自己动手实现一个简单的Linux AI Agent

大模型带我们来到了自然语言人机交互的时代

1、安装本地大模型进行推理

下载地址：
https://ollama.com/download
部署本地deepseek

ollama run deepseek-r1:7b

2、制定Linux操作接口指令规范

需要ai推理生成的json格式：

[
    {
        "host": "10.1.1.10",
        "OS": "CentOS7.9",
        "user": "root",
        "ssh_port": 22,
        "command": "df -h"
    }
]

提示词：

有如下json中的主机，请结合用户需求和OS类型给出准确的command命令替换“command”键值：
[
    {
        "host": "10.1.1.10",
        "OS": "CentOS7.9",
        "user": "root",
        "ssh_port": 22,
        "command": "df -h"
    }
]
其他key未说明情况下为默认，请根据用户需求返回json，仅回复json文本。

在page assist中测试提示词

命令最好是使用提示词都规范下：

3、编写大模型对话工具

#!/usr/bin/python3
#coding: utf-8

import json
import requests

model = "llama3"

def chat(messages):
    r = requests.post(
        "http://localhost:11434/api/chat",
        json={"model": model, "messages": messages, "stream": True},
    )
    r.raise_for_status()
    output = ""
    for line in r.iter_lines():
        body = json.loads(line)
        if "error" in body:
            raise Exception(body["error"])
        if body.get("done") is False:
            message = body.get("message", "")
            content = message.get("content", "")
            output += content
            print(content, end="", flush=True)
        if body.get("done", False):
            message["content"] = output
            return message

def main():
    messages = []
    while True:
        user_input = input("Enter a prompt: ")
        if not user_input:
            exit()
        print()
        messages.append({"role": "user", "content": user_input})
        message = chat(messages)
        messages.append(message)
        print("\n\n")

if __name__ == "__main__":
    main()

4、运行AI Agent查看效果

---

未完待续