阿川私房教材：
學 JavaScript 前端，帶作品集去面試！

63 個專案實戰，寫出作品集，讓面試官眼前一亮！

立即開始免費試讀！

小編精選 - 技術文章翻譯 · 03月29日

每個 TypeScript 開發人員都是 AI 開發人員

前言

{% youtube pdsplQyok8k %}

建立 TypeScript 類，並將其轉換為 AI 聊天機器人。

從現在開始，每個 TypeScript 開發人員都可以成為 AI 開發人員。

TypeScript 開發人員，讓我們與@agentica一起成為 AI 開發人員。

Github 倉庫：https://github.com/wrtnlabs/agentica
指南文件：https://wrtnlabs.io/agentica

import { Agentica } from "@agentica/core";
import OpenAI from "openai";
import typia from "typia";

const agent = new Agentica({
  vendor: {
    model: "gpt-4o-mini",
    api: new OpenAI({ apiKey: "********" }),
  },
  controllers: [
    {
      protocol: "class",
      application: typia.llm.application<BbsArticleService, "chatgpt">(),
      execute: new BbsArticleService(),
    },
  ],
});
await agent.conversate("I want to write an article.");

Agentica 框架

@agentica是一個專門用於 LLM 函數呼叫的框架。

您可以透過 TypeScript 類別類型提供函數。如果您建立下面的FileSystem類別並將其與@agentica集成，它將成為檔案系統聊天機器人。您可以透過聊天機器人中的對話文字來管理您的檔案系統。

如果您同時提供多個 TypeScript 類別（例如GoogleScholarService 、 NaverNewsService和NotionService ），您的 AI 代理程式可以透過分析學術論文和新聞文章來撰寫 Notion 文件。當你要求代理人分析近期韓國經濟趨勢、對其進行評論、整理相關論文、並將其寫在Notion中時，AI代理就會執行這些任務。

只需定義您的 TypeScript 類，您就可以建立任何您想要的 AI 代理程式。

https://wrtnlabs.io/agentica/tutorial/coding/file-system/

import fs from "fs";

export class FileSystem {
  public __dirname(): string {
    return __dirname;
  }

  public readdir(input: {
    path: string;
    options?:
      | {
          encoding: "utf-8";
          withFileTypes?: false | undefined;
          recursive?: boolean | undefined;
        }
      | "utf-8"
      | null;
  }): Promise<string[]> {
    return fs.promises.readdir(input.path, input.options);
  }

  public readFile(input: { path: string }): Promise<string> {
    return fs.promises.readFile(input.path, "utf8");
  }

  public writeFileSync(input: { 
    file: string; 
    data: string;
  }): Promise<void> {
    return fs.promises.writeFile(input.file, input.data);
  }
}

3.企業示範

有人可能會疑惑： BbsArticleService或FileSystem類別不是只有幾個功能嗎？這僅僅是一個在有限的場景中發揮良好作用的玩具專案嗎？是否可以使用@agentica建立企業級聊天機器人？

答案是肯定的，建立企業級聊天機器人確實是可能的。

這是企業級購物中心聊天機器人，包含289個API函數。它支援標準電子商務平台的大多數功能，並且正如所演示的，它執行起來沒有問題。

作為參考， @agentica也可以從 Swagger/OpenAPI 文件中取得功能。下面的演示源自@samchon/shopping-backend 。

{% youtube RAzYo02HTXA %}

https://wrtnlabs.io/agentica/tutorial/enterprise/shopping/

import { Agentica } from "@agentica/core";
import { HttpLlm, OpenApi } from "@samchon/openapi";
import typia from "typia";

const agent = new Agentica({
  model: "chatgpt",
  vendor: {
    api: new OpenAI({ apiKey: "*****" }),
    model: "gpt-4o-mini",
  },
  controllers: [
    {
      protocol: "http",
      name: "shopping",
      application: HttpLlm.application({
        model: "chatgpt",
        document: await fetch(
          "https://shopping-be.wrtn.ai/editor/swagger.json",
        ).then((r) => r.json()),
      }),
      connection: {
        host: "https://shopping-be.wrtn.ai",
        headers: {
          Authorization: "Bearer *****",
        },
      },
    },
    {
      protocol: "class",
      name: "counselor",
      application: typia.llm.application<ShoppingCounselor, "chatgpt">(),
      execute: new ShoppingCounselor(),
    },
    {
      protocol: "class",
      name: "policy",
      application: typia.llm.application<ShoppingPolicy, "chatgpt">(),
      execute: new ShoppingPolicy(),
    },
    {
      protocol: "class",
      name: "rag",
      application: typia.llm.application<ShoppingSearchRag, "chatgpt">(),
      execute: new ShoppingSearchRag(),
    },
  ],
});
await agent.conversate("I want to buy a MacBook Pro");