智能体(Al Agent)是大模型与业务应用的桥梁，智能体=大模型+知识库+业务系统API+工作流编排

第一步 创建智能体应用

点击 左侧“创建空白应用"，在如下界面中点击”Agent“。 给名称和图标，创建完成。

第二步 配置智能体的模型

点击上一步中创建好的智能体，点击去 "去设置"， 就可以输入申请的API Key或者本地大模型。API key是指去deepseek等官网申请账号并获取一个key，但是这个会收费而且知识库内容会暴露在网上，不安全。

本文采用的是本地大模型，所以选择Ollama。

2.1 配置LLM

创建智能体的时候，可以通过"去设置"来添加模型，如下图，点击模型供应商然后点击Ollama下面添加模型按钮。

当然也可以点击右上角的账户名，然后在菜单里面点击设置，就可以打开上图的设置页面来添加或者维护模型。

事先我已经安装了Ollama并下载了几个大模型，如果大家没有事先准备好。那先下载安装Ollama，并在命令行工具里面下载运行大模型即可，简单的命令如下：

如果有必要，我可以再写一篇关于Ollama相关的文章，这里不再描述。然后在弹出页面中输入具体内容，如下红色箭头部分不能直接输入 http://localhost:11434

输入localhost，点击保存总是报错"An error occurred during credentials validation: HTTPConnectionPool(host='localhost', port=11434): Max retries exceeded with url: /api/chat (Caused by NewConnectionError('<urllib3.connection.HTTPConnection object at 0x7f4a84ce0590>: Failed to establish a new connection: [Errno 111] Connection refused'))"。

问题主要出在docker类似于虚拟机，如果直接写 http://localhost:11434，其实访问的是docker本身的服务，肯定就找不到了。其实当前请求相当于docker要访问主机机器的地址，那就需要把主机的ollama地址暴露出来，步骤如下：

系统变量里面加 OLLAMA_HOST，然后输入局域网地址或者直接输入"0.0.0.0"; 如果是对外的网络地址也行。然后在path里面增加%OLLAMA_HOST%，重启Ollama即可。

2.2 配置知识库Embedding模型

逻辑推理用deepseek大模型, 知识库Embedding不用deepseek，说命中率不高，回答问题效果不好，所以选用BGE-M3。按如下红色箭头命令操作，然后查看一下，模型已经下载完成。

BGE (BAAI General Embedding) 专注于检索增强LLM领域，对中文场景支持效果更好，当然也有很多其他embedding模型可供选择，可以根据自己的场景，在ollama上搜索“embedding”查询适合自己的嵌入模型。

配置如上图，如果说连不上报错，要确认Ollama是否启动，就直接在浏览器里面输入URL看看是否有“Ollama is running”字样。点击保存按钮，就可以看到如下所示LLM用了deepseek-r1:14b而TEXT EMBEDDING用的是bge-m3。

至此，两个模型配置完成。

第三步 知识库操作

3.1 创建知识库

如下图操作

3.2 上传RAG资料

可以看到有三步，即选择数据源，文本分段与清洗，处理并完成。资料可以是本地的文本文件，或者直接同步网络资料等等。

支持的文本文件类型也很多，不过要注意单个文件不能超过15M。如果文件大了怎么办，拆呗。

3.3 保存资料并处理

我上传了一个自己写的用户手册，pdf格式，12.86M，可以处理。点击下一步，如下图。

分段设置直接用了通用的，索引方式用高质量，Embedding模型用bge-m3，检索设置用混合检索。点击保存并处理，等待处理完成。

完成前往文档，知识库里面就有一个文档知识库内容了。

第四步 测试结果

点击工作室，并打开已经创建完成的智能体(Agent)

不错，AI能够自己检索并拼出结果给用户。接下来要研究怎么改进RAG，并嵌入到自己写的系统中。

 

 如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

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】🆓