企业官网建设流程全解析

宁波广告公司网站建设,网站建设网站定制,深圳专业做网站的公司哪家好,平面设计在线网站“想入门 Agent 开发#xff0c;但不知道从哪下手#xff1f;” 其实不用一开始我们不用搞复杂的多模块协同#xff0c;今天咱们用 50 行左右代码#xff0c;开发一个能规划 “城市一日游” 的简易 Agent—— 不用高深技术#xff0c;了解Python基础的就能搞定#xff0c…“想入门 Agent 开发但不知道从哪下手” 其实不用一开始我们不用搞复杂的多模块协同今天咱们用 50 行左右代码开发一个能规划 “城市一日游” 的简易 Agent—— 不用高深技术了解Python基础的就能搞定看完就能上手实操一、先明确我们要做个啥样的 Agent这次开发的 “简易旅游规划 Agent”核心目标很简单用户输入 “城市 游玩偏好”比如 “上海 喜欢文艺打卡”Agent 能自动完成 3 件事拆解需求提取 “上海”“文艺打卡” 等关键信息调用工具查上海文艺类景点用简易数据模拟工具调用生成结果输出含 “景点 推荐理由 大致时间” 的一日游行程。在技术上我们不搞复杂的向量数据库或多模块直接用 “LLM 简易工具模拟” 去实现重点帮大家理解 Agent“接收需求→执行任务→输出结果” 的核心逻辑。二、开发前准备3 分钟搞定环境1. 技术选型新手友好版核心大脑用 OpenAI 的 GPT-3.5-turbo也能用国内的文心一言、通义千问 API用法类似开发语言Python 3.8最通用必备库openai调用 LLM、python-dotenv管理 API 密钥避免泄露。2. 环境搭建复制粘贴就行先安装需要的库pip install openai python-dotenv然后准备一个.env文件把你的 OpenAI API 密钥放进去密钥在 OpenAI 官网个人中心获取OPENAI_API_KEY你的API密钥三、核心代码50 行实现旅游规划 Agent咱们把 Agent 拆成 “需求解析”“工具调用”“结果生成” 3 个函数逻辑和之前讲的 Agent 工作流程完全对应每一步都有详细注释跟着看就懂#!/usr/bin/env python3 # -*- coding: utf-8 -*- 旅游规划Agent - 改进版 功能根据用户需求生成一日游行程 import os import json # 替换eval安全解析JSON from openai import OpenAI from dotenv import load_dotenv # 加载API密钥从.env文件里读安全不泄露 load_dotenv() # 安全获取API密钥避免密钥泄露风险 oai_api_key os.getenv(OPENAI_API_KEY) if not oai_api_key: raise ValueError(未找到OpenAI API密钥请在.env文件中设置OPENAI_API_KEY) client OpenAI(api_keyoai_api_key) # 需求解析函数——把用户的话变成清晰指令 def parse_user_requirement(user_input): 让LLM提取用户需求里的城市和偏好 try: response client.chat.completions.create( modelgpt-3.5-turbo, messages[ {role: system, content: 你是需求解析助手从用户输入中提取「城市」和「游玩偏好」格式用JSON字典返回例如{city:上海,preference:文艺打卡}不要包含任何其他解释性文字}, {role: user, content: user_input} ] ) # 使用json.loads代替eval安全解析JSON字符串 response_content response.choices[0].message.content.strip() # 确保返回格式是有效的JSON if response_content.startswith({) and response_content.endswith(}): return json.loads(response_content) else: raise ValueError(fLLM返回格式错误: {response_content}) except Exception as e: print(f需求解析失败: {str(e)}) # 返回默认值或抛出异常 raise # 工具调用函数——模拟查景点实际项目可换成调用高德/百度地图API def call_attraction_tool(city, preference): 模拟调用“景点查询工具”返回符合偏好的景点列表 # 实际开发中这里可以换成调用真实API如高德地图“周边搜索”接口 # 为了方便新手先用模拟数据演示 mock_attractions { 上海: { 文艺打卡: [武康路老洋房网红店建议2小时, M50创意园艺术展涂鸦墙建议1.5小时, 愚园路小众咖啡馆文创店建议2小时], 亲子游玩: [上海迪士尼一整天, 上海动物园建议3小时, 奈尔宝家庭中心室内游乐场建议4小时] }, 北京: { 文艺打卡: [798艺术区展览雕塑建议3小时, 五道营胡同文艺小店咖啡馆建议2小时, 杨梅竹斜街小众书店文创建议1.5小时], 亲子游玩: [北京动物园看熊猫建议3小时, 中国科学技术馆互动体验建议4小时, 环球影城一整天] }, # 可以根据需要添加更多城市和景点类型 广州: { 文艺打卡: [红专厂创意园艺术展拍照建议2小时, 永庆坊岭南文化网红店建议2小时], 美食探索: [北京路广式小吃建议2小时, 上下九传统美食建议3小时] } } # 根据城市和偏好返回对应景点 return mock_attractions.get(city, {}).get(preference, [暂未找到符合的景点换个城市试试吧]) # 结果生成函数——把景点整合成一日游行程 def generate_itinerary(attractions, city, preference): 让LLM把景点列表变成连贯的一日游行程 try: response client.chat.completions.create( modelgpt-3.5-turbo, messages[ {role: system, content: f你是旅游规划师根据{city}的{preference}类景点生成一份一日游行程要包含「时间安排」「推荐理由」语言轻松易懂适合手机阅读}, {role: user, content: f景点列表{attractions}请生成一日游行程} ] ) return response.choices[0].message.content except Exception as e: print(f行程生成失败: {str(e)}) raise # 整合打造完整的旅游规划Agent def travel_planning_agent(user_input): 旅游规划代理主函数 参数user_input - 用户输入的需求文本 返回生成的一日游行程文本 # 步骤1解析用户需求 parsed_requirement parse_user_requirement(user_input) city parsed_requirement[city] preference parsed_requirement[preference] print(f已识别需求城市{city}偏好{preference}) # 步骤2调用工具查景点 attractions call_attraction_tool(city, preference) print(f已找到景点{attractions}) # 步骤3生成最终行程 itinerary generate_itinerary(attractions, city, preference) return itinerary # 测试Agent让它跑起来 if __name__ __main__: try: user_input input(请告诉Agent你的需求比如“上海喜欢文艺打卡”) result travel_planning_agent(user_input) print(\n 你的专属一日游行程 ) print(result) except Exception as e: print(f程序运行出错: {str(e)}) print(请检查API密钥配置或网络连接后重试)四、运行效果输入需求秒出行程咱们测试一下输入 “上海 喜欢文艺打卡”Agent 的运行过程和结果如下需求解析自动识别 “city 上海preference 文艺打卡”工具调用返回武康路、M50 创意园、愚园路等景点结果生成输出带时间和理由的行程比如 你的专属一日游行程 【上海文艺打卡一日游】 9:00-11:00 武康路 推荐理由魔都文艺地标沿街都是百年老洋房还有网红武康大楼适合拍照打卡路上可以买杯咖啡慢慢逛 12:30-14:00 M50创意园 推荐理由老厂房改造的艺术园区有很多画廊和设计工作室偶尔会有小众艺术展人少清净适合感受艺术氛围 15:00-17:00 愚园路 推荐理由比武康路更小众的文艺街有很多独立咖啡馆和文创小店累了可以找家店坐下来看书感受上海的慢生活是不是很实用而且代码里的 “模拟工具”换成真实 API 就能查全国任意城市的景点五、新手进阶3 个小改动让 Agent 更强大如果想让这个 Agent 更实用不用重写代码只需做 3 个小优化换成真实工具 API把call_attraction_tool里的模拟数据换成 “高德地图周边搜索 API”申请免费密钥就能用就能实时查任意城市的景点、餐厅加简单记忆用字典存用户历史需求比如 “用户上次要上海文艺行程”下次用户输入 “再帮我规划一次”Agent 能自动复用之前的城市和偏好六、总结Agent 开发的核心逻辑其实很简单这次的小实例虽然简单但已经包含了大模型 Agent 的核心逻辑接收需求→解析目标→调用工具→生成结果复杂的 Agent比如能订酒店、算预算的只是在这个基础上多了 “记忆协同”“反馈优化” 等模块本质都是 “把复杂任务拆成小步骤一步步解决”。下次想开发其他 Agent比如 “美食推荐 Agent”“学习计划 Agent”也能套用这个思路先明确核心目标再拆成小函数最后整合起来 —— 新手也能快速上手如果在实操中遇到 API 调用、代码报错等问题欢迎在评论区留言咱们一起解决想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2025 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容​一、学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI1. 100本大模型方向电子书2. 26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC 实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。3. 600套技术大会 PPT听行业大咖讲实战PPT 整理自 2024-2025 年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。二、求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌1. 107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自 2021-2025 年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析2. 102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑3. 97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”三、路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型 学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、关键技术以及大模型应用场景。L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。L5阶段专题集丨特训篇 【录播课】四、资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容​2025 年想抓住 AI 大模型的风口别犹豫这份免费资料就是你的 “起跑线”