从零开始构建智能 AI 助手 - 目录

《从零开始构建智能 AI 助手》

本教程将带你从零开始，逐步构建一个功能完整的 AI Agent。 通过 11 个渐进式步骤（Step 0-10），你将学习 AI Agent 的核心概念和实现细节。

📖 14 章 📝 54 节 💻 100+ 代码示例 📅 ~10,000 行代码

目录导航

第一章：概述 - AI Agent 基础

• 1.1 什么是 AI Agent
• 1.2 AI Agent 的核心能力
• 1.3 技术栈选择
• 1.4 本教程学习路径

第二章：基础 LLM 交互 (Step 0)

• 2.1 OpenAI API 简介
• 2.2 第一个 AI 对话程序
• 2.3 代码结构分析

第三章：对话历史管理 (Step 1)

• 3.1 上下文的重要性
• 3.2 消息历史存储
• 3.3 多轮对话实现

第四章：工具调用系统 (Step 2)

• 4.1 Function Calling 原理
• 4.2 工具定义与注册
• 4.3 工具执行循环
• 4.4 内置工具实现

第五章：流式输出 (Step 3)

• 5.1 流式输出的优势
• 5.2 SSE 协议实现
• 5.3 流式输出处理

第六章：配置管理 (Step 4)

• 6.1 配置文件设计
• 6.2 环境变量支持
• 6.3 配置验证

第七章：会话持久化 (Step 5)

• 7.1 会话存储方案
• 7.2 会话序列化
• 7.3 会话管理

第八章：技能系统 (Step 6)

• 8.1 技能系统设计
• 8.2 技能加载机制
• 8.3 Prompt 构建
• 8.4 Frontmatter 解析

第九章：服务化架构 (Step 7)

• 9.1 客户端-服务器分离
• 9.2 WebSocket 通信
• 9.3 并发连接管理
• 9.4 协议设计

第十章：Web 客户端 (Step 8)

• 10.1 HTTP 静态服务
• 10.2 前端架构设计
• 10.3 WebSocket 客户端
• 10.4 UI/UX 设计

第十一章：多模态支持 (Step 9)

• 11.1 多模态 AI 概述
• 11.2 视觉模型集成
• 11.3 图像处理与传输
• 11.4 多模态消息协议
• 11.5 Web UI 图像功能
• 11.6 CLI 图像命令

第十二章：联网搜索 (Step 10)

• 12.1 搜索能力的重要性
• 12.2 Tavily API 集成
• 12.3 搜索工具实现
• 12.4 结果缓存机制
• 12.5 搜索场景与最佳实践

第十三章：MCP 集成

• 13.1 MCP 协议概述
• 13.2 MCP 服务器连接
• 13.3 工具适配器实现
• 13.4 常用 MCP 服务器

第十四章：总结与展望

• 14.1 项目完整回顾
• 14.2 所有功能特性汇总
• 14.3 最佳实践与扩展方向
• 14.4 技术路线展望

开始阅读 →

技术栈

• 语言：TypeScript 5.3+
• 运行时：Node.js 20+
• LLM：OpenAI SDK / DeepSeek API
• 通信：WebSocket (ws)
• 搜索：@tavily/core
• 协议：MCP SDK

📚 代码仓库

本教程的完整代码实现已开源，欢迎访问和学习：

GitHub 仓库 Gitee 仓库