🤖 AI Agent System

The application and development of large language models are the hottest entrepreneurial trends this year. Through this project, I will practically design and develop an AI Agent system based on OpenAI and React, gaining knowledge of various large language models and architectures (OpenAI GPT-3.5 / GPT-4, Langchain). I will also deploy a reliable React frontend and NodeJS backend service with a vector database on Amazon Web Services, and learn how to test and maintain them.

By completing this project, I will acquire fundamental knowledge and stay updated with the latest trends in large language models. I will also be able to demonstrate its performance in real-time during interviews. This project will enhance my chances of getting interviews at top AI technology companies like Google, LinkedIn, Meta, Amazon, and more.

🤖 AI Agent System

基于 OpenAI GPT-4、LangChain 和 React 的完整 AI Agent 系统，支持知识库管理、智能对话和多步推理。

📋 项目概述

本项目实现了一个完整的 AI Agent 系统，具备以下核心功能：

✨ 智能对话：基于 GPT-4 的自然语言对话
📚 知识库管理：使用 Pinecone 向量数据库存储和检索知识
🎯 AI Agent：支持多种场景的智能代理（通用、技术、创意、分析）
🔍 语义搜索：基于向量嵌入的相似度搜索
💬 RAG 技术：检索增强生成，提供更准确的答案
🌐 全栈应用：React 前端 + Node.js 后端 + 向量数据库

🏗️ 技术架构

┌─────────────────────────────────────────────────────────┐
│                     前端 (React)                         │
│  - 聊天界面                                              │
│  - 知识库管理                                            │
│  - Agent 控制面板                                        │
└────────────────────┬────────────────────────────────────┘
                     │ HTTP/REST API
┌────────────────────▼────────────────────────────────────┐
│                  后端 (Node.js/Express)                  │
│  - OpenAI GPT-4 集成                                     │
│  - LangChain 框架                                        │
│  - Agent 服务                                            │
└────────────────────┬────────────────────────────────────┘
                     │
           ┌─────────┴──────────┐
           │                    │
┌──────────▼──────────┐  ┌──────▼──────────┐
│   OpenAI API        │  │  Pinecone       │
│  - GPT-4            │  │  向量数据库      │
│  - Embeddings       │  │  - 语义搜索      │
└─────────────────────┘  └─────────────────┘

🚀 快速开始

前置要求

Node.js 18+
npm 或 yarn
OpenAI API Key (获取地址)
Pinecone API Key (获取地址)

1. 克隆项目

git clone <your-repo-url>
cd ai-agent-system

2. 配置后端

cd backend
npm install

# 创建 .env 文件
cp .env.example .env

# 编辑 .env，填写您的 API keys
nano .env

.env 配置示例：

# OpenAI Configuration
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxx
OPENAI_MODEL=gpt-4

# Pinecone Configuration
PINECONE_API_KEY=xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx
PINECONE_ENVIRONMENT=us-east-1
PINECONE_INDEX_NAME=ai-agent-knowledge

# Server Configuration
PORT=5000
NODE_ENV=development

# CORS Configuration
FRONTEND_URL=http://localhost:3000

3. 配置前端

cd ../frontend
npm install

# 创建 .env 文件
echo "REACT_APP_API_URL=http://localhost:5000/api" > .env

4. 初始化数据库和测试

cd ../backend

# 运行测试脚本（会自动创建索引并上传示例数据）
npm run test

5. 启动应用

终端 1 - 启动后端：

cd backend
npm run dev

终端 2 - 启动前端：

cd frontend
npm start

访问应用：

📚 核心功能详解

1. 智能对话 (Chat)

基于 GPT-4 的实时对话系统，支持：

多轮对话上下文管理
会话历史保存
Token 使用统计
Markdown 格式响应

API 示例：

POST /api/chat/message
{
  "message": "你好，请介绍一下 AI Agent",
  "sessionId": "session_123",
  "model": "gpt-4",
  "temperature": 0.7
}

2. 知识库管理 (Knowledge Base)

使用向量数据库存储和检索知识：

文档上传和向量化
语义搜索
元数据过滤
批量处理

API 示例：

// 上传文档
POST /api/knowledge/upload
{
  "documents": [
    {
      "id": "doc_1",
      "text": "文档内容...",
      "metadata": { "category": "技术" }
    }
  ]
}

// 搜索
POST /api/knowledge/search
{
  "query": "什么是 RAG？",
  "topK": 5
}

3. AI Agent

智能代理系统，支持多种模式：

default：通用助手
technical：技术专家
creative：创意助手
analytical：数据分析

特性：

RAG 增强回答
意图分析
多步推理
知识来源追踪

API 示例：

POST /api/agent/query
{
  "query": "解释机器学习的基本概念",
  "agentId": "agent_123",
  "agentType": "technical",
  "useKnowledgeBase": true
}

🎯 参数调优指南

OpenAI 参数

参数	范围	默认值	说明
temperature	0-2	0.7	控制随机性，越高越随机
max_tokens	1-4096	2000	最大生成 token 数
top_p	0-1	0.9	核采样参数
frequency_penalty	-2 to 2	0.0	降低重复词频率
presence_penalty	-2 to 2	0.6	鼓励新话题

调优建议

创意写作：

{
  temperature: 0.8-1.0,
  top_p: 0.95,
  presence_penalty: 0.6
}

技术问答：

{
  temperature: 0.3-0.5,
  top_p: 0.9,
  frequency_penalty: 0.0
}

代码生成：

{
  temperature: 0.2,
  max_tokens: 2000,
  top_p: 0.95
}

向量搜索参数

参数	说明	推荐值
topK	返回结果数量	3-5
similarity_threshold	相似度阈值	0.7+
chunk_size	文本分块大小	500-1500 字符

🔧 开发指南

项目结构

ai-agent-system/
├── backend/
│   ├── config/              # 配置文件
│   │   ├── openai.js        # OpenAI 配置
│   │   └── pinecone.js      # Pinecone 配置
│   ├── routes/              # API 路由
│   │   ├── chat.js
│   │   ├── knowledge.js
│   │   └── agent.js
│   ├── services/            # 业务逻辑
│   │   └── agentService.js
│   ├── server.js            # 主服务器
│   ├── test.js              # 测试脚本
│   └── .env                 # 环境变量
├── frontend/
│   ├── src/
│   │   ├── components/      # React 组件
│   │   │   ├── ChatInterface.js
│   │   │   ├── KnowledgeManager.js
│   │   │   └── AgentDashboard.js
│   │   ├── services/
│   │   │   └── api.js       # API 客户端
│   │   ├── App.js
│   │   └── App.css
│   └── public/
└── deployment/              # 部署脚本
    ├── aws-setup.sh
    └── deploy-app.sh

添加新的 Agent 类型

修改 backend/services/agentService.js：

const SYSTEM_PROMPTS = {
  // ... 现有类型
  custom: `你是一个自定义 AI 助手，专注于...`
};

更新前端 AgentDashboard.js：

const AGENT_TYPES = {
  // ... 现有类型
  custom: { label: '自定义助手', icon: '🌟', color: '#e91e63' }
};

添加新的 API 端点

创建路由文件 backend/routes/custom.js
在 server.js 中注册路由
在前端 api.js 中添加对应的客户端方法

🚀 AWS 部署

自动部署

cd deployment

# 1. 配置 AWS 基础设施
chmod +x aws-setup.sh
./aws-setup.sh

# 2. 部署应用
chmod +x deploy-app.sh
./deploy-app.sh <SERVER_IP> <KEY_FILE>

手动部署步骤

创建 EC2 实例（推荐 t3.medium）
安装 Node.js 18+
上传代码并安装依赖
配置环境变量
使用 PM2 管理后端进程
配置 Nginx 反向代理

详细步骤见部署文档

🧪 测试

# 后端测试
cd backend
npm test

# 测试覆盖范围：
# ✅ OpenAI 连接
# ✅ Embedding 生成
# ✅ Pinecone 连接
# ✅ 知识库上传
# ✅ 语义搜索
# ✅ Agent 查询

📊 性能优化

后端优化

使用连接池：复用 Pinecone 连接
缓存策略：缓存常见查询的嵌入向量
批量处理：批量上传文档（50 个/批次）
请求限流：防止 API 滥用

前端优化

懒加载：按需加载组件
虚拟滚动：处理大量消息
防抖节流：优化输入事件
Service Worker：离线支持

🔒 安全建议

✅ 使用环境变量存储敏感信息
✅ 启用 HTTPS（生产环境）
✅ 实现用户认证和授权
✅ 配置 CORS 白名单
✅ 添加请求限流
✅ 验证和清理用户输入
✅ 定期更新依赖包

📈 监控和日志

# PM2 监控
pm2 monit

# 查看日志
pm2 logs ai-agent-backend

# 查看状态
pm2 status

🐛 故障排除

常见问题

Q: OpenAI API 调用失败

A: 检查 API Key 是否正确，账户是否有余额

Q: Pinecone 连接超时

A: 检查 API Key 和 Environment 配置，确保索引已创建

Q: 前端无法连接后端

A: 检查 CORS 配置和 API_BASE_URL

Q: 向量搜索没有结果

A: 确保文档已上传，等待索引更新（约10秒）

🌐 AWS 部署指南

本项目可以部署到 Amazon Web Services (AWS)，使用 EC2 实例托管前后端应用。

部署架构

┌─────────────────────────────────────┐
│         公网访问                     │
│  前端: http://[IP]:3000             │
│  后端: http://[IP]:5000/api         │
└────────────────┬────────────────────┘
                 │ HTTP/HTTPS
┌────────────────▼────────────────────┐
│     AWS EC2 实例 (t3.micro)         │
│  ├─ Node.js 18                      │
│  ├─ Nginx 反向代理                  │
│  ├─ PM2 进程管理                    │
│  └─ 应用代码                        │
└─────────────────────────────────────┘

前置要求

✅ AWS 账户（需要有效的信用卡用于验证）
✅ AWS CLI 已安装和配置
✅ SSH 客户端（Windows 内置 OpenSSH 或使用 Git Bash）
✅ 项目代码本地完整

部署步骤

1. 安装 AWS CLI

Windows 用户 - 使用 Conda（推荐）：

conda install -c conda-forge awscli -y
aws --version

或下载 MSI 安装程序：https://awscli.amazonaws.com/AWSCLIV2.msi

2. 配置 AWS 凭证

aws configure

按提示输入：

AWS Access Key ID: [你的 Access Key ID]
AWS Secret Access Key: [你的 Secret Access Key]
Default region name: us-east-1
Default output format: json

获取 AWS 凭证：

登录 AWS 控制台
进入 IAM → Users → 你的用户名
Security credentials → Create access key
复制 Access Key ID 和 Secret Access Key

验证配置成功：

aws sts get-caller-identity

3. 运行部署脚本

# 进入项目目录
cd C:\Users\dengc\Desktop\cs\AI_Agent_based_on_OpenAI_and_React

# 运行部署脚本
bash deployment/aws-setup.sh

脚本会自动执行：

✅ 创建 EC2 密钥对
✅ 创建安全组（开放端口 22, 80, 443, 3000, 5000）
✅ 获取最新 Amazon Linux 2 AMI
✅ 启动 t3.micro EC2 实例
✅ 生成部署信息文件

4. 获取实例信息

部署完成后，查询实例公网 IP：

aws ec2 describe-instances --region us-east-1 \
  --query 'Reservations[0].Instances[0].[InstanceId,PublicIpAddress,InstanceType,State.Name]' \
  --output table

或从 AWS EC2 控制台查看。

记下公网 IP（如：34.203.13.220）

5. 上传应用代码

在本地计算机运行（确保 ai-agent-key.pem 在项目根目录）：

# 上传后端代码
scp -i ai-agent-key.pem -r backend ec2-user@[公网IP]:~

# 上传前端代码
scp -i ai-agent-key.pem -r frontend ec2-user@[公网IP]:~

6. 连接并启动应用

# SSH 连接到实例
ssh -i ai-agent-key.pem ec2-user@[公网IP]

# 在远程服务器上启动后端
cd ~/backend
npm install
node server.js &

# 新开终端窗口启动前端（或使用 screen/tmux）
cd ~/frontend
npm install
npm start &

# 检查运行状态
ps aux | grep node

7. 访问应用

前端：http://[公网IP]:3000
后端 API：http://[公网IP]:5000/api

成本说明

项目	免费套餐	费用
EC2 t3.micro	750 小时/月	¥0/月
数据传输	100 GB/月	¥0/月
总计（12个月）		¥0
超期后		¥110/月

⚠️ 注意：AWS 注册需要有效信用卡验证（验证费用 $1，后会退款）

常见部署问题

Q: 脚本错误 "not eligible for Free Tier"

A: 说明账户免费套餐不可用，会产生费用
   解决：删除资源或使用 Render/Vercel 免费部署

Q: SSH 连接超时

A: 检查安全组是否开放了 22 端口
   在 EC2 控制台修改入站规则

Q: npm 安装缓慢

A: 可在实例初始化时提前安装 Node.js 和依赖
   编辑 aws-setup.sh 中的 USER_DATA_SCRIPT

Q: 实例公网 IP 为空

A: 实例可能还未完全启动，等待 30 秒后重试查询

清理资源

删除实例（停止扣费）：

aws ec2 terminate-instances --instance-ids i-xxxxxxx --region us-east-1

删除安全组：

aws ec2 delete-security-group --group-id sg-xxxxxxx --region us-east-1

删除密钥对：

aws ec2 delete-key-pair --key-name ai-agent-key --region us-east-1

免费替代方案

如果 AWS 不可用，可使用以下完全免费的服务：

平台	后端	前端	成本
Render	✅	✅	免费
Vercel	❌	✅	免费
Railway	✅	✅	$5/月

Render 部署：

1. 访问 https://render.com
2. 用 GitHub 账户登录
3. 创建 Web Service（后端）
4. 创建 Static Site（前端）
5. 自动部署

Name		Name	Last commit message	Last commit date
backend		backend
deployment		deployment
frontend		frontend
.gitignore		.gitignore
deployment-info.txt		deployment-info.txt
readMe.md		readMe.md

Latest commit

History

Folders and files

Repository files navigation

🤖 AI Agent System

📋 项目概述

🏗️ 技术架构

🚀 快速开始

前置要求

1. 克隆项目

2. 配置后端

3. 配置前端

4. 初始化数据库和测试

5. 启动应用

📚 核心功能详解

1. 智能对话 (Chat)

2. 知识库管理 (Knowledge Base)

3. AI Agent

🎯 参数调优指南

OpenAI 参数

调优建议

向量搜索参数

🔧 开发指南

项目结构

添加新的 Agent 类型

添加新的 API 端点

🚀 AWS 部署

自动部署

手动部署步骤

🧪 测试

📊 性能优化

后端优化

前端优化

🔒 安全建议

📈 监控和日志

🐛 故障排除

常见问题

🌐 AWS 部署指南

部署架构

前置要求

部署步骤

1. 安装 AWS CLI

2. 配置 AWS 凭证

3. 运行部署脚本

4. 获取实例信息

5. 上传应用代码

6. 连接并启动应用

7. 访问应用

成本说明

常见部署问题

清理资源

免费替代方案

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages