AI仪表盘 + 基础设施 + Rocket.Chat
摘要
作者分享了他们使用Rocket.Chat、CLI代理和tmux构建AI代理基础设施的经验,规模扩展至250个客户,帮助他们建立网站。他们从销售服务转向教客户自己使用代理,强调了此类系统中上下文管理的重要性。
我部署了一个Rocket.Chat服务器,在Mac上使用tmux部署了CLI代理。按频道将它们分开,使用SSH配置和SSH密钥连接到VPS上的用户,并将基础设施扩展到250个客户,让他们能通过提示轻松更新和构建网站。我构建了一个控制代理来创建子域名、管理DNS和用户设置。然后我开发了一个应用商店,可以将各种应用(如电子邮件、短信、交易)连接到这些代理上。有些客户加入时完全不知道如何建网站,在这种情况下,我更新了启动时注入的上下文文件,内容为“该客户完全不知道如何建网站,确保他们使用最佳标准,并巧妙纠正和教育他们”。我坐观其成,看着代理幽默地扮演了我曾经的角色,教客户如何构建好东西。我使用的技术栈很简单,也在代理启动时嵌入到上下文中。现在,我基本上是在为500个代理(针对特定模型)管理上下文,并帮助客户释放AI的潜力。我们不再将产品作为服务出售,而是开始说:“嘿,先通过建一个网站来学习如何使用代理吧。”在迷茫了三年,徘徊于残骸之中,思考“下一步是什么”之后,我重新找到了方向。像这样的代理控制仪表盘将远远超出网站领域,对许多行业都不可或缺。大家觉得呢?
相似文章
我们构建了一个可自托管的智能体AI+BI平台——智能体、多智能体集群、RAG、仪表盘、笔记本,全部使用您自己的密钥
一个可自托管的AI和BI平台,集成了智能体、多智能体集群、RAG、仪表盘和笔记本,全部使用您自己的API密钥。
@hwchase17: https://x.com/hwchase17/status/2053157547985834227
文章概述了一个系统的“智能体开发生命周期”(构建、测试、部署、监控),以有效创建和管理 AI 智能体,重点介绍了 LangChain、LangGraph 和 CrewAI 等关键框架。
@hyperagent:42 个智能体,216 条线程,一个仪表盘。每个智能体拥有独立提示、工具、技能与预算,一键部署专业 AI 团队
Hyperagent 推出多智能体系统,可为招聘、数据分析、营销活动等复杂业务场景自主部署具备专属提示、工具与预算的 AI 智能体。平台提供统一仪表盘、自我进化能力,并深度集成现有企业工具。
我构建了一个多租户AI代理平台(小部件+API+语音+MCP)——寻求来自实际部署代理的人们的反馈
Animam是一个多租户AI代理平台,允许机构通过小部件、API、语音和MCP为客户部署个性化AI代理。该构建者希望从生产用户那里获得对其基础设施方法的反馈。
我构建了一个用于创建和管理AI代理的开源平台(MIT许可,可免费自托管)
作者构建了一个开源、MIT许可的AI代理创建和管理平台,具备提供商无关支持、MCP集成、记忆、技能、定时触发器和看板功能,可通过Docker Compose部署。