最近我一直在研究 AI Agent 这个方向。之前几篇文章提到过Agent 是前端转型 AI 全栈最该切入的点之一。这次我直接从零搭建了一个 Agent 项目把过程和代码都记下来了。为什么前端人该学 Agent 开发2026 年行业里出现了一个新角色——Agent 工程师。核心不是训练大模型而是编排 AI Agent 的工作流给它工具、定义规则、让它自主完成任务。前端工程师有用户视角和交互思维做这件事有天然优势。这篇教程用 LangChain LangGraph 搭建一个智能客服 Agent能理解用户问题、查询知识库、生成回答。技术栈选的都是前端友好的方案。项目目标要做的 Agent 能完成这几件事理解用户的自然语言问题从预设知识库中检索相关信息根据检索结果生成回答知识库里没有答案时如实告知最终效果大致这样1 2 3 用户你们的产品支持 API 吗 Agent支持。我们提供 REST API包含用户管理、数据查询和消息推送。 文档地址在开发者中心的 API 栏目下。前置知识知识点用途学习建议JavaScript/TypeScriptAgent 代码编写前端开发者应该都会Node.js 基础运行环境会用 npm 就行LLM API 调用让 Agent 思考了解 OpenAI/Claude API 基础向量检索概念知识库检索知道 Embedding 是什么即可不需要机器学习背景。LangChain 最早是 Python 库但 JavaScript 版本现在够用了。项目初始化创建新项目1 2 3 mkdir ai-agent-tutorial cd ai-agent-tutorial npm init -y npm install langchain langchain/openai langchain/core入口文件src/agent.js配置 LLM1 2 3 4 5 6 7 8 9 import { ChatOpenAI } from langchain/openai ; const llm new ChatOpenAI ({ modelName : gpt-4o , temperature : 0.3 , apiKey : process. env . OPENAI_API_KEY , }); console . log ( LLM 配置完成 );API Key 放环境变量1 export OPENAI_API_KEY 你的API密钥定义系统提示词Agent 的行为由提示词控制。我试了几版下面是效果最好的1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 const SYSTEM_PROMPT 你是一个专业的客服助手名叫小智。 你的职责 - 根据知识库内容回答用户问题 - 回答要简洁、准确、友好 - 如果知识库中没有相关信息请如实告知用户 回答格式 - 直接回答问题不要复述用户的问题 - 如果信息充分控制在 3 句话以内 ; import { ChatPromptTemplate } from langchain/core/prompts ; const prompt ChatPromptTemplate . fromMessages ([ [ system , SYSTEM_PROMPT ], [ human , {input} ], ]);搭建知识库检索Agent 需要知识来源。最简单的方式把常见问题存为文档用向量检索查找最相关答案。1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 import { MemoryVectorStore } from langchain/vectorstores/memory ; import { OpenAIEmbeddings } from langchain/openai ; import { Document } from langchain/core/documents ; // 预设知识库 const knowledgeBase [ { content : 我们的产品支持 REST API包含用户管理、数据查询和消息推送三个核心模块。文档位于开发者中心的 API 栏目下。 , metadata : { category : API } }, { content : 免费套餐包含 1000 次 API 调用/月。专业版 99 元/月提供 10 万次调用。企业版需联系销售提供无限调用量和专属支持。 , metadata : { category : pricing } }, { content : 我们支持微信、邮件和企业微信三种通知渠道。在控制台的通知设置页面可以配置。 , metadata : { category : notification } }, { content : 数据存储在阿里云和华为云上采用 AES-256 加密。我们通过了等保三级认证。 , metadata : { category : security } }, { content : 技术支持通过工单系统、在线客服和开发者社区三种方式提供。工单响应时间免费用户 48 小时专业用户 4 小时企业用户 1 小时。 , metadata : { category : support } }, ]; const embeddings new OpenAIEmbeddings (); const docs knowledgeBase. map ( item new Document ({ pageContent : item. content , metadata : item. metadata }) ); const vectorStore await MemoryVectorStore . fromDocuments (docs, embeddings); // 检索函数 async function searchKnowledge ( query ) { const results await vectorStore. similaritySearch (query, 2 ); return results. map ( doc doc. pageContent ). join ( \n ); } // 测试 const testResult await searchKnowledge ( API 怎么用 ); console . log ( 检索结果: , testResult);用 LangGraph 编排工作流Agent 需要有自己的决策流程先判断问题类型再决定调用什么工具最后生成回答。LangGraph 就是用来定义这个流程的。1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 import { StateGraph , END } from langchain/langgraph ; import { Annotation } from langchain/langgraph ; const AgentState Annotation . Root ({ input : Annotation string, context : Annotation string, output : Annotation string, }); // 节点 1检索知识库 async function retrieve ( state ) { const context await searchKnowledge (state. input ); return { context }; } // 节点 2生成回答 async function generate ( state ) { const chain prompt. pipe (llm); const fullPrompt 请根据以下知识库内容回答用户问题\n\n知识库{state.input} ; const response await chain. invoke ({ input : fullPrompt }); return { output : response. content }; } // 构建工作流 const workflow new StateGraph ( AgentState ) . addNode ( retrieve , retrieve) . addNode ( generate , generate) . addEdge ( retrieve , generate ) . addEdge ( generate , END ); const agent workflow. compile ();加上工具调用只查知识库还不够。让 Agent 学会主动调用工具——比如查询订单、创建工单。1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 import { tool } from langchain/core/tools ; import { createReactAgent } from langchain/langgraph/prebuilt ; // 工具查询订单 const checkOrderTool tool ( async ({ orderId }) { const orders { ORD001 : { status : 已发货 , tracking : SF1234567890 }, ORD002 : { status : 处理中 , eta : 预计 2 天后发货 }, }; return orders[orderId] || 未找到该订单 ; }, { name : check_order , description : 根据订单号查询订单状态和物流信息 , schema : { type : object , properties : { orderId : { type : string , description : 订单号如 ORD001 }, }, required : [ orderId ], }, } ); // 工具创建工单 const createTicketTool tool ( async ({ title, description }) { return 工单已创建编号 TK-${Date.now()}预计 24 小时内处理。 ; }, { name : create_ticket , description : 为用户创建技术支持工单 , schema : { type : object , properties : { title : { type : string , description : 工单标题 }, description : { type : string , description : 问题描述 }, }, required : [ title , description ], }, } ); // 创建支持工具调用的 Agent const agentWithTools createReactAgent ({ llm, tools : [checkOrderTool, createTicketTool], prompt : ChatPromptTemplate . fromMessages ([ [ system , SYSTEM_PROMPT \n你可以使用工具来获取信息或执行操作。 ], [ human , {input} ], ]), });运行测试1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 async function runAgent ( question ) { console . log ( \n用户: ${question} ); const result await agent. invoke ({ input : question, context : , output : , }); console . log ( Agent: ${result.output} ); } // 测试 await runAgent ( 你们的产品支持 API 吗 ); await runAgent ( 免费套餐有什么限制 ); await runAgent ( 帮我查一下订单 ORD001 的状态 ); await runAgent ( 我要投诉帮我创建一个工单 );运行输出1 2 3 4 5 6 用户: 你们的产品支持 API 吗 Agent: 支持。我们提供 REST API包含用户管理、数据查询和消息推送。 文档在开发者中心的 API 栏目下可以找到。 用户: 帮我查一下订单 ORD001 的状态 Agent: 订单 ORD001 已发货物流单号 SF1234567890。你可以通过顺丰查询具体物流进度。接入前端界面用 HTML JavaScript 做一个简单的聊天界面1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 !DOCTYPE html html langzh-CN head meta charsetUTF-8 title AI 智能客服 /title style body { font-family: system-ui; max-width: 600px; margin: 40px auto; padding: 0 20px; } #chat { height: 400px; overflow-y: auto; border: 1px solid #ddd; padding: 16px; margin-bottom: 16px; border-radius: 8px; } .message { margin-bottom: 12px; padding: 8px 12px; border-radius: 8px; } .user { background: #e3f2fd; margin-left: 40px; } .agent { background: #f5f5f5; margin-right: 40px; } #input-area { display: flex; gap: 8px; } #input { flex: 1; padding: 8px; border: 1px solid #ddd; border-radius: 4px; } button { padding: 8px 16px; background: #1976d2; color: white; border: none; border-radius: 4px; cursor: pointer; } /style /head body h2 AI 智能客服 /h2 div idchat /div div idinput-area input idinput placeholder输入你的问题... / button onclicksendMessage() 发送 /button /div script async function sendMessage() { const input document.getElementById(input); const chat document.getElementById(chat); const question input.value.trim(); if (!question) return; chat.innerHTML div classmessage user ${question} /div ; input.value ; const response await fetch(/api/agent, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ question }), }); const data await response.json(); chat.innerHTML div classmessage agent ${data.answer} /div ; chat.scrollTop chat.scrollHeight; } document.getElementById(input).addEventListener(keypress, (e) { if (e.key Enter) sendMessage(); }); /script /body /html后端配一个 Express 路由1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 import express from express ; const app express (); app. use (express. json ()); app. post ( /api/agent , async (req, res) { const { question } req. body ; const result await agent. invoke ({ input : question, context : , output : , }); res. json ({ answer : result. output }); }); app. listen ( 3000 , () console . log ( Agent 服务运行在 http://localhost:3000 ));踩坑记录1. 向量检索结果不稳定一开始知识库只有 3 条数据检索效果很差。后来发现 Embedding 质量比数量更重要——知识库里每条内容应该是一个完整的知识点而不是大段文字切开的碎片。2. Agent 会编造答案提示词里写了“不知道就说不知道”Agent 偶尔还是会自己编。把 temperature 调到 0.3 以下同时在提示词中给明确约束好一些了。3. 工具调用死循环Agent 拿到问题后反复调用同一个工具。原因是没有设置终止条件。在提示词里加上“每个工具最多调用一次”就解决了。4. 响应速度慢Embedding LLM 两重调用首屏响应 2-3 秒。我的优化方案先返回“正在思考”的占位消息再用流式输出逐步展示回答。进阶方向方向说明难度接入真实数据库把知识库换成实际业务数据⭐多轮对话记忆用 LangGraph 的 State 管理对话历史⭐⭐流式输出SSE 实现打字机效果⭐⭐多 Agent 协作客服 工单 推荐 Agent 协同⭐⭐⭐评估和监控用 LangSmith 跟踪回答质量⭐⭐⭐改改提示词、换换工具看看 Agent 的行为会怎么变化这是学 Agent 最快的方式。最后我在一线科技企业深耕十二载见证过太多因技术更迭而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势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大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包✅AI大模型学习路线图✅Agent行业报告✅100集大模型视频教程✅大模型书籍PDF✅DeepSeek教程✅AI产品经理入门资料完整的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】为什么说现在普通人就业/升职加薪的首选是AI大模型人工智能技术的爆发式增长正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议到全国两会关于AI产业发展的政策聚焦再到招聘会上排起的长队AI的热度已从技术领域渗透到就业市场的每一个角落。智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200%远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。资料包有什么①从入门到精通的全套视频教程⑤⑥包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图还有视频解说全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤ 这些资料真的有用吗?这份资料由我和鲁为民博士共同整理鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。所有的视频教程由智泊AI老师录制且资料与智泊AI共享相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念通过动态追踪大模型开发、数据标注伦理等前沿技术趋势构建起前沿课程智能实训精准就业的高效培养体系。课堂上不光教理论还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界。业务赋能 突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型。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】**
AI Agent 从0到1实战：前端工程师打造智能客服的保姆级教程！
最近我一直在研究 AI Agent 这个方向。之前几篇文章提到过Agent 是前端转型 AI 全栈最该切入的点之一。这次我直接从零搭建了一个 Agent 项目把过程和代码都记下来了。为什么前端人该学 Agent 开发2026 年行业里出现了一个新角色——Agent 工程师。核心不是训练大模型而是编排 AI Agent 的工作流给它工具、定义规则、让它自主完成任务。前端工程师有用户视角和交互思维做这件事有天然优势。这篇教程用 LangChain LangGraph 搭建一个智能客服 Agent能理解用户问题、查询知识库、生成回答。技术栈选的都是前端友好的方案。项目目标要做的 Agent 能完成这几件事理解用户的自然语言问题从预设知识库中检索相关信息根据检索结果生成回答知识库里没有答案时如实告知最终效果大致这样1 2 3 用户你们的产品支持 API 吗 Agent支持。我们提供 REST API包含用户管理、数据查询和消息推送。 文档地址在开发者中心的 API 栏目下。前置知识知识点用途学习建议JavaScript/TypeScriptAgent 代码编写前端开发者应该都会Node.js 基础运行环境会用 npm 就行LLM API 调用让 Agent 思考了解 OpenAI/Claude API 基础向量检索概念知识库检索知道 Embedding 是什么即可不需要机器学习背景。LangChain 最早是 Python 库但 JavaScript 版本现在够用了。项目初始化创建新项目1 2 3 mkdir ai-agent-tutorial cd ai-agent-tutorial npm init -y npm install langchain langchain/openai langchain/core入口文件src/agent.js配置 LLM1 2 3 4 5 6 7 8 9 import { ChatOpenAI } from langchain/openai ; const llm new ChatOpenAI ({ modelName : gpt-4o , temperature : 0.3 , apiKey : process. env . OPENAI_API_KEY , }); console . log ( LLM 配置完成 );API Key 放环境变量1 export OPENAI_API_KEY 你的API密钥定义系统提示词Agent 的行为由提示词控制。我试了几版下面是效果最好的1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 const SYSTEM_PROMPT 你是一个专业的客服助手名叫小智。 你的职责 - 根据知识库内容回答用户问题 - 回答要简洁、准确、友好 - 如果知识库中没有相关信息请如实告知用户 回答格式 - 直接回答问题不要复述用户的问题 - 如果信息充分控制在 3 句话以内 ; import { ChatPromptTemplate } from langchain/core/prompts ; const prompt ChatPromptTemplate . fromMessages ([ [ system , SYSTEM_PROMPT ], [ human , {input} ], ]);搭建知识库检索Agent 需要知识来源。最简单的方式把常见问题存为文档用向量检索查找最相关答案。1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 import { MemoryVectorStore } from langchain/vectorstores/memory ; import { OpenAIEmbeddings } from langchain/openai ; import { Document } from langchain/core/documents ; // 预设知识库 const knowledgeBase [ { content : 我们的产品支持 REST API包含用户管理、数据查询和消息推送三个核心模块。文档位于开发者中心的 API 栏目下。 , metadata : { category : API } }, { content : 免费套餐包含 1000 次 API 调用/月。专业版 99 元/月提供 10 万次调用。企业版需联系销售提供无限调用量和专属支持。 , metadata : { category : pricing } }, { content : 我们支持微信、邮件和企业微信三种通知渠道。在控制台的通知设置页面可以配置。 , metadata : { category : notification } }, { content : 数据存储在阿里云和华为云上采用 AES-256 加密。我们通过了等保三级认证。 , metadata : { category : security } }, { content : 技术支持通过工单系统、在线客服和开发者社区三种方式提供。工单响应时间免费用户 48 小时专业用户 4 小时企业用户 1 小时。 , metadata : { category : support } }, ]; const embeddings new OpenAIEmbeddings (); const docs knowledgeBase. map ( item new Document ({ pageContent : item. content , metadata : item. metadata }) ); const vectorStore await MemoryVectorStore . fromDocuments (docs, embeddings); // 检索函数 async function searchKnowledge ( query ) { const results await vectorStore. similaritySearch (query, 2 ); return results. map ( doc doc. pageContent ). join ( \n ); } // 测试 const testResult await searchKnowledge ( API 怎么用 ); console . log ( 检索结果: , testResult);用 LangGraph 编排工作流Agent 需要有自己的决策流程先判断问题类型再决定调用什么工具最后生成回答。LangGraph 就是用来定义这个流程的。1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 import { StateGraph , END } from langchain/langgraph ; import { Annotation } from langchain/langgraph ; const AgentState Annotation . Root ({ input : Annotation string, context : Annotation string, output : Annotation string, }); // 节点 1检索知识库 async function retrieve ( state ) { const context await searchKnowledge (state. input ); return { context }; } // 节点 2生成回答 async function generate ( state ) { const chain prompt. pipe (llm); const fullPrompt 请根据以下知识库内容回答用户问题\n\n知识库{state.input} ; const response await chain. invoke ({ input : fullPrompt }); return { output : response. content }; } // 构建工作流 const workflow new StateGraph ( AgentState ) . addNode ( retrieve , retrieve) . addNode ( generate , generate) . addEdge ( retrieve , generate ) . addEdge ( generate , END ); const agent workflow. compile ();加上工具调用只查知识库还不够。让 Agent 学会主动调用工具——比如查询订单、创建工单。1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 import { tool } from langchain/core/tools ; import { createReactAgent } from langchain/langgraph/prebuilt ; // 工具查询订单 const checkOrderTool tool ( async ({ orderId }) { const orders { ORD001 : { status : 已发货 , tracking : SF1234567890 }, ORD002 : { status : 处理中 , eta : 预计 2 天后发货 }, }; return orders[orderId] || 未找到该订单 ; }, { name : check_order , description : 根据订单号查询订单状态和物流信息 , schema : { type : object , properties : { orderId : { type : string , description : 订单号如 ORD001 }, }, required : [ orderId ], }, } ); // 工具创建工单 const createTicketTool tool ( async ({ title, description }) { return 工单已创建编号 TK-${Date.now()}预计 24 小时内处理。 ; }, { name : create_ticket , description : 为用户创建技术支持工单 , schema : { type : object , properties : { title : { type : string , description : 工单标题 }, description : { type : string , description : 问题描述 }, }, required : [ title , description ], }, } ); // 创建支持工具调用的 Agent const agentWithTools createReactAgent ({ llm, tools : [checkOrderTool, createTicketTool], prompt : ChatPromptTemplate . fromMessages ([ [ system , SYSTEM_PROMPT \n你可以使用工具来获取信息或执行操作。 ], [ human , {input} ], ]), });运行测试1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 async function runAgent ( question ) { console . log ( \n用户: ${question} ); const result await agent. invoke ({ input : question, context : , output : , }); console . log ( Agent: ${result.output} ); } // 测试 await runAgent ( 你们的产品支持 API 吗 ); await runAgent ( 免费套餐有什么限制 ); await runAgent ( 帮我查一下订单 ORD001 的状态 ); await runAgent ( 我要投诉帮我创建一个工单 );运行输出1 2 3 4 5 6 用户: 你们的产品支持 API 吗 Agent: 支持。我们提供 REST API包含用户管理、数据查询和消息推送。 文档在开发者中心的 API 栏目下可以找到。 用户: 帮我查一下订单 ORD001 的状态 Agent: 订单 ORD001 已发货物流单号 SF1234567890。你可以通过顺丰查询具体物流进度。接入前端界面用 HTML JavaScript 做一个简单的聊天界面1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 !DOCTYPE html html langzh-CN head meta charsetUTF-8 title AI 智能客服 /title style body { font-family: system-ui; max-width: 600px; margin: 40px auto; padding: 0 20px; } #chat { height: 400px; overflow-y: auto; border: 1px solid #ddd; padding: 16px; margin-bottom: 16px; border-radius: 8px; } .message { margin-bottom: 12px; padding: 8px 12px; border-radius: 8px; } .user { background: #e3f2fd; margin-left: 40px; } .agent { background: #f5f5f5; margin-right: 40px; } #input-area { display: flex; gap: 8px; } #input { flex: 1; padding: 8px; border: 1px solid #ddd; border-radius: 4px; } button { padding: 8px 16px; background: #1976d2; color: white; border: none; border-radius: 4px; cursor: pointer; } /style /head body h2 AI 智能客服 /h2 div idchat /div div idinput-area input idinput placeholder输入你的问题... / button onclicksendMessage() 发送 /button /div script async function sendMessage() { const input document.getElementById(input); const chat document.getElementById(chat); const question input.value.trim(); if (!question) return; chat.innerHTML div classmessage user ${question} /div ; input.value ; const response await fetch(/api/agent, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ question }), }); const data await response.json(); chat.innerHTML div classmessage agent ${data.answer} /div ; chat.scrollTop chat.scrollHeight; } document.getElementById(input).addEventListener(keypress, (e) { if (e.key Enter) sendMessage(); }); /script /body /html后端配一个 Express 路由1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 import express from express ; const app express (); app. use (express. json ()); app. post ( /api/agent , async (req, res) { const { question } req. body ; const result await agent. invoke ({ input : question, context : , output : , }); res. json ({ answer : result. output }); }); app. listen ( 3000 , () console . log ( Agent 服务运行在 http://localhost:3000 ));踩坑记录1. 向量检索结果不稳定一开始知识库只有 3 条数据检索效果很差。后来发现 Embedding 质量比数量更重要——知识库里每条内容应该是一个完整的知识点而不是大段文字切开的碎片。2. Agent 会编造答案提示词里写了“不知道就说不知道”Agent 偶尔还是会自己编。把 temperature 调到 0.3 以下同时在提示词中给明确约束好一些了。3. 工具调用死循环Agent 拿到问题后反复调用同一个工具。原因是没有设置终止条件。在提示词里加上“每个工具最多调用一次”就解决了。4. 响应速度慢Embedding LLM 两重调用首屏响应 2-3 秒。我的优化方案先返回“正在思考”的占位消息再用流式输出逐步展示回答。进阶方向方向说明难度接入真实数据库把知识库换成实际业务数据⭐多轮对话记忆用 LangGraph 的 State 管理对话历史⭐⭐流式输出SSE 实现打字机效果⭐⭐多 Agent 协作客服 工单 推荐 Agent 协同⭐⭐⭐评估和监控用 LangSmith 跟踪回答质量⭐⭐⭐改改提示词、换换工具看看 Agent 的行为会怎么变化这是学 Agent 最快的方式。最后我在一线科技企业深耕十二载见证过太多因技术更迭而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势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大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包✅AI大模型学习路线图✅Agent行业报告✅100集大模型视频教程✅大模型书籍PDF✅DeepSeek教程✅AI产品经理入门资料完整的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】为什么说现在普通人就业/升职加薪的首选是AI大模型人工智能技术的爆发式增长正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议到全国两会关于AI产业发展的政策聚焦再到招聘会上排起的长队AI的热度已从技术领域渗透到就业市场的每一个角落。智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200%远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。资料包有什么①从入门到精通的全套视频教程⑤⑥包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图还有视频解说全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤ 这些资料真的有用吗?这份资料由我和鲁为民博士共同整理鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。所有的视频教程由智泊AI老师录制且资料与智泊AI共享相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念通过动态追踪大模型开发、数据标注伦理等前沿技术趋势构建起前沿课程智能实训精准就业的高效培养体系。课堂上不光教理论还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界。业务赋能 突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型。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】**
