如果你想建立自己的自主人工智能研究代理，能够每周24天，每天<>小时运行，在网上搜索你问的任何东西。您可能对Michael Borman的新教程感兴趣，他已将代码上传到GitHub，供您下载并根据您的确切要求进行调整。
使用 LangChain 构建研究代理并将其集成到产品中是一个复杂但有益的过程。此过程涉及几个步骤，包括构建搜索和抓取工具，创建Lang链代理，使用Streamlit托管Web应用程序，以及使用Fast API将代码转换为API。然后，API可以通过Zapier自动化集成到产品中，使用Fast API作为API托管，并使用Zapier连接到Google Sheets或CRM。
使用 Lang 链代码构建研究代理的第一步是创建一个用于搜索和抓取的工具。该工具使用网络搜索工具来查找链接，并使用网络抓取工具从这些页面中提取数据。代理迭代这些步骤，直到它有足够的研究来回答问题，然后将输出传回。该视频演示了如何使用SerpApi进行Web搜索和BrowseList API进行Web抓取来构建搜索和抓取工具。
一旦构建了搜索和抓取工具，下一步就是创建一个 Lang 链代理。此代理使用工具列表、语言模型和代理类型进行实例化。代理将获得一条常规系统消息，指示其任务以及要执行的迭代次数。Python 库 Beautiful Soup 用于清理数据并从 HTML 页面中提取文本。然后，代理使用汇总器将数据减少为必要的信息，使用称为 Map Reduce 的方法。
创建 Lang 链代理后，下一步是使用 Streamlit 托管 Web 应用程序。一个简单的前端，可以快速启动并运行应用程序。可以使用 Streamlit 测试代理，以确保其正常运行。托管并测试 Web 应用后，下一步是使用快速 API 将代码转换为 API。这允许代理作为 API 托管，可以从 Web 上的任何位置进行查询。该 API 可以托管在 Render 上，这是一个允许轻松托管应用程序的平台。
使用 LangChain 代码构建研究代理的最后一步是通过 Zapier 自动化将 API 集成到产品中。这允许API使用Zapier连接到Google Sheets或CRM。这种集成允许对潜在客户进行自动研究，使研究代理成为确定产品最佳前景的宝贵工具。
使用 Lang 链代码构建研究代理并将其集成到产品中涉及几个步骤，但最终结果是自动化研究的强大工具。通过遵循这些步骤，可以创建一个可以抓取网络的研究代理，提供有关任何主题的研究，并集成到产品中进行自动化潜在客户研究。
