构建 Igris：打造我的个人 AI 代理与 Knowledge Codex

Source: Dev.to

作为开发者，我们的数字足迹遍布各处——通过代码、作品集以及文章。但如果人们可以直接与我们的数字化身对话会怎样？正是这个问题促使我构建了 Igris，一个个人 AI 影子代理和知识文库，旨在回答关于我的问题，并具备我的个性。

你可以在此尝试实时聊天界面：Agent Igris，并在此查看我的主作品集：abhistack.pages.dev。

核心概念

Igris 的最初想法很简单：创建一个 用我的个性谈论我的 AI。与其构建一个完全自主、代表我行动的执行代理，我更专注于打造一个强大的检索增强生成（RAG）聊天机器人。它充当交互式、对话式的简历，同时也是我知识与经历的编码化呈现。

技术栈

• 后端： Node.js、Express 和 LangChain。
• 前端： 使用 Tailwind CSS 的 React（Vite/Next.js），实现简洁、响应式的聊天界面。
• 大语言模型（LLM）： 目前正在探索 Google 的 Gemma 4 为对话引擎提供动力。
• 托管： 前端部署在 Cloudflare Pages，Node.js 后端部署在 Render。

架构与实现

1. RAG 引擎与 LangChain 后端

Igris 的核心是使用 LangChain 的 Node.js 后端。与其把我的人生故事塞进一个巨大的系统提示（既低效又容易产生幻觉），我实现了 RAG 架构。这样，当用户提问时，Igris 能够从向量数据库中检索到具体、相关的上下文。

一个关键的工程选择是使用 模块化提示组合。通过将系统提示和上下文注入拆分为可管理的模块，我可以轻松调整 Igris 的行为、更新我的职业历史，或在不重写核心逻辑的情况下改变语调。

2. 前端体验

用户体验需要自然，就像在与真实的人聊天一样。我使用 React 构建了一个独立的前端应用，并用 Tailwind CSS 进行样式设计。界面直接调用后端 API，负责状态管理并流畅渲染对话。

Igris 的下一步计划

目前，Igris 已经能够很好地回答问题，充当我的交互式影子。下一步的重点是与 Gemma 4 模型集成并微调，使对话语气更贴近我的真实声音。我还在考虑扩展工具增强功能，让 Igris 在对话过程中能够获取实时、动态的数据。

构建一个代表自己的 AI 代理是一次在提示工程、上下文管理和系统设计上的有趣挑战。如果你也在考虑打造自己的影子代理，我强烈建议深入研究 LangChain 和 RAG 架构！