打造一个完全本地运行的多智能体图书写作系统（附大模型教程）

今天，我们学习如何构建一个 Agentic 工作流，根据 3-5 个单词的书名编写一本 20k 单词的书。

技术栈：

• Bright Data 用于大规模抓取网页。

• crewAIInc 用于编排。

• GoogleDeepMind 的 Gemma 3 作为 LLM。

• ollama 在本地为 Gemma 3 提供服务。

以下是我们的工作流程：

• 使用 Bright Data，Outline Crew 抓取与书名相关的数据并确定章节数和标题。

• 并行调用多个 Writer Crew，每个 Writer Crew 编写一章。

• 合并所有章节以获得整本书。

准备好了吗？开始撸代码！

1️⃣ 抓取工具 - SERP API  

书籍需要研究。因此，我们将使用 Bright Data 的 SERP API 大规模抓取数据。

工具使用：

• 大纲团队 → 研究书名并准备大纲。

• 作家团队 → 研究章节标题并撰写。

 

2️⃣ 在本地设置 Gemma 3  

我们将通过 Ollama 在本地提供 Gemma 3。

具体操作如下：

• 首先，我们把它下载到本地。

• 接下来，我们使用 CrewAI 的 LLM 类对其进行定义。

3️⃣ 大纲团队  

这个团队有两个智能体：

• 研究智能体 → 使用 Bright Data 抓取工具抓取与书名相关的数据并准备提取信息。

• 大纲智能体 → 使用见解将总章节和标题输出为 Pydantic 输出。

 

4️⃣ 写作团队  

这个团队有两个智能体：

• 研究智能体 → 使用 Bright Data Scraping 工具抓取与章节标题相关的数据并准备提取信息。

• 写作智能体 → 使用见解撰写章节。

5️⃣ 创建工作流程  

我们使用 CrewAI Flows 来协调工作流程。

首先，大纲方法调用大纲团队，其：

• 使用抓取工具研究主题。

• 返回章节总数和相应的标题。

接下来，我们定义一个编写章节的方法。在这里，我们每章调用一个 Writer Crew，每个 Crew 并行运行。

我们还将所有章节的列表传递给每个 Crew，以便他们了解这本书的整体大纲。

6️⃣ 保存书籍  

一旦所有 Writer Crew 都完成执行，我们就会将书籍保存为 Markdown 文件。

7️⃣ 启动工作流程  

最后，我们运行流程。

• 首先，调用大纲组。它利用 Bright Data 抓取工具来准备大纲。

• 接下来，并行调用许多作家组，每人编写一章。

打造一个完全本地运行的多智能体图书写作系统

 如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​