如果你最近在B站、GitHub或者技术社区里频繁看到“AI Agent”这个词但感觉它既熟悉又陌生——好像很厉害但又不知道从何下手那么这篇文章就是为你准备的。很多人对AI Agent的第一印象可能是“一个能自动写代码的AI”或者“一个能联网搜索的ChatGPT”。这种理解没错但太浅了。AI Agent真正的价值不在于它“能做什么”而在于它“如何思考并执行”。它不是一个简单的问答机器人而是一个具备目标分解、工具调用、记忆和反思能力的自主智能体。这意味着你可以给它一个模糊的指令比如“帮我分析一下这个开源项目的活跃度”它会自己去GitHub拉取数据、分析提交记录、生成报告甚至还能根据你的反馈调整分析维度。然而对于零基础的开发者来说从“知道概念”到“亲手搭建一个能用的Agent”中间隔着巨大的鸿沟。网上教程要么过于学术充斥着“强化学习”、“马尔可夫决策过程”等术语要么就是只展示炫酷的Demo不告诉你背后的环境配置、代码细节和踩坑经验。结果就是你看完了很多“748集”的标题党视频依然不知道第一行代码该写在哪里。本文的目的就是帮你跨过这道鸿沟。我们不谈空泛的理论也不做无法复现的演示。我们将从一个最核心的判断出发对于绝大多数应用开发者而言构建AI Agent的关键不是从头训练模型而是学会如何高效地“组装”和“调度”现有的强大模型如GPT-4、Claude 3与各种工具如搜索引擎、代码解释器、API。接下来我会带你完成一次完整的、可落地的AI Agent构建实战。你会清晰地看到从环境准备、核心概念理解、工具链选择到代码实现、运行调试和最佳实践的完整路径。无论你是Python新手还是有一定基础想切入AI应用开发的开发者都能找到可操作的步骤。1. 这篇文章真正要解决的问题从“知道”到“做到”的鸿沟为什么看了那么多教程还是建不好一个AI Agent问题通常出在以下几个环节1. 环境配置的“隐形门槛”许多教程默认你已经配好了Python环境、安装好了CUDA、申请好了API Key并且网络畅通无阻。但现实中版本冲突、依赖安装失败、API服务地区限制、代理设置等问题足以劝退80%的初学者。我们将从零开始清晰地解决这些问题。2. 概念与代码的“脱节”你理解了Agent、Tool、Memory、Planning这些概念但面对LangChain或AutoGen的代码时依然不知道AgentExecutor和Tool类该如何组合。我们将用最少的必要代码把每个概念具象化。3. 缺乏一个“从简单到复杂”的渐进案例很多教程一上来就试图构建一个“股票分析Agent”或“全自动开发Agent”复杂度太高容易让人迷失在细节中。我们将从一个最简单的“联网搜索问答Agent”开始逐步增加记忆、规划等能力让你看清每增加一个模块带来的变化。4. 对“生产可用性”的困惑自己跑通的Demo如何用到真实项目中如何处理API的速率限制和成本如何记录Agent的思考过程以便调试我们将分享在真实项目中沉淀下来的工程化实践。本文致力于解决的就是这四个核心痛点。我们的目标不是看完748集视频而是通过这一篇长文让你掌握构建AI Agent的最小可行方法论并拥有一个可以立刻运行和扩展的代码库。2. 基础概念与核心原理用“任务执行小组”来理解Agent在深入代码之前我们必须统一认知。你可以把AI Agent想象成一个任务执行小组这个小组里有几个关键角色大脑LLM Core通常是GPT-4、Claude、文心一言等大语言模型。它负责理解任务、制定计划、做出决策。但它“手无寸铁”不能直接操作外界。双手Tools这是Agent与真实世界交互的接口。比如Search Tool让Agent能联网搜索。Calculator Tool让Agent能进行数学计算。Bash Tool让Agent能执行系统命令需极其谨慎。API Client Tool让Agent能调用你定义的任何业务接口。工作记忆Memory分为短期记忆当前对话上下文和长期记忆向量数据库存储的历史信息。它让Agent能记住之前的对话和结果避免重复劳动或逻辑矛盾。项目经理Orchestrator/Planner负责分解复杂任务。当接到“帮我策划一个周末旅行”这种大任务时“项目经理”会将其分解为1) 搜索目的地天气2) 查询航班/火车票3) 查找酒店4) 制定日程。然后协调不同的“工具”去执行。这个过程的核心循环被称为ReAct (Reasoning Acting)框架思考ThinkLLM根据当前目标和记忆分析下一步该做什么。行动ActLLM选择一个合适的工具并生成调用该工具所需的参数如搜索关键词。观察Observe工具执行返回结果如搜索到的网页摘要。循环LLM结合观察结果再次思考决定是继续行动还是最终给出答案。理解了这个小组成员的协作关系再看代码就会清晰很多。目前社区最主流的两种实现范式是LangChain像一个高度模块化的“乐高积木”工具箱。它提供了极其丰富的组件Models, Prompts, Chains, Agents, Tools, Memory灵活度极高但需要一定的组装能力。AutoGen由微软推出更像一个预设好的“多智能体协作框架”。它特别擅长构建多个Agent之间对话、协作来完成任务的场景开箱即用性更强。对于初学者我建议从LangChain开始。因为它对单个Agent的构建过程揭示得最清晰并且其设计思想是行业事实标准。掌握了LangChain再去看AutoGen或其他框架会更容易。3. 环境准备与前置条件我们的实战将基于Python和LangChain。请确保你的环境满足以下要求。3.1 基础软件环境操作系统Windows 10/11, macOS, 或 Linux (Ubuntu 20.04)。本文命令以macOS/Linux的bash和Windows的PowerShell为例。Python版本Python 3.10 或 3.11。这是目前大多数AI库兼容性最好的版本。避免使用Python 3.12可能存在未适配的依赖。检查命令python --version或python3 --version包管理工具推荐使用pip也可用conda或poetry。代码编辑器VS Code、PyCharm或任何你熟悉的编辑器。3.2 关键账户与API KeyAI Agent需要“大脑”我们必须为其选择一个LLM服务。国内和国外方案如下方案A国际推荐用于学习OpenAI API访问 platform.openai.com 注册账号。进入API Keys页面点击Create new secret key创建一个新的API Key。立即复制并妥善保存因为它只显示一次。建议将其设置为环境变量不要硬编码在代码中。新账号通常有免费额度但请关注计费规则。方案B国内网络稳定智谱AI/文心一言等智谱AI (ChatGLM)访问 open.bigmodel.cn 申请。百度文心一言访问 console.bce.baidu.com/qianfan 申请。使用方式类似后续代码中替换对应的模型名称和API Base URL即可。本文将使用OpenAI GPT-3.5-turbo作为示例因为它最通用文档最全。请确保你的网络环境能够访问OpenAI服务。3.3 创建项目与虚拟环境永远不要在系统全局Python环境中安装项目依赖这会导致版本地狱。# 1. 创建一个新的项目目录 mkdir ai-agent-tutorial cd ai-agent-tutorial # 2. 创建Python虚拟环境 # macOS/Linux python3 -m venv venv # Windows # python -m venv venv # 3. 激活虚拟环境 # macOS/Linux source venv/bin/activate # Windows (PowerShell) # .\venv\Scripts\Activate.ps1 # Windows (CMD) # .\venv\Scripts\activate.bat # 激活后命令行提示符前会出现 (venv) 标识3.4 安装核心依赖我们将安装LangChain及其相关组件。创建一个requirements.txt文件。# requirements.txt langchain0.1.0 langchain-openai0.0.2 # 用于OpenAI模型集成 langchain-community0.0.10 # 包含社区贡献的Tools等 openai1.6.1 tiktoken0.5.2 # 用于Token计数 python-dotenv1.0.0 # 用于管理环境变量然后安装pip install -r requirements.txt如果安装缓慢可以使用国内镜像源例如pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple重要提示LangChain版本迭代很快API可能有变动。如果本文代码运行报错请检查LangChain官方文档核心逻辑通常不变。4. 核心流程拆解构建你的第一个Agent我们将分三步构建一个功能逐渐强大的Agent零号机一个会说话的“复读机”- 只有LLM没有工具。初号机拥有“双手”的搜索助手- 增加搜索工具。完全体拥有“记忆”的持续对话助手- 增加对话记忆。4.1 第零步配置环境变量与基础LLM调用永远不要将API Key写在代码里我们使用.env文件来管理。# 在项目根目录创建 .env 文件 touch .env在.env文件中写入你的OpenAI API Key# .env OPENAI_API_KEY你的实际API Key不要带引号现在让我们写第一个Python脚本验证环境并创建一个最简单的“复读机”Agent。# 文件01_basic_llm.py import os from dotenv import load_dotenv from langchain_openai import ChatOpenAI # 1. 加载 .env 文件中的环境变量 load_dotenv() # 2. 初始化LLM大脑 # temperature控制创造性0.0最确定1.0最随机。对于任务执行建议较低值。 llm ChatOpenAI( modelgpt-3.5-turbo, temperature0.1, api_keyos.getenv(OPENAI_API_KEY) # 安全地从环境变量读取 ) # 3. 进行最简单的对话 response llm.invoke(你好请介绍一下你自己。) print(AI回复, response.content)运行它python 01_basic_llm.py如果看到AI的自我介绍恭喜你环境配置成功这只是一个纯粹的LLM它还不知道如何“行动”。4.2 第一步为Agent装上“双手”——工具Tools工具是Agent能力的延伸。我们以最常用的DuckDuckGo搜索工具为例。首先需要安装额外依赖pip install duckduckgo-search然后我们创建一个能联网搜索的Agent。# 文件02_agent_with_tool.py import os from dotenv import load_dotenv from langchain_openai import ChatOpenAI from langchain.agents import AgentExecutor, create_react_agent from langchain.tools import Tool from langchain_community.tools import DuckDuckGoSearchRun from langchain import hub # 用于拉取预定义的Prompt # 加载环境变量 load_dotenv() # 1. 初始化LLM llm ChatOpenAI(modelgpt-3.5-turbo, temperature0.1) # 2. 定义工具 # 使用社区提供的搜索工具 search_tool DuckDuckGoSearchRun(nameduckduckgo_search, description当需要回答关于实时信息、最新事件或未知领域的问题时使用此工具进行网络搜索。) # 我们还可以定义一个计算器工具模拟 def calculator(query: str) - str: 用于执行数学计算。输入应为一个数学表达式字符串如 3 5 * 2。 try: # 警告使用eval有安全风险此处仅用于演示。生产环境应用安全库如numexpr。 result eval(query) return f计算结果: {result} except Exception as e: return f计算错误: {e} calc_tool Tool( nameCalculator, funccalculator, description用于执行数学计算。输入应为一个数学表达式字符串如 3 5 * 2。 ) # 将工具放入列表 tools [search_tool, calc_tool] # 3. 获取一个为ReAct框架设计好的Prompt模板 # 这个Prompt会指导LLM按照“思考-行动-观察”的格式输出 prompt hub.pull(hwchase17/react) # 4. 创建Agent agent create_react_agent(llm, tools, prompt) # 5. 创建Agent执行器它负责运行循环 agent_executor AgentExecutor( agentagent, toolstools, verboseTrue, # 开启详细日志可以看到Agent的思考过程 handle_parsing_errorsTrue, # 优雅处理解析错误 max_iterations5, # 防止Agent陷入死循环 ) # 6. 运行Agent print( 启动拥有搜索和计算能力的Agent ) question 截至2024年Python的最新稳定版本是多少它的主要新特性是什么 result agent_executor.invoke({input: question}) print(\n最终答案) print(result[output]) print(\n--- 分割线 ---\n) # 再测试一下计算能力 question2 请计算 (15的平方) 加上 (200除以8) 等于多少 result2 agent_executor.invoke({input: question2}) print(最终答案) print(result2[output])关键代码解释create_react_agent: 这是LangChain提供的高级函数它帮我们组装好了符合ReAct模式的Agent。AgentExecutor: 这是“发动机”它驱动着思考-行动-观察的循环并处理工具调用的细节。verboseTrue:这是学习Agent内部运作最重要的开关打开后你会在控制台看到类似下面的输出思考用户想知道Python的最新版本和特性我需要最新的信息所以应该使用搜索工具。 行动使用 duckduckgo_search输入 Python latest stable version 2024 features 观察[搜索返回的摘要文本...] 思考根据搜索结果最新版本是3.12.x特性有...我需要组织语言回答。 最终答案...这让你直观地看到Agent的“思考链”对调试和理解其行为至关重要。运行这个脚本你会看到Agent先思考然后调用搜索工具最后给出答案。它已经不再是复读机而是一个能主动获取信息的智能体了。4.3 第二步为Agent赋予“记忆”Memory没有记忆的Agent每次对话都是全新的开始。这显然不符合我们的期望。LangChain提供了多种记忆方式最常用的是ConversationBufferMemory它就像一个不断增长的对话记录本。# 文件03_agent_with_memory.py import os from dotenv import load_dotenv from langchain_openai import ChatOpenAI from langchain.agents import AgentExecutor, create_react_agent from langchain.tools import Tool from langchain_community.tools import DuckDuckGoSearchRun from langchain.memory import ConversationBufferMemory from langchain import hub load_dotenv() llm ChatOpenAI(modelgpt-3.5-turbo, temperature0.1) search_tool DuckDuckGoSearchRun(namesearch) # 1. 创建记忆体 # memory_key 定义了在Prompt中记忆内容对应的变量名通常是“chat_history” # return_messages 设置为True表示以消息列表格式存储更适合ChatModel memory ConversationBufferMemory(memory_keychat_history, return_messagesTrue) tools [search_tool] # 2. 获取支持记忆的Prompt模板 # 注意我们换了一个模板这个模板显式包含了 chat_history 的占位符 prompt hub.pull(hwchase17/react-chat) # 3. 创建Agent与之前相同 agent create_react_agent(llm, tools, prompt) # 4. 创建Agent执行器并传入memory # 注意这里多了 memory 参数 agent_executor AgentExecutor( agentagent, toolstools, memorymemory, verboseTrue, handle_parsing_errorsTrue, max_iterations5, ) print( 启动带记忆的对话Agent ) # 第一轮对话 question1 LangChain是什么 print(f用户: {question1}) result1 agent_executor.invoke({input: question1}) print(fAI: {result1[output]}\n) # 第二轮对话Agent应该能记住之前的上下文 question2 它主要用来解决什么问题 # 注意这里“它”指代LangChain print(f用户: {question2}) result2 agent_executor.invoke({input: question2}) print(fAI: {result2[output]}\n) # 第三轮对话甚至可以问基于之前信息的问题 question3 你刚才提到的主要组件能再详细说说Agent吗 print(f用户: {question3}) result3 agent_executor.invoke({input: question3}) print(fAI: {result3[output]}) # 我们可以查看一下记忆体里存储了什么 print(\n 当前对话记忆 ) print(memory.buffer)运行这个脚本你会发现Agent在回答第二个和第三个问题时明显参考了之前的对话历史。这就是记忆的作用。记忆的进阶ConversationBufferMemory会把所有对话都存下来当对话很长时会消耗大量Token并可能超出模型上下文长度。生产环境中更常用的是ConversationSummaryMemory定期总结之前的对话只保留摘要。ConversationBufferWindowMemory只保留最近K轮对话。ConversationKGMemory将对话内容以知识图谱形式存储便于关联查询。结合向量数据库的长期记忆将重要信息存入向量数据库如Chroma, Pinecone需要时进行检索。5. 完整示例与代码实现构建一个“技术调研助手”现在我们将前面所学组合起来构建一个稍微复杂、但更有用的Agent一个技术调研助手。它的功能是根据用户提出的技术概念自动搜索相关资料并整理成一份结构化的简要报告。这个Agent将展示使用自定义的Prompt模板来精确控制Agent行为。使用多个工具协同工作搜索文本处理。对工具返回的结果进行后处理。5.1 项目结构ai-agent-tutorial/ ├── .env ├── requirements.txt ├── 01_basic_llm.py ├── 02_agent_with_tool.py ├── 03_agent_with_memory.py └── tech_research_agent.py # 我们将创建这个新文件5.2 核心代码实现# 文件tech_research_agent.py import os from typing import List, Dict, Any from dotenv import load_dotenv from langchain_openai import ChatOpenAI from langchain.agents import AgentExecutor, create_react_agent from langchain.tools import Tool from langchain_community.tools import DuckDuckGoSearchRun from langchain.memory import ConversationBufferMemory from langchain.prompts import PromptTemplate from langchain.schema import SystemMessage load_dotenv() # 1. 初始化LLM - 使用能力更强的GPT-4如果可用或保持3.5 llm ChatOpenAI( modelgpt-4-turbo-preview, # 或 gpt-3.5-turbo temperature0.2, max_tokens2000, ) # 2. 定义工具 search DuckDuckGoSearchRun(nameweb_search) def format_search_results(search_query: str) - str: 一个包装函数用于搜索并初步格式化结果。 print(f[Agent] 正在搜索: {search_query}) raw_result search.run(search_query) # 简单格式化截取前2000字符避免上下文过长 formatted raw_result[:2000] ... if len(raw_result) 2000 else raw_result return f关于 {search_query} 的搜索结果\n{formatted} search_tool Tool( nameTechnologyWebSearch, funcformat_search_results, description当需要获取某个技术概念、框架、工具的最新信息、官方文档、应用场景或社区评价时使用此工具。 输入应为明确的技术关键词或问题例如 什么是React Server Components 或 FastAPI vs Flask 性能对比 2024。 ) # 3. 自定义系统Prompt塑造Agent的角色和行为 system_prompt 你是一个资深技术专家和调研助手。你的任务是根据用户提出的技术主题进行高效的网络调研并整理成清晰、有条理的简要报告。 你的工作流程必须是 1. **理解核心需求**明确用户想知道什么。 2. **制定搜索策略**决定用哪些关键词去搜索以获取全面、权威的信息。 3. **执行搜索**使用TechnologyWebSearch工具获取信息。 4. **分析综合**基于搜索结果结合你的知识组织信息。 5. **生成报告**用以下结构化格式输出 【技术调研报告{主题}】 一、核心概念 用一两句话精确定义 二、主要特性与优势 分点列出每条不超过两句话 三、典型应用场景 列举2-3个最相关的使用场景 四、学习资源与社区 推荐官方文档、教程、社区等1-2个 五、简要评价 基于当前信息给出一个中性、客观的优缺点总结或趋势判断 注意 - 报告必须基于你搜索到的**最新、可靠**的信息。 - 如果搜索结果信息不足或矛盾请明确指出。 - 保持报告简洁每个部分内容精炼。 - 如果用户的问题非常宽泛如“讲讲AI”你需要先询问或自己拆解成具体的技术点再调研。 # 4. 创建支持对话的记忆 memory ConversationBufferMemory(memory_keychat_history, return_messagesTrue) # 5. 构建完整的Prompt模板 # LangChain的 create_react_agent 期望的Prompt需要包含 {tools}, {agent_scratchpad}, {input}, {chat_history} 等变量。 # 我们将自定义的system_prompt与标准的react-chat模板结合。 base_prompt hub.pull(hwchase17/react-chat) # 我们直接修改base_prompt的messages将system message替换为我们自定义的 base_prompt.messages[0] SystemMessage(contentsystem_prompt) # 6. 创建Agent和执行器 agent create_react_agent(llm, tools[search_tool], promptbase_prompt) agent_executor AgentExecutor( agentagent, tools[search_tool], memorymemory, verboseTrue, # 强烈建议打开观察思考过程 handle_parsing_errorsTrue, max_iterations7, # 调研可能需要多轮搜索和思考 early_stopping_methodgenerate, # 当Agent认为已完成时停止 ) # 7. 运行调研助手 def run_research(topic: str): print(f\n{*60}) print(f开始技术调研{topic}) print(f{*60}\n) try: result agent_executor.invoke({input: f请对以下技术主题进行调研{topic}}) print(\n *60) print(调研报告完成) print(*60) print(result[output]) except Exception as e: print(f调研过程中出现错误{e}) if __name__ __main__: # 示例调研主题 topics [ LangChain, Rust编程语言在2024年的发展现状, 向量数据库 Pinecone 和 Weaviate 的对比 ] for topic in topics: run_research(topic) input(\n按Enter键继续下一个调研...) # 暂停方便阅读5.3 代码深度解析自定义工具函数format_search_results我们并没有直接使用DuckDuckGoSearchRun而是包装了一层。这样做的好处是可以在工具执行前后加入日志、预处理或后处理逻辑比如过滤低质量结果、提取摘要等。这是构建复杂Agent的常见模式。系统Prompt工程我们通过详细的System Prompt为Agent设定了明确的角色、工作流程和输出格式。这是控制Agent行为最有效的手段。Prompt中“结构化输出”的要求能极大提升结果的可用性。记忆的整合虽然在这个单次调研任务中记忆的作用不明显但ConversationBufferMemory被保留。这意味着你可以进行多轮交互比如说“针对刚才提到的第三点再深入搜索一下”Agent会理解上下文。执行控制参数max_iterations7防止Agent在复杂任务中陷入无限循环。early_stopping_methodgenerate当Agent输出最终答案而非工具调用时自动停止循环。这是ReAct Agent的标准停止机制。运行这个脚本你会看到一个能自动搜索、分析并生成结构化报告的Agent。打开verboseTrue观察它的思考链你会对AI Agent的决策过程有更深刻的理解。6. 运行结果与效果验证运行python tech_research_agent.py你期望看到类似以下的输出以调研“LangChain”为例 开始技术调研LangChain [Agent] 正在搜索: LangChain 是什么 核心概念 2024 思考用户想了解LangChain。我需要先理解它是什么然后搜索最新信息最后按照报告格式组织。 行动使用 TechnologyWebSearch输入 LangChain 是什么 核心概念 2024 观察关于 LangChain 是什么 核心概念 2024 的搜索结果 [这里是从网络获取的关于LangChain的文本摘要...] 思考根据搜索结果LangChain是一个用于开发大语言模型应用的框架。我需要进一步搜索它的特性和应用场景。 行动使用 TechnologyWebSearch输入 LangChain 主要特性 优势 应用场景 观察... 思考我已经获得了足够的信息。现在按照要求的结构生成报告。 最终答案 【技术调研报告LangChain】 一、核心概念 LangChain 是一个用于构建基于大语言模型(LLM)应用程序的开源框架。它通过提供模块化组件和链式调用简化了将LLM与外部数据源、工具和记忆系统集成的过程。 二、主要特性与优势 1. 模块化设计提供Models, Prompts, Chains, Agents, Memory, Indexes等标准化组件像搭积木一样构建应用。 2. 强大的Agent系统支持ReAct等模式让LLM能够自主调用工具、处理复杂任务。 3. 丰富的集成预集成大量LLM提供商、向量数据库、工具和文档加载器。 4. 简化复杂流程通过“Chain”将多个步骤串联实现多步推理和任务自动化。 三、典型应用场景 1. 构建智能问答机器人连接私有知识库。 2. 开发自动化数据分析与报告生成工具。 3. 创建能够使用API和工具的自主AI Agent。 四、学习资源与社区 1. 官方文档 (https://python.langchain.com/) 非常全面。 2. GitHub仓库 (https://github.com/langchain-ai/langchain) 活跃有大量示例。 五、简要评价 LangChain是目前LLM应用开发领域的事实标准框架极大地降低了开发门槛。但其版本迭代快API变动有时较频繁学习成本存在。对于复杂生产系统需要在其灵活性和架构稳定性之间做好权衡。如何验证Agent工作正常观察思考过程verboseTrue的输出必须显示完整的“思考-行动-观察”循环。检查工具调用确认Agent在需要时正确调用了TechnologyWebSearch工具。评估输出质量报告是否结构清晰内容是否基于搜索得到的信息而非纯粹臆造是否涵盖了核心概念、特性、场景等要求的部分测试边界情况尝试一个非常新的技术如“2024年新发布的AI编程工具Cursor”看Agent是否能找到相关信息而不是胡编乱造。7. 常见问题与排查思路在构建和运行AI Agent时你几乎一定会遇到以下问题。这里提供系统的排查指南。问题现象可能原因排查方式解决方案运行时报错ModuleNotFoundError依赖未安装或虚拟环境未激活。1. 检查命令行前缀是否有(venv)。2. 运行pip list | grep langchain查看关键包。1. 激活虚拟环境。2. 运行pip install -r requirements.txt。调用OpenAI API超时或连接错误网络问题或API服务不可用。1. 运行curl https://api.openai.com/v1/models(需在命令行设置API Key) 测试连通性。2. 检查.env文件中的OPENAI_API_KEY是否正确。1. 检查网络连接和代理设置。2. 确认API Key有效且有余额。3. 尝试使用国内LLM服务替代。Agent陷入死循环不停调用工具max_iterations设置过高或Prompt未能引导Agent正确停止。观察verbose日志看Agent是否在重复相似操作而无进展。1. 降低max_iterations(如设为5-7)。2. 在系统Prompt中明确指示“在获得足够信息后直接生成最终报告”。3. 检查工具描述是否清晰避免误导。工具调用失败返回错误工具函数内部异常或输入参数格式不对。1. 查看完整的错误堆栈信息。2. 单独测试工具函数是否正常工作。1. 在工具函数内部添加try...except捕获异常并返回友好错误信息。2. 确保工具描述清晰让LLM知道如何构造输入。Agent输出不符合预期格式系统Prompt中的格式指令不够强或LLM未遵循。检查verbose日志中系统Prompt是否被正确加载。1. 强化Prompt使用更明确的指令如“你必须严格按照以下格式输出...”。2. 在Prompt中提供输出示例Few-shot Prompting。3. 考虑使用LangChain的OutputParser来强制格式化输出。搜索工具返回内容质量差搜索关键词不佳或搜索引擎本身限制。查看Agent传递给工具的搜索关键词是什么。1. 在工具函数中对搜索关键词进行预处理如添加“最新”、“教程”、“官方文档”等词。2. 考虑更换或组合多个搜索工具如同时使用SerpAPI和DuckDuckGo。3. 对搜索结果进行清洗和摘要再返回给Agent。Token消耗过快成本高对话历史过长或工具返回内容过大。估算输入和输出的Token数量可用tiktoken库。1. 使用ConversationSummaryMemory或ConversationBufferWindowMemory限制历史长度。2. 在工具函数中截断过长的返回文本。3. 对于长文档先使用Embedding和检索只返回相关片段。Agent“幻觉”编造信息LLM本身缺陷或Prompt未强调“基于搜索信息”。对比Agent输出和工具返回的原始搜索结果。1. 在Prompt中反复强调“你的回答必须严格基于工具返回的信息”。2. 要求Agent在回答中引用信息来源如“根据搜索结果显示...”。3. 对关键事实进行二次验证可设计多Agent校验流程。8. 最佳实践与工程建议当你掌握了基础构建方法后以下建议能帮助你将AI Agent应用到更严肃的项目中。8.1 设计层面明确Agent的边界不要试图构建一个“万能Agent”。一个好的Agent应该专注于一个明确的、有限的任务域如“技术调研”、“客服工单分类”、“代码审查”。任务越明确Prompt越容易写效果也越好。工具设计要“小而专”每个工具应只做一件事并做好。工具的描述description至关重要要清晰、无歧义地说明其功能、输入格式和输出示例。这是LLM能否正确使用工具的关键。实施“人机回环”对于重要或高风险的操作如发送邮件、执行数据库写入不要让Agent直接执行。设计为Agent生成建议或指令由用户确认后再执行。8.2 工程化与部署配置管理将模型参数、API密钥、工具配置等抽离到配置文件如config.yaml或环境变量中便于不同环境开发、测试、生产切换。日志与监控必须详细记录Agent的思考过程、工具调用和最终输出。这不仅用于调试也是分析Agent行为、发现潜在偏见或错误的重要依据。考虑结构化日志如JSON格式。错误处理与重试网络请求、API调用都可能失败。为工具调用和LLM调用添加重试机制如tenacity库和优雅降级策略。成本控制为LLM API设置预算和用量告警。使用Token计数器预估成本。对于内部应用可以考虑部署开源模型如通过Ollama、vLLM来降低成本。8.3 Prompt工程进阶结构化输出像我们示例中那样要求Agent输出固定格式JSON、Markdown标题等这极大方便了后续的程序化处理。提供示例在Prompt中提供1-2个高质量的输入输出示例Few-shot Learning能显著提升Agent在复杂任务上的表现。分步思考对于复杂任务在Prompt中明确要求Agent“一步一步思考”并展示中间步骤。这不仅能提高最终答案质量也使得调试更容易。角色扮演给Agent一个具体的、专业的角色如“资深软件架构师”、“严谨的数据分析师”其输出风格和深度会有所不同。8.4 安全与伦理工具权限隔离为Agent配备的工具其权限必须遵循最小权限原则。例如一个“文件阅读Agent”不应该有“文件删除”的工具。输入输出过滤对用户的输入和Agent的输出进行必要的审查和过滤防止注入攻击、隐私泄露或生成有害内容。可解释性与审计确保Agent的决策过程是可追溯的通过日志。这对于合规性要求高的领域如金融、医疗尤为重要。9. 总结与后续学习方向通过本文的实践你已经完成了从零构建一个功能型AI Agent的全过程。我们不仅跑通了代码更重要的是理解了其核心组件大脑LLM、双手Tools、记忆Memory是如何协同工作的并掌握了通过Prompt工程来塑造Agent行为的基本方法。这个“技术调研助手”只是一个起点。要将其转化为真正有用的生产应用你还需要在以下几个方向深入1. 探索更强大的框架与模式AutoGen当你需要多个Agent协作时如一个“规划者”、一个“执行者”、一个“评审者”AutoGen提供了优雅的多Agent对话框架。CrewAI一个新兴框架将Agent组织成“团队”明确角色分工非常适合模拟工作流。LangGraphLangChain官方推出的用于构建复杂、有状态多Agent工作流的库用图来定义Agent之间的交互流程控制力极强。2. 集成更丰富的工具生态自定义工具将你的业务API、数据库查询、内部系统封装成工具是Agent价值最大化的关键。LangChain让这变得非常简单。工具学习研究如何让Agent自动学习使用新工具而无需为每个工具编写冗长的描述。3. 构建可靠的记忆与知识系统向量数据库学习将文档切片、向量化并存入Chroma、Pinecone、Weaviate等数据库让Agent拥有海量、可检索的长期记忆。高级记忆策略实现记忆的摘要、提炼、优先级排序让Agent更“聪明”地利用上下文。4. 模型的选择与优化开源模型尝试使用本地部署的Llama 3、Qwen、DeepSeek等开源模型降低成本并提升数据隐私性。模型路由根据任务复杂度、成本、时延要求动态选择不同的模型如简单任务用便宜快速的模型复杂任务用能力强但贵的模型。AI Agent的开发正处于从“玩具”到“工具”的关键阶段。其核心挑战已不再是能否做出一个Demo而是如何让它可靠、安全、高效地集成到现有业务流程中。这需要你不仅是一个Prompt工程师更要成为一个扎实的软件工程师考虑系统的架构、监控、测试和维护。建议你以本文的代码为蓝本选择一个你工作中真实存在的、重复性的信息处理任务例如每日竞品信息搜集、用户反馈自动分类、内部知识库问答尝试用Agent将其自动化。在解决真实问题的过程中你会遇到本文未覆盖的复杂情况而这正是能力提升的阶梯。记住最好的学习永远是动手构建。现在你已经拥有了开始这一切的钥匙。 AI Agent实战指南：从零构建具备工具调用与记忆的智能体
如果你最近在B站、GitHub或者技术社区里频繁看到“AI Agent”这个词但感觉它既熟悉又陌生——好像很厉害但又不知道从何下手那么这篇文章就是为你准备的。很多人对AI Agent的第一印象可能是“一个能自动写代码的AI”或者“一个能联网搜索的ChatGPT”。这种理解没错但太浅了。AI Agent真正的价值不在于它“能做什么”而在于它“如何思考并执行”。它不是一个简单的问答机器人而是一个具备目标分解、工具调用、记忆和反思能力的自主智能体。这意味着你可以给它一个模糊的指令比如“帮我分析一下这个开源项目的活跃度”它会自己去GitHub拉取数据、分析提交记录、生成报告甚至还能根据你的反馈调整分析维度。然而对于零基础的开发者来说从“知道概念”到“亲手搭建一个能用的Agent”中间隔着巨大的鸿沟。网上教程要么过于学术充斥着“强化学习”、“马尔可夫决策过程”等术语要么就是只展示炫酷的Demo不告诉你背后的环境配置、代码细节和踩坑经验。结果就是你看完了很多“748集”的标题党视频依然不知道第一行代码该写在哪里。本文的目的就是帮你跨过这道鸿沟。我们不谈空泛的理论也不做无法复现的演示。我们将从一个最核心的判断出发对于绝大多数应用开发者而言构建AI Agent的关键不是从头训练模型而是学会如何高效地“组装”和“调度”现有的强大模型如GPT-4、Claude 3与各种工具如搜索引擎、代码解释器、API。接下来我会带你完成一次完整的、可落地的AI Agent构建实战。你会清晰地看到从环境准备、核心概念理解、工具链选择到代码实现、运行调试和最佳实践的完整路径。无论你是Python新手还是有一定基础想切入AI应用开发的开发者都能找到可操作的步骤。1. 这篇文章真正要解决的问题从“知道”到“做到”的鸿沟为什么看了那么多教程还是建不好一个AI Agent问题通常出在以下几个环节1. 环境配置的“隐形门槛”许多教程默认你已经配好了Python环境、安装好了CUDA、申请好了API Key并且网络畅通无阻。但现实中版本冲突、依赖安装失败、API服务地区限制、代理设置等问题足以劝退80%的初学者。我们将从零开始清晰地解决这些问题。2. 概念与代码的“脱节”你理解了Agent、Tool、Memory、Planning这些概念但面对LangChain或AutoGen的代码时依然不知道AgentExecutor和Tool类该如何组合。我们将用最少的必要代码把每个概念具象化。3. 缺乏一个“从简单到复杂”的渐进案例很多教程一上来就试图构建一个“股票分析Agent”或“全自动开发Agent”复杂度太高容易让人迷失在细节中。我们将从一个最简单的“联网搜索问答Agent”开始逐步增加记忆、规划等能力让你看清每增加一个模块带来的变化。4. 对“生产可用性”的困惑自己跑通的Demo如何用到真实项目中如何处理API的速率限制和成本如何记录Agent的思考过程以便调试我们将分享在真实项目中沉淀下来的工程化实践。本文致力于解决的就是这四个核心痛点。我们的目标不是看完748集视频而是通过这一篇长文让你掌握构建AI Agent的最小可行方法论并拥有一个可以立刻运行和扩展的代码库。2. 基础概念与核心原理用“任务执行小组”来理解Agent在深入代码之前我们必须统一认知。你可以把AI Agent想象成一个任务执行小组这个小组里有几个关键角色大脑LLM Core通常是GPT-4、Claude、文心一言等大语言模型。它负责理解任务、制定计划、做出决策。但它“手无寸铁”不能直接操作外界。双手Tools这是Agent与真实世界交互的接口。比如Search Tool让Agent能联网搜索。Calculator Tool让Agent能进行数学计算。Bash Tool让Agent能执行系统命令需极其谨慎。API Client Tool让Agent能调用你定义的任何业务接口。工作记忆Memory分为短期记忆当前对话上下文和长期记忆向量数据库存储的历史信息。它让Agent能记住之前的对话和结果避免重复劳动或逻辑矛盾。项目经理Orchestrator/Planner负责分解复杂任务。当接到“帮我策划一个周末旅行”这种大任务时“项目经理”会将其分解为1) 搜索目的地天气2) 查询航班/火车票3) 查找酒店4) 制定日程。然后协调不同的“工具”去执行。这个过程的核心循环被称为ReAct (Reasoning Acting)框架思考ThinkLLM根据当前目标和记忆分析下一步该做什么。行动ActLLM选择一个合适的工具并生成调用该工具所需的参数如搜索关键词。观察Observe工具执行返回结果如搜索到的网页摘要。循环LLM结合观察结果再次思考决定是继续行动还是最终给出答案。理解了这个小组成员的协作关系再看代码就会清晰很多。目前社区最主流的两种实现范式是LangChain像一个高度模块化的“乐高积木”工具箱。它提供了极其丰富的组件Models, Prompts, Chains, Agents, Tools, Memory灵活度极高但需要一定的组装能力。AutoGen由微软推出更像一个预设好的“多智能体协作框架”。它特别擅长构建多个Agent之间对话、协作来完成任务的场景开箱即用性更强。对于初学者我建议从LangChain开始。因为它对单个Agent的构建过程揭示得最清晰并且其设计思想是行业事实标准。掌握了LangChain再去看AutoGen或其他框架会更容易。3. 环境准备与前置条件我们的实战将基于Python和LangChain。请确保你的环境满足以下要求。3.1 基础软件环境操作系统Windows 10/11, macOS, 或 Linux (Ubuntu 20.04)。本文命令以macOS/Linux的bash和Windows的PowerShell为例。Python版本Python 3.10 或 3.11。这是目前大多数AI库兼容性最好的版本。避免使用Python 3.12可能存在未适配的依赖。检查命令python --version或python3 --version包管理工具推荐使用pip也可用conda或poetry。代码编辑器VS Code、PyCharm或任何你熟悉的编辑器。3.2 关键账户与API KeyAI Agent需要“大脑”我们必须为其选择一个LLM服务。国内和国外方案如下方案A国际推荐用于学习OpenAI API访问 platform.openai.com 注册账号。进入API Keys页面点击Create new secret key创建一个新的API Key。立即复制并妥善保存因为它只显示一次。建议将其设置为环境变量不要硬编码在代码中。新账号通常有免费额度但请关注计费规则。方案B国内网络稳定智谱AI/文心一言等智谱AI (ChatGLM)访问 open.bigmodel.cn 申请。百度文心一言访问 console.bce.baidu.com/qianfan 申请。使用方式类似后续代码中替换对应的模型名称和API Base URL即可。本文将使用OpenAI GPT-3.5-turbo作为示例因为它最通用文档最全。请确保你的网络环境能够访问OpenAI服务。3.3 创建项目与虚拟环境永远不要在系统全局Python环境中安装项目依赖这会导致版本地狱。# 1. 创建一个新的项目目录 mkdir ai-agent-tutorial cd ai-agent-tutorial # 2. 创建Python虚拟环境 # macOS/Linux python3 -m venv venv # Windows # python -m venv venv # 3. 激活虚拟环境 # macOS/Linux source venv/bin/activate # Windows (PowerShell) # .\venv\Scripts\Activate.ps1 # Windows (CMD) # .\venv\Scripts\activate.bat # 激活后命令行提示符前会出现 (venv) 标识3.4 安装核心依赖我们将安装LangChain及其相关组件。创建一个requirements.txt文件。# requirements.txt langchain0.1.0 langchain-openai0.0.2 # 用于OpenAI模型集成 langchain-community0.0.10 # 包含社区贡献的Tools等 openai1.6.1 tiktoken0.5.2 # 用于Token计数 python-dotenv1.0.0 # 用于管理环境变量然后安装pip install -r requirements.txt如果安装缓慢可以使用国内镜像源例如pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple重要提示LangChain版本迭代很快API可能有变动。如果本文代码运行报错请检查LangChain官方文档核心逻辑通常不变。4. 核心流程拆解构建你的第一个Agent我们将分三步构建一个功能逐渐强大的Agent零号机一个会说话的“复读机”- 只有LLM没有工具。初号机拥有“双手”的搜索助手- 增加搜索工具。完全体拥有“记忆”的持续对话助手- 增加对话记忆。4.1 第零步配置环境变量与基础LLM调用永远不要将API Key写在代码里我们使用.env文件来管理。# 在项目根目录创建 .env 文件 touch .env在.env文件中写入你的OpenAI API Key# .env OPENAI_API_KEY你的实际API Key不要带引号现在让我们写第一个Python脚本验证环境并创建一个最简单的“复读机”Agent。# 文件01_basic_llm.py import os from dotenv import load_dotenv from langchain_openai import ChatOpenAI # 1. 加载 .env 文件中的环境变量 load_dotenv() # 2. 初始化LLM大脑 # temperature控制创造性0.0最确定1.0最随机。对于任务执行建议较低值。 llm ChatOpenAI( modelgpt-3.5-turbo, temperature0.1, api_keyos.getenv(OPENAI_API_KEY) # 安全地从环境变量读取 ) # 3. 进行最简单的对话 response llm.invoke(你好请介绍一下你自己。) print(AI回复, response.content)运行它python 01_basic_llm.py如果看到AI的自我介绍恭喜你环境配置成功这只是一个纯粹的LLM它还不知道如何“行动”。4.2 第一步为Agent装上“双手”——工具Tools工具是Agent能力的延伸。我们以最常用的DuckDuckGo搜索工具为例。首先需要安装额外依赖pip install duckduckgo-search然后我们创建一个能联网搜索的Agent。# 文件02_agent_with_tool.py import os from dotenv import load_dotenv from langchain_openai import ChatOpenAI from langchain.agents import AgentExecutor, create_react_agent from langchain.tools import Tool from langchain_community.tools import DuckDuckGoSearchRun from langchain import hub # 用于拉取预定义的Prompt # 加载环境变量 load_dotenv() # 1. 初始化LLM llm ChatOpenAI(modelgpt-3.5-turbo, temperature0.1) # 2. 定义工具 # 使用社区提供的搜索工具 search_tool DuckDuckGoSearchRun(nameduckduckgo_search, description当需要回答关于实时信息、最新事件或未知领域的问题时使用此工具进行网络搜索。) # 我们还可以定义一个计算器工具模拟 def calculator(query: str) - str: 用于执行数学计算。输入应为一个数学表达式字符串如 3 5 * 2。 try: # 警告使用eval有安全风险此处仅用于演示。生产环境应用安全库如numexpr。 result eval(query) return f计算结果: {result} except Exception as e: return f计算错误: {e} calc_tool Tool( nameCalculator, funccalculator, description用于执行数学计算。输入应为一个数学表达式字符串如 3 5 * 2。 ) # 将工具放入列表 tools [search_tool, calc_tool] # 3. 获取一个为ReAct框架设计好的Prompt模板 # 这个Prompt会指导LLM按照“思考-行动-观察”的格式输出 prompt hub.pull(hwchase17/react) # 4. 创建Agent agent create_react_agent(llm, tools, prompt) # 5. 创建Agent执行器它负责运行循环 agent_executor AgentExecutor( agentagent, toolstools, verboseTrue, # 开启详细日志可以看到Agent的思考过程 handle_parsing_errorsTrue, # 优雅处理解析错误 max_iterations5, # 防止Agent陷入死循环 ) # 6. 运行Agent print( 启动拥有搜索和计算能力的Agent ) question 截至2024年Python的最新稳定版本是多少它的主要新特性是什么 result agent_executor.invoke({input: question}) print(\n最终答案) print(result[output]) print(\n--- 分割线 ---\n) # 再测试一下计算能力 question2 请计算 (15的平方) 加上 (200除以8) 等于多少 result2 agent_executor.invoke({input: question2}) print(最终答案) print(result2[output])关键代码解释create_react_agent: 这是LangChain提供的高级函数它帮我们组装好了符合ReAct模式的Agent。AgentExecutor: 这是“发动机”它驱动着思考-行动-观察的循环并处理工具调用的细节。verboseTrue:这是学习Agent内部运作最重要的开关打开后你会在控制台看到类似下面的输出思考用户想知道Python的最新版本和特性我需要最新的信息所以应该使用搜索工具。 行动使用 duckduckgo_search输入 Python latest stable version 2024 features 观察[搜索返回的摘要文本...] 思考根据搜索结果最新版本是3.12.x特性有...我需要组织语言回答。 最终答案...这让你直观地看到Agent的“思考链”对调试和理解其行为至关重要。运行这个脚本你会看到Agent先思考然后调用搜索工具最后给出答案。它已经不再是复读机而是一个能主动获取信息的智能体了。4.3 第二步为Agent赋予“记忆”Memory没有记忆的Agent每次对话都是全新的开始。这显然不符合我们的期望。LangChain提供了多种记忆方式最常用的是ConversationBufferMemory它就像一个不断增长的对话记录本。# 文件03_agent_with_memory.py import os from dotenv import load_dotenv from langchain_openai import ChatOpenAI from langchain.agents import AgentExecutor, create_react_agent from langchain.tools import Tool from langchain_community.tools import DuckDuckGoSearchRun from langchain.memory import ConversationBufferMemory from langchain import hub load_dotenv() llm ChatOpenAI(modelgpt-3.5-turbo, temperature0.1) search_tool DuckDuckGoSearchRun(namesearch) # 1. 创建记忆体 # memory_key 定义了在Prompt中记忆内容对应的变量名通常是“chat_history” # return_messages 设置为True表示以消息列表格式存储更适合ChatModel memory ConversationBufferMemory(memory_keychat_history, return_messagesTrue) tools [search_tool] # 2. 获取支持记忆的Prompt模板 # 注意我们换了一个模板这个模板显式包含了 chat_history 的占位符 prompt hub.pull(hwchase17/react-chat) # 3. 创建Agent与之前相同 agent create_react_agent(llm, tools, prompt) # 4. 创建Agent执行器并传入memory # 注意这里多了 memory 参数 agent_executor AgentExecutor( agentagent, toolstools, memorymemory, verboseTrue, handle_parsing_errorsTrue, max_iterations5, ) print( 启动带记忆的对话Agent ) # 第一轮对话 question1 LangChain是什么 print(f用户: {question1}) result1 agent_executor.invoke({input: question1}) print(fAI: {result1[output]}\n) # 第二轮对话Agent应该能记住之前的上下文 question2 它主要用来解决什么问题 # 注意这里“它”指代LangChain print(f用户: {question2}) result2 agent_executor.invoke({input: question2}) print(fAI: {result2[output]}\n) # 第三轮对话甚至可以问基于之前信息的问题 question3 你刚才提到的主要组件能再详细说说Agent吗 print(f用户: {question3}) result3 agent_executor.invoke({input: question3}) print(fAI: {result3[output]}) # 我们可以查看一下记忆体里存储了什么 print(\n 当前对话记忆 ) print(memory.buffer)运行这个脚本你会发现Agent在回答第二个和第三个问题时明显参考了之前的对话历史。这就是记忆的作用。记忆的进阶ConversationBufferMemory会把所有对话都存下来当对话很长时会消耗大量Token并可能超出模型上下文长度。生产环境中更常用的是ConversationSummaryMemory定期总结之前的对话只保留摘要。ConversationBufferWindowMemory只保留最近K轮对话。ConversationKGMemory将对话内容以知识图谱形式存储便于关联查询。结合向量数据库的长期记忆将重要信息存入向量数据库如Chroma, Pinecone需要时进行检索。5. 完整示例与代码实现构建一个“技术调研助手”现在我们将前面所学组合起来构建一个稍微复杂、但更有用的Agent一个技术调研助手。它的功能是根据用户提出的技术概念自动搜索相关资料并整理成一份结构化的简要报告。这个Agent将展示使用自定义的Prompt模板来精确控制Agent行为。使用多个工具协同工作搜索文本处理。对工具返回的结果进行后处理。5.1 项目结构ai-agent-tutorial/ ├── .env ├── requirements.txt ├── 01_basic_llm.py ├── 02_agent_with_tool.py ├── 03_agent_with_memory.py └── tech_research_agent.py # 我们将创建这个新文件5.2 核心代码实现# 文件tech_research_agent.py import os from typing import List, Dict, Any from dotenv import load_dotenv from langchain_openai import ChatOpenAI from langchain.agents import AgentExecutor, create_react_agent from langchain.tools import Tool from langchain_community.tools import DuckDuckGoSearchRun from langchain.memory import ConversationBufferMemory from langchain.prompts import PromptTemplate from langchain.schema import SystemMessage load_dotenv() # 1. 初始化LLM - 使用能力更强的GPT-4如果可用或保持3.5 llm ChatOpenAI( modelgpt-4-turbo-preview, # 或 gpt-3.5-turbo temperature0.2, max_tokens2000, ) # 2. 定义工具 search DuckDuckGoSearchRun(nameweb_search) def format_search_results(search_query: str) - str: 一个包装函数用于搜索并初步格式化结果。 print(f[Agent] 正在搜索: {search_query}) raw_result search.run(search_query) # 简单格式化截取前2000字符避免上下文过长 formatted raw_result[:2000] ... if len(raw_result) 2000 else raw_result return f关于 {search_query} 的搜索结果\n{formatted} search_tool Tool( nameTechnologyWebSearch, funcformat_search_results, description当需要获取某个技术概念、框架、工具的最新信息、官方文档、应用场景或社区评价时使用此工具。 输入应为明确的技术关键词或问题例如 什么是React Server Components 或 FastAPI vs Flask 性能对比 2024。 ) # 3. 自定义系统Prompt塑造Agent的角色和行为 system_prompt 你是一个资深技术专家和调研助手。你的任务是根据用户提出的技术主题进行高效的网络调研并整理成清晰、有条理的简要报告。 你的工作流程必须是 1. **理解核心需求**明确用户想知道什么。 2. **制定搜索策略**决定用哪些关键词去搜索以获取全面、权威的信息。 3. **执行搜索**使用TechnologyWebSearch工具获取信息。 4. **分析综合**基于搜索结果结合你的知识组织信息。 5. **生成报告**用以下结构化格式输出 【技术调研报告{主题}】 一、核心概念 用一两句话精确定义 二、主要特性与优势 分点列出每条不超过两句话 三、典型应用场景 列举2-3个最相关的使用场景 四、学习资源与社区 推荐官方文档、教程、社区等1-2个 五、简要评价 基于当前信息给出一个中性、客观的优缺点总结或趋势判断 注意 - 报告必须基于你搜索到的**最新、可靠**的信息。 - 如果搜索结果信息不足或矛盾请明确指出。 - 保持报告简洁每个部分内容精炼。 - 如果用户的问题非常宽泛如“讲讲AI”你需要先询问或自己拆解成具体的技术点再调研。 # 4. 创建支持对话的记忆 memory ConversationBufferMemory(memory_keychat_history, return_messagesTrue) # 5. 构建完整的Prompt模板 # LangChain的 create_react_agent 期望的Prompt需要包含 {tools}, {agent_scratchpad}, {input}, {chat_history} 等变量。 # 我们将自定义的system_prompt与标准的react-chat模板结合。 base_prompt hub.pull(hwchase17/react-chat) # 我们直接修改base_prompt的messages将system message替换为我们自定义的 base_prompt.messages[0] SystemMessage(contentsystem_prompt) # 6. 创建Agent和执行器 agent create_react_agent(llm, tools[search_tool], promptbase_prompt) agent_executor AgentExecutor( agentagent, tools[search_tool], memorymemory, verboseTrue, # 强烈建议打开观察思考过程 handle_parsing_errorsTrue, max_iterations7, # 调研可能需要多轮搜索和思考 early_stopping_methodgenerate, # 当Agent认为已完成时停止 ) # 7. 运行调研助手 def run_research(topic: str): print(f\n{*60}) print(f开始技术调研{topic}) print(f{*60}\n) try: result agent_executor.invoke({input: f请对以下技术主题进行调研{topic}}) print(\n *60) print(调研报告完成) print(*60) print(result[output]) except Exception as e: print(f调研过程中出现错误{e}) if __name__ __main__: # 示例调研主题 topics [ LangChain, Rust编程语言在2024年的发展现状, 向量数据库 Pinecone 和 Weaviate 的对比 ] for topic in topics: run_research(topic) input(\n按Enter键继续下一个调研...) # 暂停方便阅读5.3 代码深度解析自定义工具函数format_search_results我们并没有直接使用DuckDuckGoSearchRun而是包装了一层。这样做的好处是可以在工具执行前后加入日志、预处理或后处理逻辑比如过滤低质量结果、提取摘要等。这是构建复杂Agent的常见模式。系统Prompt工程我们通过详细的System Prompt为Agent设定了明确的角色、工作流程和输出格式。这是控制Agent行为最有效的手段。Prompt中“结构化输出”的要求能极大提升结果的可用性。记忆的整合虽然在这个单次调研任务中记忆的作用不明显但ConversationBufferMemory被保留。这意味着你可以进行多轮交互比如说“针对刚才提到的第三点再深入搜索一下”Agent会理解上下文。执行控制参数max_iterations7防止Agent在复杂任务中陷入无限循环。early_stopping_methodgenerate当Agent输出最终答案而非工具调用时自动停止循环。这是ReAct Agent的标准停止机制。运行这个脚本你会看到一个能自动搜索、分析并生成结构化报告的Agent。打开verboseTrue观察它的思考链你会对AI Agent的决策过程有更深刻的理解。6. 运行结果与效果验证运行python tech_research_agent.py你期望看到类似以下的输出以调研“LangChain”为例 开始技术调研LangChain [Agent] 正在搜索: LangChain 是什么 核心概念 2024 思考用户想了解LangChain。我需要先理解它是什么然后搜索最新信息最后按照报告格式组织。 行动使用 TechnologyWebSearch输入 LangChain 是什么 核心概念 2024 观察关于 LangChain 是什么 核心概念 2024 的搜索结果 [这里是从网络获取的关于LangChain的文本摘要...] 思考根据搜索结果LangChain是一个用于开发大语言模型应用的框架。我需要进一步搜索它的特性和应用场景。 行动使用 TechnologyWebSearch输入 LangChain 主要特性 优势 应用场景 观察... 思考我已经获得了足够的信息。现在按照要求的结构生成报告。 最终答案 【技术调研报告LangChain】 一、核心概念 LangChain 是一个用于构建基于大语言模型(LLM)应用程序的开源框架。它通过提供模块化组件和链式调用简化了将LLM与外部数据源、工具和记忆系统集成的过程。 二、主要特性与优势 1. 模块化设计提供Models, Prompts, Chains, Agents, Memory, Indexes等标准化组件像搭积木一样构建应用。 2. 强大的Agent系统支持ReAct等模式让LLM能够自主调用工具、处理复杂任务。 3. 丰富的集成预集成大量LLM提供商、向量数据库、工具和文档加载器。 4. 简化复杂流程通过“Chain”将多个步骤串联实现多步推理和任务自动化。 三、典型应用场景 1. 构建智能问答机器人连接私有知识库。 2. 开发自动化数据分析与报告生成工具。 3. 创建能够使用API和工具的自主AI Agent。 四、学习资源与社区 1. 官方文档 (https://python.langchain.com/) 非常全面。 2. GitHub仓库 (https://github.com/langchain-ai/langchain) 活跃有大量示例。 五、简要评价 LangChain是目前LLM应用开发领域的事实标准框架极大地降低了开发门槛。但其版本迭代快API变动有时较频繁学习成本存在。对于复杂生产系统需要在其灵活性和架构稳定性之间做好权衡。如何验证Agent工作正常观察思考过程verboseTrue的输出必须显示完整的“思考-行动-观察”循环。检查工具调用确认Agent在需要时正确调用了TechnologyWebSearch工具。评估输出质量报告是否结构清晰内容是否基于搜索得到的信息而非纯粹臆造是否涵盖了核心概念、特性、场景等要求的部分测试边界情况尝试一个非常新的技术如“2024年新发布的AI编程工具Cursor”看Agent是否能找到相关信息而不是胡编乱造。7. 常见问题与排查思路在构建和运行AI Agent时你几乎一定会遇到以下问题。这里提供系统的排查指南。问题现象可能原因排查方式解决方案运行时报错ModuleNotFoundError依赖未安装或虚拟环境未激活。1. 检查命令行前缀是否有(venv)。2. 运行pip list | grep langchain查看关键包。1. 激活虚拟环境。2. 运行pip install -r requirements.txt。调用OpenAI API超时或连接错误网络问题或API服务不可用。1. 运行curl https://api.openai.com/v1/models(需在命令行设置API Key) 测试连通性。2. 检查.env文件中的OPENAI_API_KEY是否正确。1. 检查网络连接和代理设置。2. 确认API Key有效且有余额。3. 尝试使用国内LLM服务替代。Agent陷入死循环不停调用工具max_iterations设置过高或Prompt未能引导Agent正确停止。观察verbose日志看Agent是否在重复相似操作而无进展。1. 降低max_iterations(如设为5-7)。2. 在系统Prompt中明确指示“在获得足够信息后直接生成最终报告”。3. 检查工具描述是否清晰避免误导。工具调用失败返回错误工具函数内部异常或输入参数格式不对。1. 查看完整的错误堆栈信息。2. 单独测试工具函数是否正常工作。1. 在工具函数内部添加try...except捕获异常并返回友好错误信息。2. 确保工具描述清晰让LLM知道如何构造输入。Agent输出不符合预期格式系统Prompt中的格式指令不够强或LLM未遵循。检查verbose日志中系统Prompt是否被正确加载。1. 强化Prompt使用更明确的指令如“你必须严格按照以下格式输出...”。2. 在Prompt中提供输出示例Few-shot Prompting。3. 考虑使用LangChain的OutputParser来强制格式化输出。搜索工具返回内容质量差搜索关键词不佳或搜索引擎本身限制。查看Agent传递给工具的搜索关键词是什么。1. 在工具函数中对搜索关键词进行预处理如添加“最新”、“教程”、“官方文档”等词。2. 考虑更换或组合多个搜索工具如同时使用SerpAPI和DuckDuckGo。3. 对搜索结果进行清洗和摘要再返回给Agent。Token消耗过快成本高对话历史过长或工具返回内容过大。估算输入和输出的Token数量可用tiktoken库。1. 使用ConversationSummaryMemory或ConversationBufferWindowMemory限制历史长度。2. 在工具函数中截断过长的返回文本。3. 对于长文档先使用Embedding和检索只返回相关片段。Agent“幻觉”编造信息LLM本身缺陷或Prompt未强调“基于搜索信息”。对比Agent输出和工具返回的原始搜索结果。1. 在Prompt中反复强调“你的回答必须严格基于工具返回的信息”。2. 要求Agent在回答中引用信息来源如“根据搜索结果显示...”。3. 对关键事实进行二次验证可设计多Agent校验流程。8. 最佳实践与工程建议当你掌握了基础构建方法后以下建议能帮助你将AI Agent应用到更严肃的项目中。8.1 设计层面明确Agent的边界不要试图构建一个“万能Agent”。一个好的Agent应该专注于一个明确的、有限的任务域如“技术调研”、“客服工单分类”、“代码审查”。任务越明确Prompt越容易写效果也越好。工具设计要“小而专”每个工具应只做一件事并做好。工具的描述description至关重要要清晰、无歧义地说明其功能、输入格式和输出示例。这是LLM能否正确使用工具的关键。实施“人机回环”对于重要或高风险的操作如发送邮件、执行数据库写入不要让Agent直接执行。设计为Agent生成建议或指令由用户确认后再执行。8.2 工程化与部署配置管理将模型参数、API密钥、工具配置等抽离到配置文件如config.yaml或环境变量中便于不同环境开发、测试、生产切换。日志与监控必须详细记录Agent的思考过程、工具调用和最终输出。这不仅用于调试也是分析Agent行为、发现潜在偏见或错误的重要依据。考虑结构化日志如JSON格式。错误处理与重试网络请求、API调用都可能失败。为工具调用和LLM调用添加重试机制如tenacity库和优雅降级策略。成本控制为LLM API设置预算和用量告警。使用Token计数器预估成本。对于内部应用可以考虑部署开源模型如通过Ollama、vLLM来降低成本。8.3 Prompt工程进阶结构化输出像我们示例中那样要求Agent输出固定格式JSON、Markdown标题等这极大方便了后续的程序化处理。提供示例在Prompt中提供1-2个高质量的输入输出示例Few-shot Learning能显著提升Agent在复杂任务上的表现。分步思考对于复杂任务在Prompt中明确要求Agent“一步一步思考”并展示中间步骤。这不仅能提高最终答案质量也使得调试更容易。角色扮演给Agent一个具体的、专业的角色如“资深软件架构师”、“严谨的数据分析师”其输出风格和深度会有所不同。8.4 安全与伦理工具权限隔离为Agent配备的工具其权限必须遵循最小权限原则。例如一个“文件阅读Agent”不应该有“文件删除”的工具。输入输出过滤对用户的输入和Agent的输出进行必要的审查和过滤防止注入攻击、隐私泄露或生成有害内容。可解释性与审计确保Agent的决策过程是可追溯的通过日志。这对于合规性要求高的领域如金融、医疗尤为重要。9. 总结与后续学习方向通过本文的实践你已经完成了从零构建一个功能型AI Agent的全过程。我们不仅跑通了代码更重要的是理解了其核心组件大脑LLM、双手Tools、记忆Memory是如何协同工作的并掌握了通过Prompt工程来塑造Agent行为的基本方法。这个“技术调研助手”只是一个起点。要将其转化为真正有用的生产应用你还需要在以下几个方向深入1. 探索更强大的框架与模式AutoGen当你需要多个Agent协作时如一个“规划者”、一个“执行者”、一个“评审者”AutoGen提供了优雅的多Agent对话框架。CrewAI一个新兴框架将Agent组织成“团队”明确角色分工非常适合模拟工作流。LangGraphLangChain官方推出的用于构建复杂、有状态多Agent工作流的库用图来定义Agent之间的交互流程控制力极强。2. 集成更丰富的工具生态自定义工具将你的业务API、数据库查询、内部系统封装成工具是Agent价值最大化的关键。LangChain让这变得非常简单。工具学习研究如何让Agent自动学习使用新工具而无需为每个工具编写冗长的描述。3. 构建可靠的记忆与知识系统向量数据库学习将文档切片、向量化并存入Chroma、Pinecone、Weaviate等数据库让Agent拥有海量、可检索的长期记忆。高级记忆策略实现记忆的摘要、提炼、优先级排序让Agent更“聪明”地利用上下文。4. 模型的选择与优化开源模型尝试使用本地部署的Llama 3、Qwen、DeepSeek等开源模型降低成本并提升数据隐私性。模型路由根据任务复杂度、成本、时延要求动态选择不同的模型如简单任务用便宜快速的模型复杂任务用能力强但贵的模型。AI Agent的开发正处于从“玩具”到“工具”的关键阶段。其核心挑战已不再是能否做出一个Demo而是如何让它可靠、安全、高效地集成到现有业务流程中。这需要你不仅是一个Prompt工程师更要成为一个扎实的软件工程师考虑系统的架构、监控、测试和维护。建议你以本文的代码为蓝本选择一个你工作中真实存在的、重复性的信息处理任务例如每日竞品信息搜集、用户反馈自动分类、内部知识库问答尝试用Agent将其自动化。在解决真实问题的过程中你会遇到本文未覆盖的复杂情况而这正是能力提升的阶梯。记住最好的学习永远是动手构建。现在你已经拥有了开始这一切的钥匙。