AI编程 -通过Ai 工具本地大模型搭建智能体

1. 相关环境

python 3.13.0 langchain

编程工具：trae code模式

本地模型管理工具：ollama,参考手把手教你本地部署DeepSeek（windows环境）本地部署DeepSeek：帮你在本地快速搭建deepseek模型 - 掘金在本机下载搭建ollama。

2.模型选择

通过trae 了解获取本机硬件；主要为显卡和内存大小。

我的是很早的老电脑，独立显卡1050Ti的老机子，内存为8G;在已知机器硬件后，继续让AI推荐合适的本地模型。

根据推荐，我选择deepseek-r1:1.5b 和 qwen2.5:1.5b

##本地cmd命令执行  ollama pull qwen2.5:1.5b ##下载模型到本地 ollama pull deepseek-r1:1.5b ##查看已下载模型 ollama list NAME ID SIZE MODIFIED qwen2.5:1.5b 65ec06548149 986 MB 59 seconds ago nomic-embed-text:latest 0a109f422b47 274 MB 16 months ago deepseek-r1:1.5b a42b25d8c10a 1.1 GB 17 months ago

如图

3.开始开发agent，同时让agent调用本地模型

3.1 先看之前做的另一个视频脚本 agent的效果

生成脚本答案

查看日志，打印整个agent提示词生成，调用skill，以及调用本地模型的过程

内存直接吃满

3.2 新的实现（All in AI，从0开始）

首先在一个新的目录我们描述一个需求，我需要生成一个旅行计划的agent，以及对应的技术栈，目录结构

long long ago,第一版生成结果

继续加入需求，要求可以在页面选择上一步下载好的本地模型

修复各类bug,让项目本地虚拟环境启动

选择本地模型,上面下载好的qwen模型，开始测试agent

查看结果及日志，

通过日志我们可以看到agent在生成攻略过程中，调用了我们的tools工，以及通过skill做了一些数据约束

查看会话历史上下文，简单版（因为需求描述中要求按照用户id和会话区分目录放在上下文持久化目录中），如果情况允许，这里可以使用更好的选择，比如：redis、向量数据库或者图数据库等等。在用户进入会话后，优先约束agent读取当前会话之前的历史，作为上下文带入到新的问题中，避免记忆丢失。

后续我又增加了对输出格式的约束skill,使得输出的攻略美观一些

至此，一个初版的本地旅游推荐智能体开发完成，后续我们也可以根据自身需要，将本地tools目录中的测试数据改为一些第三方的数据来源，例如，目前旅游城市的数据来源：

4. 结语

至此，第一阶段由于本机机器问题以及没有购买trae的付费版（目前使用老模型白嫖），在生成答案过程中，相对比较慢，而且我们必须在生成agent过程中写一些必要的约束，并将完整过程输出在日志中,方便查找问题，您可以根据自己需要做相关升级，如果有好的建议或者idea也可以放在评论区，一起讨论。至此，完结撒花。