大模型AI运用——AgentScope

随着人工智能（AI）技术的飞速发展，其在各行各业的应用越来越广泛，尤其是在IT运维领域，AI的应用正逐渐改变着传统的工作模式。本文将讲述如何在我们本地来部署一个我们自己的ai小助手。

文中所运用的工具

1. AgentScope：一款全新的Multi-Agent框架，专为应用开发者打造，提供高易用、高可靠的编程体验，支持纯Python编程，内置丰富的API。
2. LLM：模型选择的是开源模型Llama3。
3. conda：用于创建Python环境，便于管理。

conda安装

conda安装

    URL:  https://repo.anaconda.com/archive/Anaconda3-2024.06-1-Linux-x86_64.sh
    bash Anaconda3-2024.06-1-Linux-x86_64.sh   #下载好后回车yes即可

    ln -s /root/anaconda3/bin/conda  /usr/bin/conda
    conda create --name python-3.12  python=3.12.7   #创建python环境
    conda activate python-3.12  #切换环境

Llama3本地部署启动

通过ollama进行本地部署和启动

• RAM：Llama 3 8B至少16GB
• 执行以下命令，默认下载的是8B版本

ollama下载地址：https://ollama.com/
ollama run llama3:latest

注意：如果没有ollama命令，需要配置环境变量。

Agentscope安装

需要安装Python 3.9或更高版本。

源码安装：

# 从GitHub上拉取AgentScope的源代码
git clone https://github.com/modelscope/agentscope.git
cd agentscope

# 安装需要的Python 包
pip install -e .

#创建供自己调整的目录
mkdir AI

准备模型配置和初始化注册Agentscope-test.py

### cd AI
### vim Agentscope-test.py


# -*- coding: utf-8 -*-
import agentscope
from agentscope.agents import DialogAgent, UserAgent
from agentscope.message import Msg

# 模型配置
model_configs_name = "test-llama3"
model_configs = [
    {
        "config_name": "test-llama3",
        "model_type": "ollama_chat",
        "model_name": "llama3:latest",
        "host": "192.168.100.134:11434"   # ollama所在服务器的IP和端口，端口默认11434
    }
]


#初始化agentscope
agentscope.init(model_configs = model_configs, project = "test-1", studio_url="http://0.0.0.0:5000")

#初始化agent
dialogAgent = DialogAgent(name="小助手", model_config_name=model_configs_name, sys_prompt="你是一个AI小助手")

user = UserAgent(name="User")
x = None
while True:
    if x is not None and x.content == "exit":
        break
    x = user(x)
    x = dialogAgent(x)

启动Agentscope Studio

AgentScope Studio是一个开源的Web UI工具包，用于构建和监控多智能体应用程序。可以通过运行以下Python代码启动

### vim start_studio.py
import agentscope

agentscope.studio.init(
  host="0.0.0.0",
  port=5000
)

不设置host和port，studio默认访问路径为127.0.0.1。

启动Agent

#启动Agentscope Studio
nohup python start_studio.py &

#启动Agent
python Agentscope.py

访问Studio，进入dashboard就可以看到启动的agent了。

以上使用的是Agentscope中的DialogAgent，可以完成类似客服机器人的需求，除此之外，他还有ReActAgent 这种能够调用工具方法，可以根据我们的需求自行开发的agent，可以处理较为复杂的任务。

总结

随着人工智能技术的不断进步，AI在运维领域的应用已经成为提升效率和降低成本的关键因素。通过复杂工具调用，AI也能够处理大量的日志数据，快速定位问题根源，为运维团队提供决策支持。它不仅能够提高运维工作的效率和准确性，还能够释放运维人员的时间，让他们能够专注于更复杂和战略性的任务。随着技术的不断发展，我们可以预见AI将在未来的运维工作中扮演越来越重要的角色。

如有相关问题，请在文章后面给小编留言，小编安排作者第一时间和您联系，为您答疑解惑。