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
- 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。
- LLM:模型选择的是开源模型Llama3。
- conda:用于创建Python环境,便于管理。
conda安装
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
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:
准备模型配置和初始化注册Agentscope-test.py
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。
不设置host和port,studio默认访问路径为127.0.0.1。
启动Agent
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。
文章来自:51CTO