v1，例如：<https://agent-123457-abcd.ondigitalocean.app/api/v1\>
现在，当你请求代码片段时，Cursor 将直接从你精心整理的知识库中检索代码，而不是依赖通用的在线回复。
图：Cursor 使用 GenAI 代理端点并从知识库中显示代码片段
一个经过自定义训练的 AI 意味着你得到的代码将完全符合你的工作方式。它不是通用的------它是你的代码，使用你的工具构建，并按照你的方式结构化，直接在你的集成开发环境（IDE）中完成。
它不仅限于代码。一个基于你自己知识库训练的 AI 可以帮助你构建内部聊天机器人、支持机器人，甚至是一个真正理解你产品的助手。它不是关于千篇一律的回复；它是关于一个符合你独特工作流程的 AI。
想要了解更多的话，可以关注 DigitalOcean中国区独家战略合作伙伴卓普云的官网。另外，如果你的团队计划训练、部署 AI 大语言模型，欢迎了解 DigitalOcean 云平台基于 NVIDIA H100 和 NVIDIA H200 的 GPU 服务器，价格实惠且服务稳定。