譯者 | 劉濤

審校 | 重樓

冷郵件（cold email：是一種未經(jīng)對方事先許可或請求，主動向潛在客戶或雇主、合作伙伴等發(fā)送的商業(yè)電子郵件，目的通常是為了推銷產(chǎn)品、求助、服務(wù)或建立業(yè)務(wù)聯(lián)系等）在求職過程中能夠發(fā)揮重要作用，然而，撰寫一封堪稱完美的冷郵件卻頗為耗時。你不僅需要精準(zhǔn)地將自身技能與職位描述相匹配，還要拿捏好恰當(dāng)?shù)泥]件語氣，并且往往需要反復(fù)修改——這無疑是一項繁重的工作。

本指南將指導(dǎo)你使用Langbase的無服務(wù)器內(nèi)存代理，構(gòu)建冷郵件生成器代理，從而實現(xiàn)整個冷郵件撰寫流程的自動化。我們會把內(nèi)存代理集成至一個Node.js項目中，使其具備讀取簡歷、剖析職位描述的能力，并能在短短幾秒內(nèi)，為你生成一封個性化且極具影響力的冷郵件。

目錄

1. 大語言模型（LLMs）的無狀態(tài)屬性

2. 內(nèi)存代理（Memory Agents）定義

3. 先決條件

4. 參考架構(gòu)

5. 步驟 1：創(chuàng)建一個目錄并初始化npm

6. 步驟 2：創(chuàng)建一個無服務(wù)器的管道代理

7. 步驟 3：添加一個.env文件

8. 步驟 4：創(chuàng)建一個無服務(wù)器的內(nèi)存代理

9. 步驟 5：向內(nèi)存代理中添加文檔

10. 步驟 6：生成內(nèi)存嵌入

• 理解內(nèi)存嵌入
• 如何生成嵌入？

11. 步驟 7：在管道代理中集成內(nèi)存

12. 步驟 8：在Node.js中集成內(nèi)存代理

13. 步驟 9：啟動BaseAI服務(wù)器

14. 步驟 10：運(yùn)行內(nèi)存代理

15. 最終呈現(xiàn)

大語言模型（LLMs）的無狀態(tài)屬性

大語言模型（LLMs）具有無狀態(tài)屬性，這是因為它們不會留存任何有關(guān)先前交互的記憶，也不會保留過去查詢的上下文信息，僅處理會話中輸入的內(nèi)容。每次大語言模型處理提示時，都是針對該特定提示進(jìn)行操作，不會受到任何先前提示歷史記錄的影響。

這種無狀態(tài)特性使得模型能夠?qū)⒚總€請求都視作獨(dú)立的個體，進(jìn)而簡化了模型的架構(gòu)與訓(xùn)練流程。然而這也意味著，倘若缺乏諸如檢索增強(qiáng)生成（RAG）或長期內(nèi)存等機(jī)制，大語言模型便無法將信息從一次交互傳遞至下一次交互。

為了使交互具備連續(xù)性或引入上下文信息，開發(fā)人員可通過實現(xiàn)外部系統(tǒng)來管理并注入上下文，但模型自身在不同請求之間不會“記住”任何內(nèi)容 。  

解決方案

通過集成Langbase的內(nèi)存代理（Memory Agents），我們能夠為大語言模型賦予長期內(nèi)存功能。這使得模型可以動態(tài)地存儲、檢索并運(yùn)用信息，從而讓大語言模型在實際應(yīng)用場景中發(fā)揮更大的作用。

內(nèi)存代理（Memory Agents）定義

Langbase 的無服務(wù)器內(nèi)存代理（作為一種長期內(nèi)存解決方案），其設(shè)計目標(biāo)旨在實現(xiàn)信息的無縫獲取、處理、存儲以及檢索。這些代理能夠?qū)⑺接袛?shù)據(jù)動態(tài)地關(guān)聯(lián)到任何大語言模型上，進(jìn)而在實時交互中實現(xiàn)具備上下文感知能力的響應(yīng)，并有效減少模型“幻覺”現(xiàn)象的出現(xiàn)。

這些代理融合了矢量存儲、檢索增強(qiáng)生成（RAG）以及互聯(lián)網(wǎng)訪問功能，構(gòu)建出強(qiáng)大的托管上下文搜索 API。開發(fā)人員能借此打造出更智能、功能更卓越的人工智能（AI）應(yīng)用程序。

在檢索增強(qiáng)生成（RAG）的設(shè)置環(huán)境中，當(dāng)內(nèi)存直接與Langbase 管道代理（Pipe Agent）相連接時，便形成了內(nèi)存代理。這種組合方式讓大語言模型得以獲取相關(guān)數(shù)據(jù)，并給出精確且上下文準(zhǔn)確的回答，成功克服了大語言模型在處理私有數(shù)據(jù)方面存在的局限性。

內(nèi)存代理能夠確保本地內(nèi)存存儲的安全性。用于生成內(nèi)存嵌入的數(shù)據(jù)會得到妥善保護(hù)，在安全的環(huán)境中進(jìn)行處理，并且只有在經(jīng)過明確配置的情況下，才會將數(shù)據(jù)發(fā)送至外部。同時，通過 API 密鑰對訪問權(quán)限進(jìn)行嚴(yán)格管控，切實保障敏感信息的安全。

需注意的是，管道是一個無服務(wù)器AI代理，它有自己的代理內(nèi)存和工具。

先決條件

在開始創(chuàng)建冷郵件生成器代理之前，你需要完成以下設(shè)置并準(zhǔn)備好相應(yīng)工具。

在本教程中，我將采用以下技術(shù)棧：

• BaseAI：這是一個用于在本地構(gòu)建AI代理的Web框架。
• Langbase：該平臺用于構(gòu)建和部署無服務(wù)器AI代理。
• OpenAI：借助它來獲取首選模型的大語言模型密鑰 。

此外，你還需進(jìn)行以下操作：

• 在Langbase平臺完成注冊，以此獲取API密鑰。
• 在OpenAI平臺注冊，進(jìn)而生成你所使用模型的大語言模型密鑰（在本次演示中，我將使用GPT - 4o mini）。你可在此處生成密鑰。  

參考架構(gòu)

以下以圖解形式呈現(xiàn)構(gòu)建無服務(wù)器AI代理以生成工作申請冷郵件的完整流程：

讓我們開始構(gòu)建代理吧！

步驟 1：創(chuàng)建一個目錄并初始化npm

若要著手創(chuàng)建用于為職位空缺生成冷電子郵件的無服務(wù)器 AI 代理，你需在本地計算機(jī)上創(chuàng)建一個目錄，并在該目錄中安裝所有相關(guān)的開發(fā)依賴項。你可通過定位到該目錄，并在終端中運(yùn)行以下命令來完成此項操作：

mkdir my-project
npm init -y
npm install dotenv

此命令會在項目目錄中創(chuàng)建一個帶有默認(rèn)值的 package.json 文件。同時，它還會安裝 dotenv 包，以便從.env 文件中讀取環(huán)境變量。  

步驟 2：創(chuàng)建一個無服務(wù)器的管道代理（Pipe Agent）

接下來，我們將創(chuàng)建一個管道代理。管道代理與其他代理有所不同，因其屬于配備代理工具的無服務(wù)器AI代理，能夠與任何編程語言或框架協(xié)同工作。它們部署簡便，僅需一個 API，便能將250多個大語言模型與任何數(shù)據(jù)進(jìn)行連接，從而能構(gòu)建出任何開發(fā)人員所需的API工作流程。

若要創(chuàng)建你的AI管道代理，請先點(diǎn)進(jìn)項目目錄。運(yùn)行以下命令：

npx baseai@latest pipe

運(yùn)行后，你將看到以下提示信息：

BaseAI is not installed but required to run. Would you like to install it? Yes/No
Name of the pipe? email-generator-agent
Description of the pipe? Generates emails for your dream job in seconds
Status of the pipe? Public/Private
System prompt? You are a helpful AI assistant

當(dāng)你完成對 AI 代理管道的名稱、描述及狀態(tài)的設(shè)置后，系統(tǒng)會自動為你完成所有相關(guān)配置。你的管道將成功創(chuàng)建于 /baseai/pipes/email-generator-agent.ts 路徑下。

步驟 3：添加一個.env文件

在項目的根目錄下創(chuàng)建一個名為.env 的文件，并在該文件中添加 OpenAI 和 Langbase 的 API 密鑰。你可從此處獲取你的 Langbase API 密鑰 。  

步驟 4：創(chuàng)建一個無服務(wù)器的內(nèi)存代理

接下來，我們要創(chuàng)建一個內(nèi)存模塊，隨后將其附加到管道（Pipe）中，從而使其成為一個具備內(nèi)存功能的代理。要實現(xiàn)這一點(diǎn)，請在你的終端中運(yùn)行以下命令：

npx baseai@latest memory

運(yùn)行此命令后，你將得到以下提示信息：

Name of the memory? email-generator-memory
Description of the memory? Contains my resume
Do you want to create memory from the current project git repository? Yes/No

在此操作完成后，所有設(shè)置將自動為你完成。屆時，你可以訪問成功創(chuàng)建在 /baseai/memory/email-generator-memory.ts 路徑下的內(nèi)存。  

步驟 5：向內(nèi)存代理中添加文檔

在 /baseai/memory/email-generator-memory.ts 文件所在的目錄中，你會看到另一個名為“documents”的文件夾。此文件夾是用于存儲期望 AI 代理能夠訪問的文件的位置。請將你的簡歷保存為.pdf 或.txt 文件。之后，你需要將其轉(zhuǎn)換為 markdown 文件，并將轉(zhuǎn)換后的文件放置在/baseai/memory/email-generator-memory/documents 目錄中。

此步驟能夠確保內(nèi)存代理具備處理和檢索文檔中信息的能力，進(jìn)而讓AI代理依據(jù)所附簡歷里呈現(xiàn)的經(jīng)驗與技能，生成精準(zhǔn)的冷郵件。  

步驟 6：生成內(nèi)存嵌入

將文檔添加到內(nèi)存之后，接下來的步驟是生成內(nèi)存嵌入。不過在此之前，請允許我簡要解釋一下什么是嵌入，以及它們?yōu)楹稳绱酥匾?/p>

理解內(nèi)存嵌入

內(nèi)存嵌入是文檔的一種數(shù)字表征形式，它能讓AI理解文本中的上下文、關(guān)系以及含義。這些嵌入如同橋梁一般，把原始數(shù)據(jù)轉(zhuǎn)化為人工智能能夠處理的結(jié)構(gòu)化數(shù)據(jù)格式，以便進(jìn)行語義搜索與檢索。

倘若沒有嵌入，AI代理便無法有效地將用戶的查詢與相關(guān)內(nèi)容建立聯(lián)系。生成嵌入的過程會創(chuàng)建一個可搜索的索引，借助這個索引，內(nèi)存代理就能高效地給出準(zhǔn)確且具備上下文感知能力的響應(yīng)。  

如何生成嵌入

若要為你的文檔生成嵌入，請在終端中運(yùn)行以下命令：

npx baseai@latest embed -m email-generator-memory

你的內(nèi)存現(xiàn)已準(zhǔn)備就緒，可與管道（即內(nèi)存代理）進(jìn)行連接。通過這一連接，你的 AI 代理便能從你的文檔中獲取精準(zhǔn)的、基于上下文理解的響應(yīng)。  

步驟 7：在管道代理中集成內(nèi)存

接下來，你需要將創(chuàng)建好的內(nèi)存附加到管道（Pipe）代理上，以使其成為一個內(nèi)存代理。要實現(xiàn)這一點(diǎn)，請轉(zhuǎn)到 /baseai/pipes/email-generator-agent.ts 文件。以下是該文件目前的內(nèi)容：

import { PipeI } from '@baseai/core';

const pipePipeWithMemory = (): PipeI => ({
    apiKey: process.env.LANGBASE_API_KEY!, // Replace with your API key https://langbase.com/docs/api-reference/api-keys
    name: 'email-generator-agent',
    description: 'Generates emails for your dream job in seconds',
    status: 'public',
    model: 'openai:gpt-4o-mini',
    stream: true,
    json: false,
    store: true,
    moderate: true,
    top_p: 1,
    max_tokens: 1000,
    temperature: 0.7,
    presence_penalty: 1,
    frequency_penalty: 1,
    stop: [],
    tool_choice: 'auto',
    parallel_tool_calls: false,
    messages: [
        { role: 'system', content: You are a helpful AI assistant. }],
    variables: [],
    memory: [],
    tools: []});
export default pipePipeWithMemory;

現(xiàn)在，需將內(nèi)存集成到管道中。具體做法是在文件頂部導(dǎo)入內(nèi)存，并將其作為內(nèi)存數(shù)組中的函數(shù)進(jìn)行調(diào)用。此外，還需在messages內(nèi)容中添加以下內(nèi)容：

Based on the job description and my resume attached, write a compelling cold email tailored to the job, highlighting my most relevant skills, achievements, and experiences. Ensure the tone is professional yet approachable, and include a strong call to action for a follow-up or interview.

完成上述所有操作后，代碼如下所示：

import { PipeI } from '@baseai/core';
import emailGeneratorMemoryMemory from '../memory/email-generator-memory';

const pipeEmailGeneratorAgent = (): PipeI => ({
 // Replace with your API key https://langbase.com/docs/api-reference/api-keys
 apiKey: process.env.LANGBASE_API_KEY!,
 name: 'email-generator-agent',
 description: 'Generates emails for your dream job in seconds',
 status: 'private',
 model: 'openai:gpt-4o-mini',
 stream: true,
 json: false,
 store: true,
 moderate: true,
 top_p: 1,
 max_tokens: 1000,
 temperature: 0.7,
 presence_penalty: 1,
 frequency_penalty: 1,
 stop: [],
 tool_choice: 'auto',
 parallel_tool_calls: true,
 messages: [{ role: 'system', content: Based on the job description and my resume attached, write a compelling cold email tailored to the job, highlighting my most relevant skills, achievements, and experiences. Ensure the tone is professional yet approachable, and include a strong call to action for a follow-up or interview. }],
 variables: [],
 memory: [emailGeneratorMemoryMemory()],
 tools: []});

export default pipeEmailGeneratorAgent;

步驟 8：在Node.js中集成內(nèi)存代理

我們將創(chuàng)建的內(nèi)存代理集成到Node.js項目中，從而為所附文檔創(chuàng)建一個交互式命令行界面（CLI）。該Node.js項目將作為測試內(nèi)存代理以及與內(nèi)存代理進(jìn)行交互的基礎(chǔ)（在本教程開篇，我們通過初始化npm設(shè)置了一個Node.js項目）。

現(xiàn)在，創(chuàng)建一個index.ts文件：

touch index.ts

在這個TypeScript文件里，導(dǎo)入你之前創(chuàng)建的管道代理。我們會借助@baseai/core里的管道原語（pipe primitive：是一種系統(tǒng)接口，允許進(jìn)程間通信和數(shù)據(jù)交換。它是一個單向的數(shù)據(jù)流通道，一個進(jìn)程寫入數(shù)據(jù)，另一個進(jìn)程從中讀取數(shù)據(jù)）來運(yùn)行該管道。

請將以下代碼添加至 index.ts 文件中：

import 'dotenv/config';
import { Pipe } from '@baseai/core';
import inquirer from 'inquirer';import ora from 'ora';
import chalk from 'chalk';
import pipeEmailGeneratorAgent from './baseai/pipes/email-generator-agent';
const pipe = new Pipe(pipeEmailGeneratorAgent());
async function main() {

   const initialSpinner = ora('Conversation with Memory agent...').start();
   try {
       const { completion: calculatorTool} = await pipe.run({
           messages: [{ role: 'user', content: 'Hello' }],
       });
       initialSpinner.stop();
       console.log(chalk.cyan('Report Generator Agent response...'));
       console.log(calculatorTool);
   } catch (error) {
       initialSpinner.stop();
       console.error(chalk.red('Error processing initial request:'), error);
   }

   while (true) {
       const { userMsg } = await inquirer.prompt([
           {
               type: 'input',
               name: 'userMsg',
               message: chalk.blue('Enter your query (or type "exit" to quit):'),
           },
       ]);


       if (userMsg.toLowerCase() === 'exit') {
           console.log(chalk.green('Goodbye!'));
           break;
       }


       const spinner = ora('Processing your request...').start();


       try {
           const { completion: reportAgentResponse } = await pipe.run({
               messages: [{ role: 'user', content: userMsg }],
           });


           spinner.stop();
           console.log(chalk.cyan('Agent:'));
           console.log(reportAgentResponse);
       } catch (error) {
           spinner.stop();
           console.error(chalk.red('Error processing your request:'), error);
       }
   }}
main();
導(dǎo)入 'dotenv/config';import { Pipe } from '@baseai/core';import inquirer from 'inquirer';import ora from 'ora';從 'chalk' 導(dǎo)入 chalk;import pipeEmailGeneratorAgent from './baseai/pipes/email-generator-agent'; const pipe = new Pipe（pipeEmailGeneratorAgent（））; async function main（） { const initialSpinner = ora（'與內(nèi)存代理的對話...'）.start（）;   try { const { completion： calculatorTool} = await pipe.run（{ messages： [{ role： 'user'， content： 'Hello' }]， }）;       初始Spinner.stop（）;       console.log（chalk.cyan（'Report Generator Agent 響應(yīng)...'））;       console.log（calculatorTool）;   } catch （錯誤） { initialSpinner.stop（）;       console.error（chalk.red（'處理初始請求時出錯：'）， error）;   } while （true） { const { userMsg } = await inquirer.prompt（[ { type： 'input'， name： 'userMsg'， message： chalk.blue（'輸入你的查詢（或鍵入 “exit” 退出）：'）， }， ]）;         if （userMsg.toLowerCase（） === 'exit'） { console.log（chalk.green（'Goodbye！'））;           破;       } const spinner = ora（'正在處理你的請求...'）.start（）;         try { const { completion： reportAgentResponse } = await pipe.run（{ messages： [{ role： 'user'， content： userMsg }]， }）;             spinner.stop（）;           console.log（chalk.cyan（'代理：'））;           console.log（reportAgentResponse）;       } catch （錯誤） { spinner.stop（）;           console.error（chalk.red（'處理你的請求時出錯：'）， error）;       } } } main（）;

這段代碼創(chuàng)建了一個交互式命令行界面（CLI），用于與 AI 代理進(jìn)行聊天，它利用 @baseai/core 庫中的管道來處理用戶輸入。以下是具體的運(yùn)行流程：

• 導(dǎo)入必要庫：代碼首先導(dǎo)入了多個必要的庫。其中，dotenv用于環(huán)境配置，inquirer用于獲取用戶輸入，ora用于展示加載微調(diào)器，chalk用于實現(xiàn)彩色輸出。請務(wù)必首先在終端中使用以下命令安裝這些庫：npm install ora inquirer。
• 創(chuàng)建管道對象：使用 BaseAI 庫中名為 email-generator-agent的預(yù)定義內(nèi)存，創(chuàng)建一個管道對象。

main() 函數(shù)中的操作：

• 啟動交互：在main()函數(shù)中，當(dāng)與AI代理的初始對話啟動時，旋轉(zhuǎn)圖標(biāo)會隨之啟動，并顯示 “Hello” 消息。
• 顯示響應(yīng)：將顯示來自 AI 的響應(yīng)。
• 循環(huán)交互：通過循環(huán)持續(xù)要求用戶輸入，并將用戶的查詢發(fā)送給 AI 代理。
• 每次接收到 AI 的響應(yīng)后，便會將其顯示出來，這一過程會一直持續(xù)，直至用戶輸入 “exit”。  

步驟 9：啟動BaseAI服務(wù)器

要在本地運(yùn)行內(nèi)存代理，你需要先啟動 BaseAI 服務(wù)器。在終端中運(yùn)行以下命令：

npx baseai@latest dev

步驟 10：運(yùn)行內(nèi)存代理

使用以下命令運(yùn)行index.ts文件：

npx tsx index.ts

最終呈現(xiàn)

在你的終端中，系統(tǒng)會提示“輸入你的查詢”。例如，我們可以粘貼一份職位描述，然后要求系統(tǒng)基于我們這邊的情況生成一封表達(dá)求職興趣的電子郵件。系統(tǒng)也會給出帶有正確來源或引用說明的回應(yīng)。

通過這樣的設(shè)置，我們便成功搭建了一個冷郵件生成代理（Cold Email Generator agent）。該代理借助大語言模型以及Langbase內(nèi)存代理的強(qiáng)大功能，有效克服了大語言模型的局限性，確保生成準(zhǔn)確的響應(yīng)，且不會在處理私人數(shù)據(jù)時出現(xiàn)虛構(gòu)信息的情況。   

以下是最終結(jié)果的演示：

譯者介紹

劉濤，51CTO社區(qū)編輯，某大型央企系統(tǒng)上線檢測管控負(fù)責(zé)人。

原文標(biāo)題：How to build a serverless AI agent to generate cold emails for your dream job，作者：Maham Codes