继续我的咖啡小项目，继上次[用LLM分析产出咖啡豆数据]后，我把两年的咖啡豆数据导入了数据库，接下来就是数据分析展现的“传统艺能”了。我想试试用最新流行的ReAct模式（https://arxiv.org/abs/2210.03629）的Agent来做一个简单的咖啡豆数据分析的Agent。要求就是根据一些咖啡豆数据查询、分析的要求，查询数据库、总结并生成结果。
直接裸写这么个Agent还是挺有难度的，那Vibe Coding吧，让AI来生成AI Agent。于是我把我知道的重要信息告诉AI：
我要一个Tool （数据库查询）的定义，并且能被DeepSeek这样的模型使用
我的Agent是要ReAct模式（即 Think -> Act -> Observe 循环X次直到找到Answer）
当Act中包含特殊的Tool_Use Block时，进入工具调用
我的数据库Schema是这样的，字段的语义是那样的。。。等等
经过几轮迭代、测试、debug问题，我仅用了3个小时就做出了可用的MVP。
那我们来看看结果吧。下面是测试问题：
test_questions = [ "中国有多少种咖啡豆？列出这些豆、品种、价格", "最贵的5种咖啡豆是什么？它们主要来自哪些国家？", "有哪些来自埃塞俄比亚的优质咖啡豆，且性价比较高？", "巴拿马最贵的豆是什么？它的价格历史趋势是怎样的？" ]前3个问题都很简单，一轮ReAct就搞定了，第四个稍微复杂点要两轮，我们看看AI Agent的思考过程是怎样的：
- 第一轮ReAct成功将问题分解为两步，并执行第一步去最新的snapshot数据找巴拿马最贵的咖啡
============================================================ 问题: 巴拿马最贵的豆是什么？它的价格历史趋势是怎样的？ ============================================================ --- 步骤 1 --- 模型响应: 思考：用户问了两个问题： 1. 巴拿马最贵的咖啡豆是什么？ 2. 它的价格历史趋势是怎样的？ 对于第一个问题，我需要查询巴拿马最贵的咖啡豆。根据数据库查询要求，当用户没有询问历史数据时，我需要使用latest_data表获取最新数据。所以先查询巴拿马最新数据中最贵的咖啡豆。 对于第二个问题，用户明确询问"价格历史趋势"，这需要历史数据，所以不需要连接latest_data表，而是查询该咖啡豆的所有历史价格数据。 我需要分两步进行： 1. 先找到巴拿马最贵的咖啡豆（最新数据） 2. 然后查询该咖啡豆的历史价格趋势 行动：首先查询巴拿马最新数据中最贵的咖啡豆。 工具调用: sql_query_tool 执行查询: <SQL Query 省略> 观察：<SQL 结果省略>- 第二轮根据第一轮找到的咖啡单品，再做一个历史价格的查询
--- 步骤 2 --- 模型响应: 观察：查询结果显示，巴拿马最贵的咖啡豆是"巴拿马 翡翠庄园 红标 瑰夏 日晒"，最新价格是每公斤2350元，类型为premium，风味类别为"花香茶感型"，数据时间为2025年12月。 思考：现在我需要查询这个咖啡豆的历史价格趋势。用户询问的是"价格历史趋势"，这意味着我需要获取该咖啡豆在不同时间点的价格数据。我需要查询该咖啡豆的所有历史记录，按时间排序，以查看价格变化趋势。 行动：查询"巴拿马 翡翠庄园 红标 瑰夏 日晒"的历史价格数据。 工具调用: sql_query_tool 执行查询: <SQL Query省略> 观察: <SQL结果省略>- 第三轮找到了价格趋势并总结了问题的答案
--- 步骤 3 --- 模型响应: 观察：查询结果显示该咖啡豆有3个历史价格记录： 1. 2024年11月：2300元/公斤 2. 2025年5月：2300元/公斤 3. 2025年12月：2350元/公斤 思考：根据查询结果，我可以回答用户的问题： 1. 巴拿马最贵的咖啡豆是"巴拿马 翡翠庄园 红标 瑰夏 日晒"，最新价格为2350元/公斤。 2. 价格历史趋势显示：从2024年11月到2025年5月价格保持稳定在2300元/公斤，然后在2025年12月上涨到2350元/公斤，价格上涨了50元/公斤。 最终答案：巴拿马最贵的咖啡豆是"巴拿马 翡翠庄园 红标 瑰夏 日晒"，最新价格为2350元/公斤，属于premium级别，风味类别为"花香茶感型"。 该咖啡豆的价格历史趋势如下： - 2024年11月：2300元/公斤 - 2025年5月：2300元/公斤（价格保持稳定） - 2025年12月：2350元/公斤（价格上涨50元/公斤） 价格趋势显示该咖啡豆在2025年下半年出现了小幅上涨，从2300元/公斤上涨到2350元/公斤，涨幅约为2.2%。- 第四步因为已经找到了答案，所以退出ReAct循环，并返回最后答案
✓ 找到最终答案! 答案: 巴拿马最贵的咖啡豆是"巴拿马 翡翠庄园 红标 瑰夏 日晒"，最新价格为2350元/公斤，属于premium级别，风味类别为"花香茶感型"。 该咖啡豆的价格历史趋势如下： - 2024年11月：2300元/公斤 - 2025年5月：2300元/公斤（价格保持稳定） - 2025年12月：2350元/公斤（价格上涨50元/公斤） 价格趋势显示该咖啡豆在2025年下半年出现了小幅上涨，从2300元/公斤上涨到2350元/公斤，涨幅约为2.2%。好了，我要去喝咖啡了。有感兴趣源代码，想知道怎么实现ReAct的同学可以私下找我讨论。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
