使用说明
代理人_ai
这是一个我展示我所学到的知识的仓库 人工智能工程师代理课程：完整的代理和MCP课程 以及部署在 拥抱脸 在本课程中
-
职业对话：将其视为Sonya的互动简历/个人资料。这是一个 格拉迪奥 ChatBatbot应用程序可以与用户进行覆盖，并将问题传递给OpenAI GPT的LLM模型，该模型将根据我的链接配置文件和摘要作为上下文进行回复。它还与 窝囊废 文本通知。我在OpenAI上注册了两个定制的代理工具函数“record_user_details”和“record_unknown_question”，并给出了鼓励用户留下电子邮件地址的指令，并在给定的电子邮件中调用工具“record_users_details），如果模型无法回答，则调用“record_uunknown_questions”记录问题。这两个工具功能都会通过短信通知我。设计和提示都经过深思熟虑，非常适用。
-
深度研究v2：这是的改进版本 OpenAI SDK深度研究 -一个简单的多代理应用程序。研究经理与plan_agent协调：为给定的查询提出3个搜索词；search_agent：使用搜索 OpenAI网络搜索工具write_agent：根据要求制定大纲，并以降价格式撰写报告；email_agent：提出主题并将报告转换为HTML格式，以发送到硬编码的指定电子邮件。我添加了一些功能，可以根据要求向电子邮件发送副本，并使用输入护栏验证电子邮件。我必须向电子邮件代理传递多个输入。搜索答案的过程（最终通过电子邮件提示）提醒我LLM是在幕后。 经验教训和需要改进的地方：LLM是非确定性的，需要学习上下文工程，以便结果更可预测。在重要步骤中添加评估机构，以确保质量。当然，API速率限制，这样这些应用程序就不会超出我的预算！！
-
行程每日计划：这是一个CrewAI Gradio应用程序，可以从Gradio UI获取旅行者的必要信息：目的地、航班、酒店位置、旅行时间、个人兴趣、用餐限制和偏好以及电子邮件。该应用程序使用非常流行 SerperDevTool 工具, 报废网站工具 并为旅行计划日常活动和餐厅，并将每日计划发送到提供的电子邮件中。我学到了以下教训：
如何克服常见的速率限制错误：每分钟超过30000个令牌。我使用以下Agent和SerperDevTool参数使其工作。最重要的参数是SerperDevTool的n_results，它决定了一次运行中解析的令牌数量。如果我把它提高到5，它就会立刻失败。
代理商( config=self.agents_config[“个性化活动计划”]， 工具=[SerperDevTool（n_results=3），报废网站工具（）]， max_retry_limit＝1， max_iter＝2， respect_context_window=真， verbose=真， allow_委派=假， )
使用CrewAI的一个优点是，它对参数进行了模板化，这样目的地、航班、酒店位置、trip_duration、personal_interests、dining_restrictions_preferences和电子邮件都可以作为单独的模板变量传递，而不是作为代理的用户提示混合在一起。CrewAI的一个缺点是，单个任务的完成是不可见的。因此，我无法在UI中显示进度。我也无法获得单个任务的最终输出。
-
CrewAI驱动的工程师团队工程师团队由工程师主管、后端工程师、前端工程师和测试工程师组成。给定class_name、module_name和需求，engineer_head将以Markdown形式布局所有接口函数调用，backend_engineer为类编码，然后由前端工程师和test_engineer编码。最终产品是交易模拟平台的账户管理应用程序。
-
助手：这是一个Langgraph框架的应用程序，具有条件路由和评估器反馈循环，利用了丰富的语言链社区资源，如GoogleSerper、Playwright浏览器工具等。；使用Chromium拥抱docker部署。 Sidekick可以帮助解决很多问题。然而，我在这个过程中也发现了一些问题。 对于gpt-4o-mini，如果我问“自1990年以来，截至目前，哪些美国职业棒球大联盟球队赢得了连续的世界大赛冠军”，它总是表示，截至2023年，它只能肯定地返回信息，不包括洛杉矶道奇2024-2025年的背靠背冠军。对于gpt-4.1-mini，如果我问“自1990年以来，截至2025年12月24日，哪些美国职业棒球大联盟球队赢得了连续的世界大赛冠军”，它有时会坚持认为自2023年以来没有球队赢得冠军，因此不包括洛杉矶道奇队。它有时会返回正确答案。 如果我在没有任何网站提示的情况下问“事实核查特朗普总统2025年12月17日的黄金时段演讲”，gpt-4.1-mini会问网站提示，而gpt-4o-mini从未问过任何问题，有时会达到递归限制25。它有时会导航或搜索不存在的网站的元素，然后出错并陷入困境。如果我把这个问题的框架很好，比如“事实核查特朗普总统2025年12月17日的黄金时段演讲，建议使用 cnn.com 或 factcheck.org，它将保持正轨并取得良好成绩。
-
langgraph_checkpoint_如何操作 是我对如何转储Langgraph StateSnapshots、检索每个StateSnapshot的上下文（有用信息）并使用checkpoint_id重新运行的研究。正如我提到的
checkpoint是我成为Langgraph忠实信徒的原因之一。断点有助于重复孤立的测试并降低成本。 -
Ed的顶点“交易员”项目是一个非常棒/有创意的项目。当代码使用Polygon API的付费版本时，它使用6个MCP服务器和41个工具；当代码使用免费版本时，使用6个MCU服务器和16个工具。它模拟了4位著名的交易员：沃伦·巴菲特、乔治·索罗斯、雷·达里奥和凯西·伍德，他们利用自己独特的策略进行交易。它具有生产级时尚的Gradio UI，并采用了最佳实践：提示、指令和MCP参数都是外部配置的，而不是硬编码。它使用异步（非阻塞）操作。然而，在使用免费版本的Polygon API的代码中，它确实有一个长期存在的bug。之前有几个人试图修复它。我终于明白为什么 我的拉取请求533。如果在UTC时间比纽约时间提前一天运行“trader”，则Polygon API会出现“NOT_AUTHORIZED”错误，原因是
get_previous_close_agg使用UTC时间截止，使用纽约时间作为交易日期的“get_grouped_daily_aggs”。详细信息请参见fix_polygon_not_authorized_error的README.md。 -
RAG代理 这是我的第一个RAG系统。代理RAG配备了分块、混合寻回犬和MRR（重新排序）。它模拟了医疗保健行业的智能RAG系统（问答助理）。它使用配备路由代理、相关性检查器、回退网络搜索和答案生成器的Langraph工作流。它提供了两种检索模式：简单语义检索器和带有重新排序器的混合检索器。前者是使用ChromaDB集合查询结合余弦距离过滤器。后者通过制定加权归一化语义和关键字得分来检索更大的候选库，然后根据候选与查询的关系重新排名以选择前k。我在项目的自述文件中详细记录了我从实践经验中发现和学到的东西，以及我在未来RAG项目中可以改进的地方。
