这是使用AI生成的100%代码的仓库,内容主要包括大模型常见概念以及简单damo
本项目包含多个大模型应用的基本示例,每个示例都在独立的目录中。所有示例都遵循最佳实践,包含完整的文档和错误处理。
ai_demo/
├── 01_basic_prompt/ # 基本prompt请求大模型例子
├── 02_agent_example/ # Agent例子,包含多个agent_tool
├── 03_function_call/ # Function call例子
├── 04_mcp_server/ # MCP server实现
├── 05_rag_example/ # RAG例子
├── files/ # 测试文件目录
├── requirements.txt # 项目依赖
├── run_all_examples.py # 运行所有示例的脚本
└── README.md # 项目说明
- 简单对话示例
- 结构化Prompt模板
- 多轮对话支持
- 文件列表工具 (ListFilesTool)
- 文件编辑工具 (EditFilesTool)
- 多工具联动示例
- OpenAI原生函数调用
- 文件操作功能实现
- 多步骤任务处理
- Model Context Protocol服务器
- 标准化工具接口
- 异步操作支持
- 检索增强生成
- 向量数据库集成
- 动态文档管理
pip install -r requirements.txt创建 .env 文件并配置您的OpenAI API密钥:
# 基本配置
echo "OPENAI_API_KEY=your_api_key_here" > .env
# 如果您需要使用自定义API端点(可选)
echo "OPENAI_BASE_URL=https://your-custom-endpoint.com/v1" >> .envpython run_all_examples.py# 运行基本prompt示例
cd 01_basic_prompt
python main.py
# 运行Agent示例
cd 02_agent_example
python main.py
# 运行Function Call示例
cd 03_function_call
python main.py
# 运行MCP Server示例
cd 04_mcp_server
python server.py
# 运行RAG示例
cd 05_rag_example
python main.py- Python 3.8+: 主要编程语言
- OpenAI API: 大语言模型服务
- LangChain: AI应用开发框架
- Chroma: 向量数据库
- Pydantic: 数据验证
- FastAPI: Web框架 (MCP Server)
- 日志: 使用英文记录日志
- 注释: 使用中文注释
- 文档字符串: 使用英文,包含完整的参数和返回值说明
- 错误处理: 完整的异常处理和错误信息
- 类型提示: 完整的类型注解
- API密钥: 请妥善保管您的OpenAI API密钥,不要提交到版本控制系统
- 自定义API端点: 如果您使用自定义API端点,请在
.env文件中设置OPENAI_BASE_URL - 文件操作: Agent和Function Call示例只会修改
files/目录及其子目录下的文件,不会影响项目代码 - 依赖版本: 建议使用虚拟环境来避免依赖冲突
- 网络连接: 确保能够访问OpenAI API服务
OPENAI_API_KEY: 您的OpenAI API密钥(必需)OPENAI_BASE_URL: 自定义API端点URL(可选)
如果您需要使用自定义的API端点(如代理服务器),可以:
- 在
.env文件中设置:
OPENAI_API_KEY=your_api_key_here
OPENAI_BASE_URL=https://your-custom-endpoint.com/v1
- 或者在代码中直接指定:
from config import get_openai_config
config = get_openai_config()- 添加更多工具和功能
- 集成其他大语言模型
- 实现更复杂的Agent工作流
- 添加Web界面
- 支持更多文档格式
欢迎提交Issue和Pull Request来改进这个项目!