7.1. 如何复刻天机项目

本教程将指导你如何参考天机项目的架构，创建属于自己的垂直领域AI应用。我们将从Prompt工程、RAG知识库和Agent开发三个方面详细说明。

7.1.1. 整体规划

在开始之前，你需要：

确定目标领域（例如：租房助手、育儿顾问等）
规划技术路线（Prompt/RAG/Agent/微调）
设计系统架构
准备数据收集计划

7.1.2. 一、基于Prompt的应用开发

7.1.2.1. 1. 提示词模板设计

你可以参考 tools/prompt_maker 目录下的工具，进行提示词模板的设计：

使用 prompt_to_json.py 编写和验证提示词模板
使用 prompt_to_json_in_bulk.py 批量处理多个提示词
使用 check_prompt_template_in_bulk.py 检查提示词质量
使用 web_demo.py 测试提示词效果

7.1.2.2. 2. 提示词验证与优化

使用上述工具进行提示词验证
进行多轮测试和优化
整理提示词模板库

7.1.2.3. 3. 应用封装

参考 tianji/prompt 目录结构
实现提示词管理系统
开发Web界面（参考 run/tianji_prompt_webui.py）

7.1.3. 二、构建RAG知识库应用

7.1.3.1. 1. 数据收集

确定知识来源（网页、文档、专业书籍等）
使用 tools/rag 工具进行数据抓取：
- 使用 url2article.md 抓取网页内容
- 使用 article2chunk.js 处理长文本分块
进行初步数据清洗

7.1.3.2. 2. 知识库构建

使用 tools/rag 工具进行数据过滤：
- 使用 0-data_llm_filter.py 过滤低质量数据
- 使用 0-data_llm_filter_negative.py 过滤负面样本
- 使用 0-data_llm_filter_lesswords.py 过滤过短文本
使用 1-get_rag_knowledges.py 抽取整理知识
使用 2-jsonknowledges_kmeans.py 进行知识聚类分析
使用 3-json2txt.py 进行格式转换

7.1.3.3. 3. 应用开发

参考 tianji/knowledges 目录结构
实现问答系统
优化答案生成质量

7.1.4. 三、开发Agent应用

7.1.4.1. 1. 角色设计

定义Agent的职责和能力
设计交互流程，可参考以下角色：
- IntentReg: 意图识别
- SceneRefine: 场景细化
- AnswerBot: 回答生成
- Searcher: 信息搜索
规划工具使用，可参考

7.1.4.2. 2. 实现核心功能

参考 tianji/agents 目录结构
可参考实现以下组件：
- 意图识别（参考 test/agents/metagpt/intentReg_test_case.py）
- 场景细化（参考 test/agents/metagpt/sceneRefine_test_case.py）
- 回答生成（参考 test/agents/metagpt/answerBot_test_case.py）
- 搜索功能（参考 test/agents/metagpt/searcher_test_case.py）

7.1.4.3. 3. 应用集成

实现Web界面
添加必要的API
进行功能测试

7.1.5. 注意事项

使用搜索功能需要配置相应的API密钥：
- 在 .env 文件中配置 TAVILY_API_KEY
- 可以从 https://app.tavily.com/ 获取 API key
开发过程中建议参考以下测试用例：
- test/agents/metagpt/test_metagpt_dummy.py: 基本的Action和Role实现示例
- test/agents/metagpt/test_WebSearch.py: 网页搜索示例
系统要求：
- Python 3.8+
- MetaGPT框架
- 必要的API密钥