编程思路决定工作量，好的编程思路能帮忙节省大量的时间，同时也会解决掉一些不需要出现和繁杂的小问题，在代码的检查和测试的时候也会减少一些不必要的麻烦问题。我的个人代码看似很多，很全。实际上要等运行的时候会发现一些问题，比如页面的设计很难看，这都算是小问题，还有些隐藏的问题可能是我还没有发现。总之加油吧，共进勉。

本篇章将会基chailit框架实现页面进行AI对话。若没有自己的本地模型对话，需要查看专栏内的文章，或者点击链接进行学习部署AI智能体（Agent）大模型入门【2】--基于llamaindx部署本地的聊天模型。-CSDN博客后期篇章将会脱离chailit别人封装好的框架体系，而是使用vue实现创建自己的页面聊天。那么现在，开始我们的学习吧。

根据之前的专栏文章，想必你也学习到了如何在编译软件内使用大模型对话了，我们现在需要在页面实现对话，那么就需要创建聊天的请求接口。本篇章很简单，将会教学如何实现fastapi接口实现页面对话的请求接口。只写后端代码，不写前端界面，因为大语言模型的重要点都是在后端的请求接口和代码的处理上，前端可以使用ai辅助工具进行编写。AI智能体（Agent）大模型入门【2】--基于llamaindx部署本地的聊天

本篇章将会介绍如何构建传统的RAG程序应用来增强检索你的大模型应用，减少大模型的幻听，来提高大模型的生成内容的准确性和实用性。主要是对代码的理解，此篇章没有运行参考。为主要的理论知识内容，需要结合后续的篇章才能进行演示。AI智能体（Agent）大模型入门【1】--什么是RAG？-CSDN博客。

本篇章将会与之前的篇章没有任何关联，本篇章将会独立于之前，将会介绍智能体实现一个独立的开发的入门教程。我个人认为是对大模型的的一个规则处理，也就是设定一个处理任务的角色，而不再广泛性，专注于某个领域和任务的处理。市面上很多的智能体应用啊，你会发现都是设定有特定的角色，例如ppt助手，文案生成，股票分析行情助手，或者短故事生成助手这类型的智能体，都是限制在某个功能。

在之前的篇章已经实现langchain大模型对话，然后ocr文件识别，不过都只能在控制台实现效果操作。接下来，咱们一起学习如何在FastAPI编写请求接口，为之后部署服务和页面上做好准备。

先在这里讨论讨论，什么叫做agent，一个闭环的ai调度？我认为不是，我认为的是ai为调度大脑，但是核心中心聚焦点是工具(tools)，而不是ai。那么核心是什么？就是工具为主，集中统筹使用的ai大脑，一个framwork的调度为agent，例如codex或者说类似的crow工具。本章不会讨论如何使用mcp第三方插件来实现，纯采用原生的python实现。这里面主要介绍和过渡如何设计一个底层内容来认

先在这里讨论讨论，什么叫做agent，一个闭环的ai调度？我认为不是，我认为的是ai为调度大脑，但是核心中心聚焦点是工具(tools)，而不是ai。那么核心是什么？就是工具为主，集中统筹使用的ai大脑，一个framwork的调度为agent，例如codex或者说类似的crow工具。本章不会讨论如何使用mcp第三方插件来实现，纯采用原生的python实现。这里面主要介绍和过渡如何设计一个底层内容来认

先在这里讨论讨论，什么叫做agent，一个闭环的ai调度？我认为不是，我认为的是ai为调度大脑，但是核心中心聚焦点是工具(tools)，而不是ai。那么核心是什么？就是工具为主，集中统筹使用的ai大脑，一个framwork的调度为agent，例如codex或者说类似的crow工具。本章不会讨论如何使用mcp第三方插件来实现，纯采用原生的python实现。这里面主要介绍和过渡如何设计一个底层内容来认

先在这里讨论讨论，什么叫做agent，一个闭环的ai调度？我认为不是，我认为的是ai为调度大脑，但是核心中心聚焦点是工具(tools)，而不是ai。那么核心是什么？就是工具为主，集中统筹使用的ai大脑，一个framwork的调度为agent，例如codex或者说类似的crow工具。本章不会讨论如何使用mcp第三方插件来实现，纯采用原生的python实现。这里面主要介绍和过渡如何设计一个底层内容来认