大模型

相关指令 pi 下载 npm install -g --ignore-scripts @earendil-works/pi-coding-agent pi 常用内置指令 # 接入apikey /login # 切换模型 /model # 切换推理强度 /thinking # 长文本提示词编辑 ctrl + g # 清空提示词 ctrl + c # 中断智能体工作 esc # 翻看之前的对话记录 /tree # 会话记录翻页 page up / page down # 开启新会话 /new # 切换其它会话 /resume # 退出 /quit 三方工具 # pi-web-access 安装： pi install npm:pi-web-access 关闭弹窗： /curator off # pi-subagents 安装： pi install npm:pi-subagents 相关提示词 # agents.md # 项目规则 ## 文件操作需先确认（重要） 在对**文件系统做任何「增、删、改」操作之前**，必须先与我商量、获得明确同意后才能执行。 ### 需要先确认的操作 - 新建 / 创建任何文件或目录（包括用 `write`、`touch`、`mkdir`、重定向 `>` 等） - 删除任何文件或目录（包括 `rm`、`rm -rf`、清理临时文件） - 修改 / 覆盖任何已有文件的内容（包括 `edit`、`sed -i`、覆盖写入等） - 重命名、移动文件 - 会间接产生文件的操作（如生成脚本、编译输出、格式化写回） - **执行 `pip install` 或任何包管理器安装指令**（包括但不限于 pip、conda、npm、yarn 等） ### 无需确认即可执行的操作 - 只读操作：`ls`、`find`、`cat`、`grep`、`rg`、`sed`（不写回）、`git status`、`git diff` 等 - 阅读文件、分析目录结构 - 运行不产生文件副作用的查询命令 ### 确认流程 1. 在动手前，先说明：**打算改哪个文件 / 做什么改动 / 为什么**，并用清晰的方式列出具体方案（例如要写入的内容提纲、要删除的路径、diff 摘要）。 2. 等待我明确回复 **「同意执行」**。 3. 收到「同意执行」后，才执行对应的文件操作。 ### 注意 - 只说「可以」「嗯」「继续」等含糊回复时，要再次确认是否等于「同意执行」，不要擅自开始。 - 一次确认只覆盖当次商量的那批改动；如果方案变了或范围扩大，需要重新商量。 - 我方明确要求「直接改 / 不用问了」时，可视为对当次任务的一次性授权。 ## 改文件必须先备份（重要） 对已有文件做「修改 / 覆盖内容」或「删除」之前，**必须先备份**。备份是规定动作，不因「改动很小」「删掉即还原」而省略。 ### 备份要求 - 命名：`<原文件名>.bak-YYYYMMDD-HHMMSS`，放在原文件同目录，保留逐字节原文 - 时间戳取本机当前时间；同一批操作的多个文件用同一个时间戳 - **必须在写入之前完成**。改完之后再补的备份不是回滚点，等同没备份 - 备份后立即确认：文件存在、非空 ### 无需备份 - 只读操作 - 新建文件（原文件不存在，没有可备份的内容） ### 例外 - 我方明确说「不用备份」时可以跳过，但你要在动手前把这个决定写明 ### 收尾 - 在回复里列出：改了哪些文件 / 备份文件名 / diff 摘要 # subagent功能测试 主任务：全面对比不同 AI 大模型的价格、能力、优势、劣势。 请使用 subagent 并行执行以下三个独立的调研子任务，每个子任务用 researcher agent： 1. 查询 OpenAI GPT 最新的大模型 2. 查询 DeepSeek 最新的大模型 3. 查询 Anthropic Claude 最新的大模型 每个子 agent 都按同一格式返回：模型名称、发布时间、API 价格（输入/输出）、核心能力、优势、劣势，并附来源链接。 三个都完成后，由你汇总成一张对比表，再写一段总结。 视频链接 视频演示，请前往链接。 ...

相关指令 #查看显卡信息 nvidia-smi #查看 llama 安装是否成功 llama-cli --version #魔搭下载大模型 modelscope download --model Abiray/Qwen3.8-27B-Q4_K_M-GGUF Qwen3.8-27B-Q4_K_M.gguf --local_dir ./ #llama加载大模型指令 llama-server -m ./Qwen3.8-27B-Q4_K_M.gguf -c 16384 --port 8080 -ngl 999 --host 0.0.0.0 #接入deepseek harness 配置方式 provide id：llamacpp（随意输入） api地址：http://127.0.0.1:8080/v1 密钥：123321（随意输入） 视频链接 视频演示请参阅，请前往youtube链接。 付费咨询，远程一对一指导，请联系：gao_mygoh 。

openClaw 是IT圈2026年开年的绝对顶流，它本质上是一个ai agent。 包括去年爆火的Claude Code、Manus，还有前年异军突起的 Cursor，本质上都是 ai agent。 我们今天来聊一下 AI Agent 这个东西。 1、理解ai agent 相比于 ai 大模型来说，ai agent 并非高深莫测的东西，它是一个具备定制化功能的、智能的工具. 例如，有专门写代码的agent（cursor），有“私人秘书”功能的agent（openClaw），甚至还有用于医疗领域的agent、影视领域的agent。 你可以把它简单理解为一把锤子、一个螺丝刀，或者一个扫地机器人。 而螺丝刀本身并不能完成智能化的工作。 但是，当你把它接入ai大模型之后，它就可以智能化地、自动化地替你完成你想做的工作。 ai agent = ai大模型（大脑）+ agent（工具） 其中 agent 是由软件工程师开发，ai大模型是由 ai 工程师开发。 如果可以的话，你可以自创一个做家务的 ai agent ，扫地机器人（工具） + 某某ai大模型。 2、ai agent 的开发 目前市面上，有很多 ai agent 的开发工具或者框架。 例如，LangChain 它的下载量最大、最主流，需要敲代码，有一定学习成本；CrewAI 上升势头很猛，概念直观，易上手；Dify 国内很流行，低代码首选，在图形界面上，拖、拉、拽就能实现一个agent…… 总之，各大工具都有人在用，也各有优势。篇幅有限，这里不做对比讨论，后续再写文章进行具体阐述。 下面用一段步骤明确、注释清晰的伪代码，演示一下开发一个“新闻简报” agent 的流程。 请注意：代码中的 duckduckgo 是 langchain 封装好的工具，可以直接调用。 from langchain.agents import AgentExecutor, create_react_agent from langchain_anthropic import ChatAnthropic from langchain_community.tools import DuckDuckGoSearchRun from langchain.prompts import PromptTemplate # ===== 第一步：装上大脑（大模型）===== llm = ChatAnthropic( model="某个AI大模型", api_key="你的API_KEY", base_url="https://api.ai模型地址.com" ) # ===== 第二步：装上工具（手脚）===== tools = [ DuckDuckGoSearchRun() # 搜索工具，能上网搜新闻 ] # ===== 第三步：写提示词（定规则）===== prompt = PromptTemplate.from_template(""" 你是一个新闻简报助手。 任务：搜索今日科技新闻，整理出最重要的3条，每条用2句话概括。 你有以下工具可以使用： {tools} 工具名称：{tool_names} 工作记录：{agent_scratchpad} 用户的问题：{input} """) # ===== 第四步：组装成 Agent ===== agent = create_react_agent(llm, tools, prompt) agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True) # ===== 第五步：运行 ===== result = agent_executor.invoke({"input": "帮我整理今天的科技新闻简报"}) print(result["output"]) 3、ai agent开发要点 3.1 选择一个合适的ai模型 前面已经提到，ai模型就是 ai agent 的大脑。 ...