前言

之前我们讲过了想将LLM能力在具体的应用中实践，最好的方法是做成一个agent。

本系列我们就从零写一个agent框架，方便我们构造和运行agent。

coze dify 等agent编排框架探索

动手之前先看看目前比较好的这些agent编排框架。

首先我认为最好的是字节的coze:<code>https://www.coze.com它以bot(agent)为主体，在其上增加了一些RAG，workflow等等功能。并且提供了single和multi两种模式。

用起来很简单，只需要少量的编辑，就能够快速将应用搭建起来。

当然这种设计也导致它的编排能力非常弱，尤其是对于CoT这种场景。它的workflow也不支持嵌入bot，只提供了一些简单节点。多bot的场景只能用multi agent模式，但这个模式也只是简单的编排。做一些复杂操作非常勉强。

但我最喜欢的是它的workflow能嵌workflow，属实是能力无限。

dify:github地址，在线能力体验

可以理解为开源，低配版coze

其他有 FlowiseAI，kuafu，Boxcars等等

还有一个比较另类的Stable Diffusion，我非常喜欢他的ComfyUI，这也算是一种workflow，非常的比较open，且能够导来导入，且不拘一格，可以任意流转。

目标

那我们这个ai_agent框架目标如下：

编排式agent，不应该拘泥于某一范式来编排agent，而应该是一个开放的能力。这主要是因为在解决复杂问题时固定范式会限制我们的思路。BaaS Solution 服务和编排分离，基于一个的中间层的协议通信。在应用发布后，只需要调用服务的api即可。能力无限 workflow和agent都可以作为一个新的agent的子节点。

架构设计

简略的划分为两个模块，agent服务和webui，一个用来运行agent，一个用来编排agent。

webui：用来编排agent的ui界面，编排后的结果是一个执行计划plan。agent serve：agent服务，能够加载各种service(llm，workflow等)，并根据plan执行这些service。python_rt: python运行环境，就是说可以直接将py代码作为service执行，以后还会有wasm_rt等等。agent_rt: agent运行时，是调度plan的核心。

快速体验

项目地址 传送门

启动服务

启动需要示例

python_rt : 是为了能够远程调用python，并保证一个安全和沙盒环境，版本使用的<code>3.11.9webui : 用的wasm制作的编辑器，需要trunk绑定，trunk安装教程openai：我这里llm主要用的openai，如果你需要llm能力，则需要先设置appkey到环境变量中。

// 启动python运行时，我这里直接打包成了docker，python版本3.11.9

docker run -itd -p 50001:50001 wdshihaoren/python_rt:16896997

//运行实例，就是起一个rpc服务，能够运行plan

cd example

cargo run --bin serve

//运行webui

cd webui/server

go run main.go

cd webui

trunk serve

加载plugin

project->LOAD，从webui/server中加载所有的plugin插件，插件地址，其实就是一堆json，定义插件的视图长啥样。

到这里可以自己拖拽一些节点制作workflow了。

upload plugin

我们这里直接上传一个做好的agent： single agent。将内容粘贴到<code>plan-text-view窗口中，up plugin上传。可以看到所有的流程节点。

执行流程

打开<code>work-flow-view视图，可以看到single agent执行流程非常简单。

注意： 一个流程总是以start节点开始，以end节点结束。

根据用户输入，调用llm，如果需要调用tool，则用python执行tool，然后将结果追加到llm的上下文中。继续调用llm。如果不需要执行tool，则流程结束，返回答案answer。

debug

点击<code>debug，查看关键流程的执行结果是否符合预期。

至此，一个简单的流程就体验完了。

尾语

我会继续完善这个项目相关的文档，每个模块都会有一篇文章介绍，同时诚邀感兴趣的小伙伴们的参与，一个人工作量有点大。

项目目前刚开始做，还有很多功能没有完善，之后可能会有大的改动。

关于能力无限，其实上面这个workflow可以导出来作为一个workflow被其他的agent调用。可以在<code>workflow->custom_workflow中体验。

如果不想用webui这么复杂的东西，可以直接用rust，引用crate.io上的agent_rt和wd_agentlib，然后编码体验。

​

如何学习大模型

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

二、AI大模型视频教程

三、AI大模型各大学习书籍

四、AI大模型各大场景实战案例

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。