领域AIAgent方案‍‍‍

构建领域AI大模型在大模型领域应用的途径之一. 该系列文章试图通过开源框架与数据手搓一个高考志愿填报AIAgent探讨以下问题:‍‍‍‍‍‍‍‍‍‍‍‍‍

• 1 大模型在方案中的作用. 期望其是核心, 负责问题拆解、计划等功能 .‍‍

• 2 AI Agent与领域模型、系统的协同. 初步设想领域系统作为AIAgent框架的Action.

• 3  领域数据准确性:搜索引擎与领域知识库的结合.

  ‍‍‍

背景:张雪峰老师3小时到账3个多亿热搜

张雪峰老师的峰学蔚来为2024年的考生推出了价值17999元的圆梦卡，该服务包含四次专业填报咨询、志愿规划视频等内容。尽管价格并不算低，但焦虑的家长们热情依旧不减, 2万个名额已售空, 3小时到账3个多亿, 太火爆了.百度查高考填报, 转到掌上高考. 对比张雪峰的志愿规划, 缺少的当前社会各行各业情况, 以及结合个人情况的分析.‍‍‍‍‍‍‍‍‍‍‍‍‍‍

张雪峰的直播关于院校选择、专业分析、备考方法等内容的输出.如告知想学气象专业的同学,清华气象专业和南京某非985、211院校气象专业单位基本上是一样的. 普通家庭的孩子更要优先选择一个可以让自己过得好的专业比所谓理想实际的多, 要选有专业壁垒的专业等等. 再加上风趣幽默的说话风格, 这波流量变现，合情合理。 

接下来我们看看如何手搓一个高考志愿AIAgent, 口号:让每一位考生都能享受到免费、个性化、精准的高考志愿规划服务！

高考志愿AIAgent应该有的能力：

对标张雪峰老师. 张雪峰老师的价值不在告知预估多少分能考什么学校.而是对社会各行业学校与就业的关系理解. 在学生想学法律, 又考不上五院四系, 张老师会建议期望就业地域的法学院好于外地一般211法学院. ‍‍‍

1 预估的分数找到那些学校可以报考，这是基操, 也是当前在线志愿填报干的事.

2 四年后的行业前景

报考志愿需要的是四年后的就业前景. 通常用当前的行业前景. 但19、20年的考生, 当时房地产还在后高峰期, 选了建筑系, 可就亏了.

3 当前的行业就业情况

4 专业、行业潜规则‍‍‍‍‍‍‍

类似清华气象专业和南京某非985、211院校气象专业单位基本上是一样的. 大模型当然也不会知道这些, 因为他难以准确从噪音中区分事实. 这才是张雪峰老师的核心能力. 构建潜规则知识库并作为AI Agent的一个环节是需要重点探讨的问题. ‍

5 基于学生、家庭、大学城市、产业间的关系提供建议.

如果将高考志愿AIAgent对标行业最优的方案提供者. 这里我们就能看到领域AIAgent的困难: 领域服务最核心的数据、规则很可能不可公开收集.‍‍‍‍‍‍‍‍

接下来就开始我们手搓高考志愿AIAgent了.

AIAgent框架选择

国外的AIAgent框架都先Pass, 试用了下MetaGPT和AutoGPT, 主要他们都是基于OpenAI大模型配置的, 改用国内的大模型有些麻烦.

字节的Coze(coze.cn), 可以通过配置实现AIAgent, 已有好些高考志愿的字节叫Bot的AIAgent. 试用了下, 应该Prompt结合大模型实现的, 有个还连了搜索引擎. 但搜索引擎无法查询准确的高考分数线. 字节的Coze功能挺多, 有工作流, Action等等. 可惜API还没发布. 

选了蚂蚁金服的AgentUniverse, 简单测了下就跑通了测试用例, 关键他们还有个群可以直接问. 

搜索引擎用KFind

阿里的道哥出来创业, 道哥出品, 必是精品.  https://kmind.com可以申请试用. 也可以后台发消息, 我之前已申请可以发邀请码. 

数据

1  高考各省市的投档线，以及各校的投档线

2023年高考各省市的投档线有, 但只找到211的100多所高校2023年的投档线数据,先用这个。

本来是希望搜索引擎做的, KFind查高考分数效果不好, 天工AI 搜索效果不错.‍‍‍‍‍

2 行业营业额与利润‍

AKShare(https://akshare.akfamily.xyz/data/index.html) 是基于Python 的开源财经数据接口库，其中有行业指数行情数据, 但股票有跌有跌, 不足以代表行业当前前景。于是使用行业上市公司营业额与利润的汇总值代表行业当前.

3 行业就业情况

Boss直聘等网站有行业收入、人员报告, 但要收集全行业信息并整理不容易. 公司年报中也有公司人数, 工资支出, 但AKShare中没有提供相关数据.

既然是做研究, 本着有啥用啥的原则, 太麻烦的事自然不做. 打算先用搜索看看效果.

4 专业、行业潜规则

这最关键的核心数据也是无法收集. 先将张雪峰老师的金句放到知识库, 再用大模型查询.

初步方案:

就是先设计个简单流程, 全要素问题能跑出个结果, 能将以上的数据都用上,重点测试下:

1 张雪峰老师的金句知识库泛化效果待观察.

2 大模型能做AIAgent的计划部分吗? 

3 关键数据知道去掉搜索和查知识库. 有些Text2SQL的意思. 估计先写死了.

进度:

1 将AgentUniverse的LLM配置为通义千问.

2  AgentUniverse调用KFind作为搜索引擎.

3 初步看了下AgentUniverse的Planer, 准备参考写个.

4 张雪峰老师的金句知识库, AgentUniverse 有个Memory, 测试中.

后续相关关键代码、效果将发在后续文章,  敬请关注.

之前写了篇文章《一人公司》, 领域AIAgent值得探讨的方向. 欢迎各行业朋友共同研究. 建个领域AIAgent群, 感兴趣的朋友、想动动手的加我微信, 如果只为旁观, 就不用入群了, 该系列文章会持续更新. 

免费的大模型调用, 将助推一人公司

袁峻峰，公众号：FIN AI 探索ChatGPT之后的世界系列|一人公司

作者简介

袁峻峰，《人工智能为金融投资带来了什么》作者，复旦大学金融学硕士，FRM金融风险管理师，之前在蚂蚁金服人工智能部四年,目前就职于国内某大型券商，本文仅代表个人观点,不可作为投资依据。