1.前言

AI Agent（人工智能代理）是一种能够感知环境、进行决策和执行动作的智能实体。它通过设计工作流程和利用可用工具，自主地代表用户或其他系统执行任务。AI Agent的核心在于其自主性、学习能力和目标导向行为，使其能够在复杂环境中独立运作。

2024年是AI Agent技术快速发展的一年，市场增长迅速，应用场景广泛。

今天就给大家带来AI Agent 在dify实际使用。话不多说下面我们看一下效果。

联网搜索功能

绘画功能

获取时间

以上我们演示了3个智能体，下面给大家具体介绍一下这些智能体如何配置和使用的。

2.智能体制作

2.1 联网搜索

联网搜索我们这里使用开源免费的searxng。该项目的开源地址 https://github.com/searxng/searxng

在dify 内置工具我们可以找到这个searxng

一开始这个searxng我们需要授权，所谓授权其实就是私有化部署一个docker 版本的searxng

下面我们说一个私有化部署这个searxng的部署。这里需要一点 docker相关知识。

我们需要下载dify 源码0.15.3 版本 不要升级到最新的版本。

我们需要使用如下命令启动这个插件

cd dify  
docker run --rm -d -p 9081:8080 -v "${PWD}/api/core/tools/provider/builtin/searxng/docker:/etc/searxng" searxng/searxng

我这里映射了一个9081的一个端口，启动这个插件容器后，我们将这个内网地址，比如我的

http://192.168.11.173:9081 填写到上面的授权地址信息中。

点击保存按钮完成searxng工具插件的授权。

注：这里部署searxng 这个服务器需要一些 魔法上网功能，因为这个插件是需要调用google 、bing 、duckduckgo等第三方搜索。

以上我就完成这个联网搜索插件的配置。

2.2 AI绘画功能

接下来我们在刚才内置插件工具 搜索SiliconFlow的插件。 这里目前dify提供了好几个AI 绘画插件功能。

大家根据自己的需要设置即可。我这里就介绍了一下硅基流动提供的 AI 绘画插件功能。 如果大家没有硅基流动的账号，可以点击https://cloud.siliconflow.cn/i/e0f6GCrN
地址来注册，目前硅基的政策是新户注册送14块钱，14块钱够玩一阵子了。

在硅基流动注册后 ，生成API秘钥如下图。

把这个API 秘钥填入

2.3 TTS语音&ASR

我们可以在这个内置插件中找到这个audio工具

这个语音工具包括2个功能 一个是文本转语音，一个是语音转文本。这里我们需要在模型设置里面配置包含语音转文本模型、文本转语音模型. 我这里已经设置过了，这里就不详细展开。上面如果大家使用硅基流动的KEY 这里就比较方便了也是支持这2个模型额。

语音转文本模型

文本转语音模型

这里顺便大家提一下，之前我有一个免费的edgetts方案，需要在模型厂商设置一下标准openai -api-compatible

2.4 智能体制作

前面给大家介绍的都是关于智能体用到的相关组件的配置，下面将一下智能体制作。

新建一个AI 智能体

进入智能体配置，这里我们需要在工具添加我们需要的几个智能体组件

关于searxin工具我们点击“信息与设置”

这里提供搜索类型 有综合、图片、视频、新闻、地图、音乐、信息技术、科学、文件、社交媒体。我们选择综合即可

时间这个组件我们点击添加-工具-获取当前时间（这个组件不需要授权配置）

AI 绘画我们选 FLux 模型，默认的硅基提供 SD和 FLUX 2个厂商对应的模型。模型默认配置如下

文本转语音和语音转文本 我们可以添加-工具分别添加 Text to Speech 和Speech to Text

audio asr 下拉选择一个模型即可。

audio TTS 也是一行需要设置模型，另外在增加语音对应的声音 Voice

另外需要在右下角管理按钮中开启，语音功能。

最后我们在选一个模型。这里面我们需要注意模型需要指出function call 函数调用，目前主流模型都是支持function call 功能的。

我这里为了方便测试用了google gemini2.0 flash模型。大家可以根据自己的需要选择。可以选择最近比较过的deepseek V3 模型。

以上设置完成了，我们的AI agent智能体就已经搭建完成。

3.验证及测试

接下来我们就可以在对话框中输入我们的问题了。

后面的功能就不给大家展示了。

我们也可以把这个智能体分享出去。

http://dify.duckcloud.fun/chat/RRtYWdSzkfiOV0OE

项目的用的DSL 可以看我开源项目 https://github.com/wwwzhouhui/dify-for-dsl

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

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（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】