在我们的项目中，我们使AI能够从提供的文本中学习，使其能够自动编写代码并执行任务来控制myCobot。
什么是AI Agent?
AI Agent是一种智能实体，能够感知环境、做出决策并执行动作。其功能基于大型语言模型(LLM)。然而，与直接与法学硕士对话不同，人工智能代理可以独立思考，利用工具，并逐步完成给定的任务。根据开发人员的技能水平，它可以完成各种专门的任务。
在本案例研究中，我们将基于DeepSeek大型语言模型构建一个简单的单智能体系统。执行逻辑很简单，由以下步骤组成：定义+观察+思考+行动+记忆。
由于离线LLM缺乏互联网检索能力，因此需要输入数据进行学习。这确保了每当我们激活代理时，它已经准备好承担其指定的角色，并有足够的知识来回答我们的查询。在使用过程中，它将记录用户批准的响应，将它们存储在数据库中，并继续从中学习。
myCobot 280 Pi
mybot 280系列，由大象机器人公司创建，代表了一系列6自由度协作机器人手臂，主要用于个人DIY项目，教育和研究应用。mybot 280 Pi，配备树莓派作为其控制板，它可以在没有PC的情况下使用，更重要的是，它提供了完整的Python API，方便控制，它的设计是用户友好的，易于初学者学习和使用。
项目设置
1. 提供知识输入
为了使Agent有效地工作，我们需要创建一个知识库并输入相关信息。
我们将以下信息保存为单独的DOCX文件：
●myCobot简介
●6自由度协同机械臂技术细节
•pymycobot API函数库的使用说明
(这些资源可以在myCobot的gibook上找到。)
例如：
将引用文本保存为“。docx”文档。
2. 加载DeepSeek模型
在此之前，您需要在DeepSeek官方网站购买您自己的API_key。
然后，我们需要通过代码将知识加载到DeepSeek模型中。
执行代码后，DeepSeek模型将根据我们的输入生成一个完整的myCobot示例脚本。
3. 输出格式
llm生成的输出通常呈现为连续的文本流，不能直接作为程序执行。
为了让Agent自动将ai生成的代码保存为‘.py’文件并执行它来控制机器人，我们必须正确格式化输出。
我们可以使用正则表达式的方法从DeepSeek模型的响应中提取Python代码并将其保存为文件。
4. 自动执行脚本
为了启用自动执行，我们需要调用系统终端并运行生成的脚本。
5. 机器人测试
通过在执行过程中添加一个while True：循环，我们可以连续地运行任务。
至此，我们已经成功构建了一个简单的AI Agent来控制myCobot机器人。我们现在可以连接机器人并测试它的功能。
代码
总结
通过构建一个简单的人工智能代理来控制6轴协作机器人myCobot 280 Pi，我们学会了如何创建一个基本的llm驱动机器人应用程序。
由于这个版本的代理任务不包括额外的视觉模型、语音模型或传感器，它只能执行简单的操作。然而，如果开发人员将视觉、语音处理和传感器集成在一起，人工智能代理可以自主完成更复杂的任务。
本文编译自hackster.io
