用不了 Manus ？实在你能用 Llama或DeepSeek 做个自己的 AI Agent ...

近来，Manus火出圈了。有不少“报道”称它是环球首款具备通用本领的AI智能体。Manus 的官方把它定义为“通用型 AI 智能体”。什么是“通用型 AI 智能体”呢？说直白一些，它就是一个可以根据你设定的目标，自主地完成任务的 AI 智能体，并能自主解决执行任务过程中遇到的各种问题，而且能根据反馈不断优化决策和执行战略。
     
现在，Manus 仍然处于邀请体验阶段，一码难求。也有专家表示，它是否是通用型 AI 智能体实际还需测试。不过，既然有 DeepSeek 了，为什么不自己做一个 AI 智能体呢？
     
你可能会觉得自己开发一个 AI 智能领会很难。做通用型 AI 智能体的确会很难，但是做一个能满足你个人日常工作需求的AI 智能体很简单。
     
我们接下来给大家用一篇教程，告诉你怎么利用 Llama 或 DeepSeek 做一个帮助你编程的 AI 智能体。
     
开发自己的 AI 智能体

     
在代码开发的天下里，效率和个性化是开发者们梦寐以求的两大法宝。然而，尽管 Cursor 作为一款 AI 驱动的代码助手，可以帮我们加速编程的工作。但是就像刚刚说的，Cursor 是一个 AI 驱动的辅助编码工具，而不是真正意义上的 AI 智能体。虽然它利用大型语言模型提供智能主动补全和代码生成，但它缺乏自主学习、顺应用户偏好和独立执行任务的本领，这些都是通用型 AI 智能体所应具备的关键特性。
     
想象一下，你正在全神贯注地编写代码，Cursor 给出了它的主动补全建议。但问题是，这些建议往往只是基于通用的编程规则和模式，完全不了解你的个人编码风格，也不认识你偏爱的库和项目结构。如果你所在的团队还有严酷的编码标准，那么利用 Cursor 生成的代码，你几乎每次都得手动调整，这无疑大大降低了你的工作效率。
     
如果 Cursor IDE 能够真正从你的编码偏好中学习，并以你盼望的方式交付代码，那该多好？这种环境下我们完全可以引入一个 AI Agent 来解决这个问题。
     
然而自己构建一个 AI Agent 来共同 Cursor 利用是一个涉及多个复杂环节的过程，需要投入较多的时间、精力和资源，例如你要选择模型、练习模型、部署系统等等。相比之下，​ 利用 DigitalOcean 的 GenAI 平台 ​可以大大简化这个过程，让你能够快速、便捷地得到一个符合你需求的 AI Agent，从而更高效地提拔你的编码效率和开发体验。
     
为什么要用到 DigitalOcean GenAI 平台

     
原因很简单，因为利用 GenAI 平台，会大幅简化 AI Agent 开发的过程，降低整体的开发复杂度。具体来讲，DigitalOcean GenAI 平台是一个全方位的解决方案，使您能够迅速构建并扩展人工智能代理，无论您在人工智能的道路上处于何种阶段，它可以：
     

• 简化开发流程：GenAI 可以提供预制的工具和框架，加速你的人工智能体开发，节流你的时间和精力。
  
• 简化复杂任务：GenAI 可以提供经过预练习的模型和算法，这些模型和算法可以针对你的特定用途举行微调，使你更容易处置惩罚诸如自然语言处置惩罚、计算机视觉或强化学习等复杂任务。
  
• 提拔模型性能：GenAI 可以提供先进的优化技术、超参数调整和模型选择方法，帮助提拔你的人工智能体的性能。
  
• 扩展和部署：GenAI 可以促进你的人工智能体的大规模部署，提供模型服务、监控和维护的工具。
  
• 协作和知识共享：GenAI 可以实现人类与人工智能系统之间的协作，使你能够更有效地与你的人工智能体合作，并利用其本领来加强你自身的专业知识。
  

     
而在本教程的案例中，DigitalOcean 的 GenAI 平台让你可以在一个完全属于你自己的、经过经心整理的知识库上练习 AI。如许一来，你得到的代码将完美契合你的工作流程，而不是来自 Cursor 的通用的“回答”。
     
它乃至能学习我利用的特定软件开发工具包（SDKs）、环境设置和库。假设我需要一个 Stripe 集成代码片段——我不需要一个通用的 API 调用。我需要它利用 Stripe Python SDK，通过 python-dotenv 从我的 .env 文件中举行身份验证，并按照我偏好的结构来构建——直接在集成开发环境（IDE）中完成。
     
怎样利用 GenAI 呢？

     

• 创建 Spaces Bucket ：将你全部喜好的代码片段和 API 设置上传到 DigitalOcean Spaces bucket（DigitalOcean云平台的对象存储）。
  
• 创建知识库 ：将该 bucket 连接为你的数据源。DigitalOcean 会负责将你的代码片段转换为向量嵌入，使你的数据始终为 AI 准备停当。
  
• 部署 AI 代理 ：将你的知识库链接到 AI 代理。你可以选择诸如 Llama 3、Anthropic 或 DeepSeek 等模型。
  
• 配置 Cursor ：末了，用你的新 DigitalOcean GenAI 代理端点和密钥覆盖 Cursor 的 OpenAI API 端点。
  

     
怎样配置？

     
第 1 步：在 DigitalOcean 中创建知识库

     

• 前往 DigitalOcean 并创建一个知识库。
  
• 将其连接到一个 Spaces bucket——这就是存放你全部文档、代码片段和参考质料的地方。
  
• 上传你的代码片段 / 项目，DigitalOcean 将主动处置惩罚向量嵌入，使你的数据可被搜索且对 AI 友爱。
  

     
尽管 GenAI 平台的利用非常简单，但如果你希望更具体地了解怎么用它，可以浏览DigitalOcean 官方的教程。
     

     
图：DigitalOcean Web 界面确认 GenAI 代理知识库的数据源已成功更新
     
第 2 步：创建 AI 代理

     

• 你的知识库设置完成后，创建一个 AI 代理。
  
• 选择你想要的模型（例如，Llama 3）
  
• 将其链接到你的知识库，以确保 AI 代理能够访问正确的信息
  

     

     
图：用于模型选择和知识库设置的 DigitalOcean GenAI 代理配置界面
     
创建代理：等候代理部署。部署完成后，将其公开，并复制端点 URL——在下一步配置 Cursor 时你会需要这个。
     
DigitalOcean 云仪表板显示代理的基本信息和端点具体信息。
     

     
创建端点访问密钥。在设置 Cursor 时我们将需要这个。
     

     
图：DigitalOcean 界面用于创建端点访问密钥
     
第 3 步：配置 Cursor 以利用 AI 代理

     

• 打开 Cursor 并进入设置 > 模型。在这里你可以选择 DeepSeek R1，也可以选择 Llama。
  
• 创建一个新模型并选择覆盖 OpenAI API 设置的选项。
  
• 粘贴 DigitalOcean 中的代理端点。
  

     
紧张提示：在端点 URL 后面添加 /api/v1，例如：<https://agent-123457-abcd.ondigitalocean.app/api/v1>
     

     
现在，当你哀求代码片段时，Cursor 将直接从你经心整理的知识库中检索代码，而不是依赖通用的在线回复。
     

     
图：Cursor 利用 GenAI 代理端点并从知识库中显示代码片段
     
一个经过自定义练习的 AI 意味着你得到的代码将完全符合你的工作方式。它不是通用的——它是你的代码，利用你的工具构建，并按照你的方式结构化，直接在你的集成开发环境（IDE）中完成。
     
它不但限于代码。一个基于你自己知识库练习的 AI 可以帮助你构建内部聊天呆板人、支持呆板人，乃至是一个真正理解你产品的助手。它不是关于千篇一律的回复；它是关于一个符合你独特工作流程的 AI。
     
想要了解更多的话，可以关注 DigitalOcean中国区独家战略合作伙伴卓普云的官网。别的，如果你的团队筹划练习、部署 AI 大语言模型，接待了解 DigitalOcean 云平台基于 NVIDIA H100 和 NVIDIA H200 的 GPU 服务器，价格实惠且服务稳定。
   

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

继续阅读请点击广告