KeyFrame內部研究專用

Qwen 3.6 + Pi Agent: Build Your Own AI Assistant (Full Setup)

Bart Slodyczka·7月6日週一·10 min英文

三句話摘要

用 Pi 代理框架配合本地 LLM,打造全自動 Zendesk 客服代理,無需雲端依賴。 Pi 框架透過自舉生成代理架構 + 本地 LLM + cron 自動化,使任何人都能以最小成本構建生產級自動化客服系統,完全無依賴。 Pi 框架的輕量化設計:Pi 預設只包含核心代理引擎和基本終端工具,不包袱臃腫的預設系統提示和技能,使用者可以通過對話讓 Pi 自動構建所需的 extensions 和 skills,是「代理構建代理」的自舉模式。

重點整理

重點
  • 1

    Pi 框架的輕量化設計:Pi 預設只包含核心代理引擎和基本終端工具,不包袱臃腫的預設系統提示和技能,使用者可以通過對話讓 Pi 自動構建所需的 extensions 和 skills,是「代理構建代理」的自舉模式。

  • 2

    本地 LLM 完全自主:透過 LM Studio 集成本地模型(如 Qwen 3.6 35B),所有 API 調用都在本地電腦執行,無需依賴雲端服務或付費 API,適合隱私敏感和成本受限的場景。

  • 3

    代理包可移轉性:Pi 支援打包成可分享的代理包,允許在本地開發完成後直接移轉到雲端或專用設備上運行,避免綁定單一環境。

  • 4

    互動模式與自動化模式的雙軌:既可在終端與 Pi 交互式對話進行任務,也可用 print 模式(-P 參數)非互動方式批量處理,透過 cron job 實現真正的 24/7 無人值守自動化。

實用技巧與重點

乾貨
  • 工具與模型
  • Pi 代理框架(Pi.dev,開源)
  • LM Studio(本地 LLM 推理)
  • Qwen 3.6 35B(測試用本地模型)
  • Zendesk(客服管理系統)
  • 安裝與初始化命令
  • `npm install pi`(安裝 Pi)
  • `npm install pi-lm-studio`(LM Studio 集成包)
  • `pi`(啟動互動終端)
  • 核心文件結構
  • `extensions/zendesk.ts`(Zendesk API 集成)
  • `.env`(API 密鑰與認證信息)
  • `prompts/`(代理系統提示與回覆模板)
  • `skills/`(自定義技能)
  • cron job 邏輯
  • 每 5 秒輪詢 Zendesk 新票務(狀態 = new)
  • 執行:`pi -P "ticket_context"` 生成回覆
  • 透過 Zendesk API 發送回覆
  • 更新票務狀態
  • 關鍵 API 端點與操作
  • Zendesk Admin Center → API Token 生成
  • 列表所有票務:33 個票務成功讀取
  • 發送訊息到特定票務(測試:票務 ID 115)

結論

結論

Pi 框架透過自舉生成代理架構 + 本地 LLM + cron 自動化,使任何人都能以最小成本構建生產級自動化客服系統,完全無依賴。

完整解析

詳細

影片展示了一個完整的本地 AI 客服系統構建過程。首先,講者說明了 Pi 代理框架相比 OpenClaw 或 Hermes 代理的優勢:它是輕量級、可定制的,不強制捆綁不需要的功能。講者選擇用 LM Studio 運行本地 Qwen 3.6 35B 模型,避免雲端 API 調用。

安裝環節相當簡潔。通過 npm 安裝 Pi 和 Pi LM Studio 集成包,講者啟動了一個本地代理終端。此時的 Pi 還是「空白」狀態,沒有 extensions 或 skills,但它自我理解,知道如何擴展自己。講者的妙招是直接問 Pi「怎樣構建自定義代理」,Pi 讀取自己的內部文檔,回覆了三種方案:extensions 方式、SDK 方式、以及打包方式。講者選擇了包方式,因為這樣便於未來從本地遷移到生產環境。

講者告訴 Pi 目標是構建一個 Zendesk 客服代理。Pi 隨即深入自己的文檔庫,一口氣生成了初始架構:Zendesk API 集成代碼、系統提示模板(用於生成專業回覆)、票務處理技能等。整個過程幾分鐘內完成,代碼可用度已經相當高。講者隨後手動從 Zendesk 管理後台複製 API Token,將認證信息寫入 `.env` 檔案。

測試階段極其直接。講者問 Pi「能否發送測試請求到 Zendesk 列出所有票務」,Pi 成功返回 33 個票務列表,並自動修正了自己生成的代碼中的環境變數讀取邏輯。接著講者指定票務 ID 115,讓 Pi 生成並發送回覆,真實客戶端成功收到了「有什麼其他可以幫助嗎?」的自動回覆。

自動化環節是核心。講者問 Pi「能否建立 cron job,每 5 秒檢查新票,若有新票就用 print 模式運行 Pi 生成回覆並發送回客戶」。Pi 給出了清晰的執行計畫。當講者手動創建測試票務「收到的產品有問題」後,cron 在秒內捕捉到新票,運行 Pi 的 -P 模式(非互動批量模式),生成了完整的故障排除回覆,並自動發回 Zendesk,整個過程用戶零介入。

影片最後提到 Pi 還支持插件擴展(如 Telegram 集成),允許用戶在手機上遠程與代理對話管理客服工作。講者也預告了後續課程會涵蓋評估優化、隱私數據脫敏和提示注入防禦等生產化話題。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。