如果你在2024年或2025年关注AI领域大概率听过“AI Agent”这个词。它听起来很酷但你可能也困惑过它和ChatGPT这类聊天机器人到底有什么区别为什么说它是“下一代AI应用”的核心更重要的是作为一个开发者我该如何动手构建一个真正能“自主思考、执行任务”的Agent而不是仅仅调用一个API这正是本文要解决的问题。市面上很多教程要么停留在概念科普要么直接跳到复杂的框架源码中间缺少一个关键的桥梁如何从零开始通过代码实战理解并亲手打造一个具备“技能”Skills的智能体。这篇文章将带你走完从概念到代码的完整路径。我们不空谈“智能体将改变世界”而是聚焦于一个更实际的问题如何让一个AI程序从“被动回答问题”进化到“主动完成任务”答案就藏在“Skills”的设计与实现里。通过本文你将不仅理解Agent的核心架构更能亲手编写代码让一个Agent学会搜索、计算、读写文件甚至组合多个技能完成复杂工作流。1. 这篇文章真正要解决的问题从“聊天”到“做事”的鸿沟为什么我们需要Agent而不仅仅是ChatGPT的API想象一个场景你想让AI帮你分析最近一周的行业新闻并生成一份带图表的报告。如果只用ChatGPT你需要手动搜索新闻复制粘贴给AI。让AI总结再手动整理。打开另一个工具做图表再把数据喂进去。最后把文字和图表拼在一起。这个过程里你成了那个协调不同工具的“Agent”而AI只是一个被动的文本处理器。真正的AI Agent旨在消除这种割裂。它的目标是你只需要给出一个目标“写份行业周报”Agent能自己规划步骤、调用工具Skills、执行任务最终交付结果。这里的“Skills”就是Agent赖以完成任务的手和脚比如网络搜索、代码执行、文件操作、调用第三方API等。本文要解决的核心痛点正是许多开发者面临的困境概念模糊知道Agent重要但说不清Agent、Skill、LLM大语言模型、Orchestrator编排器之间的关系。无从下手想动手实践但面对LangChain、AutoGen、CrewAI等众多框架不知道从哪里开始框架的抽象层反而成了障碍。缺乏实战看了很多文章依然写不出一个能真正“跑起来”并完成特定任务的Agent。因此本文的定位是一份“从第一性原理出发的实战指南”。我们将暂时抛开复杂框架先用最基础的代码构建一个微型Agent理解其每个核心组件。然后再引入主流框架进行工程化升级。这样你收获的将不是某个框架的“使用说明书”而是构建智能体应用的底层思维和可迁移能力。2. 基础概念与核心原理拆解Agent的“大脑”与“手脚”在深入代码之前我们必须统一语言厘清几个核心概念。很多人混淆了它们导致学习过程事倍功半。2.1 智能体Agent vs. 大语言模型LLM这是最根本的区分。大语言模型LLM 如GPT-4、Claude、文心一言本质是一个超级预测器。给定一段文本输入提示词它预测最可能的下一个词序列并输出。它拥有海量知识能进行复杂推理但它是“静态”和“被动”的。它不知道时间、无法主动执行操作、不能记忆长对话外的信息。智能体Agent 是一个基于LLM构建的自动化系统。你可以把它想象成一个拥有LLM作为“大脑”的机器人。这个系统还包括记忆Memory 存储对话历史、任务上下文、知识。规划Planning 将复杂目标拆解为步骤“先搜索再分析最后生成报告”。工具使用Tool Use 调用各种Skills来影响外部世界或获取信息。行动Action 执行规划好的步骤。简单比喻LLM是百科全书Agent是能查阅百科全书、做笔记、使用计算器、上网搜索并最终给你一份完整答案的私人助理。2.2 技能Skills/Tools—— Agent的“超能力”Skill或Tool是Agent能力的扩展。LLM本身被限制在文本范畴而Skills赋予了它与现实世界交互的能力。技能类型功能描述相当于人类的…搜索技能联网搜索实时信息上网查资料计算技能执行数学运算、逻辑判断使用计算器代码技能编写并执行代码如Python雇佣一个程序员文件技能读取、写入、修改本地文件操作电脑文件夹API技能调用外部服务天气、股票、邮件打电话给客服或使用专业软件一个Agent的强大程度直接取决于它拥有的Skills数量和质量。开发Agent很大程度上就是在为它设计和开发新的Skills。2.3 智能体系统的核心工作流ReAct模式当前最主流的Agent推理范式是“ReAct”Reason Act。它模拟了人类解决问题的方式思考Think/Reason LLM根据目标和当前状态分析下一步该做什么。例如“用户想知道北京天气。我需要一个天气查询工具。”行动Act LLM决定调用哪个Skill并生成符合该Skill要求的输入参数。例如调用get_weather技能参数{“city”: “北京”}。观察Observe Skill执行后返回结果。例如“北京晴25°C。”循环 LLM根据观察到的结果再次进行思考决定是继续下一步行动还是认为任务已完成将最终结果返回给用户。这个“思考-行动-观察”的循环是Agent自主性的源泉。我们的代码将围绕实现这个循环展开。3. 环境准备与前置条件我们将使用Python进行实战因为它拥有最丰富的AI生态。本教程将分为两个阶段阶段一基础篇 不用任何框架纯手写一个简易Agent彻底理解原理。阶段二进阶篇 使用LangChain框架以工程化的方式重构并增强我们的Agent。3.1 基础环境请确保你的系统已安装Python 3.8 或更高版本。pip包管理工具。一个你喜欢的代码编辑器或IDE如VSCode、PyCharm。3.2 安装核心依赖首先我们需要一个LLM作为Agent的“大脑”。为了便于演示和免费用我们将使用OpenAI的GPT模型需要API Key同时也会展示如何用本地开源模型如Ollama替代。我们还会安装一些工具库。打开终端创建一个新的项目目录并安装依赖# 创建项目目录并进入 mkdir ai-agent-tutorial cd ai-agent-tutorial # 创建虚拟环境推荐避免包冲突 python -m venv venv # 激活虚拟环境 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate # 安装核心依赖 pip install openai requests langchain langchain-community langchain-openai # 可选如果你打算用本地模型安装Ollama # 访问 https://ollama.com/ 下载并安装Ollama然后在终端运行 # ollama pull llama3.2 # 拉取一个模型如llama3.23.3 获取OpenAI API Key可选如果你使用OpenAI的模型需要去 OpenAI平台 创建一个API Key。然后将其设置为环境变量# Windows (PowerShell) $env:OPENAI_API_KEY你的-api-key-here # macOS/Linux export OPENAI_API_KEY你的-api-key-here安全提示永远不要将API Key直接硬编码在代码中提交到GitHub等公开仓库。使用环境变量或配置文件。4. 核心流程拆解手搓一个迷你Agent让我们暂时忘记LangChain用最纯粹的Python来构建一个具备两个技能计算和搜索的Agent。这是理解所有框架底层逻辑的关键。4.1 第一步定义技能Skills技能本质上是一个个函数它们能被Agent识别和调用。我们创建两个基础技能# 文件skills.py import math import requests from urllib.parse import quote def calculator(expression: str) - str: 一个简单的计算器技能。 参数 expression (str) 例如 3 5 * 2 返回 计算结果字符串。 try: # 警告使用eval有安全风险仅用于演示。生产环境应用ast.literal_eval或专用库。 # 这里我们做一个极简的安全过滤仅允许数字和基础运算符。 allowed_chars set(0123456789-*/(). ) if not all(c in allowed_chars for c in expression): return 错误表达式中包含不安全字符。 result eval(expression, {__builtins__: {}}, math.__dict__) return f计算结果: {result} except Exception as e: return f计算错误: {e} def search_web(query: str) - str: 一个模拟的网页搜索技能使用DuckDuckGo即时答案API。 参数 query (str) 搜索关键词。 返回 搜索摘要字符串。 try: # 使用DuckDuckGo的API它无需API Key且免费。 url fhttps://api.duckduckgo.com/?q{quote(query)}formatjsonpretty1 response requests.get(url, timeout10) data response.json() # 提取摘要信息 abstract data.get(AbstractText) if abstract: return f搜索摘要: {abstract[:200]}... # 截断长度 else: # 如果没有摘要返回相关主题 related_topics data.get(RelatedTopics, []) if related_topics: first_topic related_topics[0].get(Text, 无相关信息) return f相关主题: {first_topic[:150]}... else: return 未找到相关信息。 except Exception as e: return f搜索请求失败: {e} # 技能注册表将技能名称映射到函数和描述 SKILL_REGISTRY { calculator: { function: calculator, description: 用于执行数学计算。输入一个数学表达式如 3 5 * 2 或 sqrt(16)。 }, search_web: { function: search_web, description: 用于在互联网上搜索信息。输入一个搜索查询。 } }关键点每个技能函数都有清晰的输入query/expression和输出str。我们创建了一个SKILL_REGISTRY字典来管理所有技能。这是Agent的“技能库”。描述description至关重要LLM需要根据描述来决定何时调用哪个技能。4.2 第二步构建Agent的“大脑”LLM交互我们需要一个函数能够将对话历史、可用技能和用户问题组合成一个精妙的提示词Prompt发送给LLM并解析LLM的回复判断它是想说话还是想调用技能。# 文件agent_brain.py import openai import json import os # 从环境变量读取API Key openai.api_key os.getenv(OPENAI_API_KEY) def call_llm(messages, modelgpt-3.5-turbo): 调用OpenAI API的辅助函数。 try: response openai.chat.completions.create( modelmodel, messagesmessages, temperature0.1, # 低温度让输出更确定减少随机性 max_tokens500 ) return response.choices[0].message.content except Exception as e: return f调用LLM API时出错: {e} def think_and_plan(user_input: str, conversation_history: list, skills_info: dict) - dict: Agent的思考核心。 参数 user_input: 用户当前输入 conversation_history: 之前的对话消息列表 skills_info: 技能注册表信息 返回 一个字典包含LLM的决策。例如 {action: final_answer, content: ...} 或 {action: use_skill, skill_name: ..., skill_input: ...} # 1. 构建系统提示词告诉LLM它的角色和可用技能 skills_description \n.join([f- {name}: {info[description]} for name, info in skills_info.items()]) system_prompt f你是一个有帮助的AI助手可以调用以下工具技能来帮助用户 {skills_description} 请严格按以下规则响应 1. 如果用户的问题可以直接回答或者无需调用工具请直接给出最终答案。 2. 如果需要调用工具请以严格的JSON格式回复且只包含这个JSON对象不要有任何其他文字。 JSON格式必须为{{action: use_skill, skill_name: 技能名, skill_input: 技能输入参数}} 3. 如果工具调用后得到了结果你需要结合结果和用户问题给出最终答案。 当前对话历史 {conversation_history} # 2. 构建消息列表 messages [ {role: system, content: system_prompt}, {role: user, content: user_input} ] # 3. 调用LLM llm_response call_llm(messages) # 4. 解析LLM的响应 # 尝试解析JSON如果成功说明LLM想调用技能 try: decision json.loads(llm_response) if decision.get(action) use_skill: # 验证技能是否存在 if decision[skill_name] in skills_info: return decision else: return {action: final_answer, content: f错误尝试调用不存在的技能 {decision[skill_name]}。} else: # 如果不是use_skill当作最终答案 return {action: final_answer, content: llm_response} except json.JSONDecodeError: # 如果响应不是JSON则视为最终答案 return {action: final_answer, content: llm_response}关键点系统提示词System Prompt是控制Agent行为的关键。我们明确规定了它的角色、可用技能和响应格式。我们要求LLM在需要调用技能时返回一个结构化的JSON。这是实现“思考-行动”循环的协议。通过json.loads尝试解析响应来判断LLM的意图。这是ReAct模式中“思考”环节的简化实现。4.3 第三步组装Agent主循环现在我们将技能库和大脑组装起来形成一个可以交互的Agent。# 文件simple_agent.py from skills import SKILL_REGISTRY from agent_brain import think_and_plan class SimpleAgent: def __init__(self): self.skills SKILL_REGISTRY self.conversation_history [] def run_skill(self, skill_name: str, skill_input: str) - str: 执行指定的技能。 if skill_name in self.skills: skill_func self.skills[skill_name][function] print(f[Agent] 正在执行技能: {skill_name}({skill_input})) result skill_func(skill_input) print(f[Skill Result] {result}) return result else: return f错误未找到技能 {skill_name}。 def chat(self, user_input: str) - str: 处理用户输入的一轮对话。 print(f\n[User] {user_input}) # 1. Agent思考并做决策 decision think_and_plan(user_input, self.conversation_history, self.skills) final_answer # 2. 根据决策行动 if decision[action] use_skill: skill_name decision[skill_name] skill_input decision[skill_input] # 执行技能 observation self.run_skill(skill_name, skill_input) # 将观察结果技能输出加入历史并让Agent基于此继续思考简化版这里直接作为最终答案的一部分 # 在一个更复杂的循环中这里应该将observation再次喂给think_and_plan final_answer f我通过{skill_name}了解到{observation}。根据这个信息答案是{observation} # 简化处理 else: # final_answer final_answer decision[content] # 3. 更新对话历史实际应用中需控制历史长度 self.conversation_history.append(fUser: {user_input}) self.conversation_history.append(fAssistant: {final_answer}) # 保持历史记录不会无限增长例如只保留最近10轮 if len(self.conversation_history) 20: self.conversation_history self.conversation_history[-20:] print(f[Agent] {final_answer}) return final_answer def start_cli(self): 启动一个简单的命令行交互界面。 print(简易AI Agent已启动输入 quit 或 exit 退出。) while True: try: user_input input(\nYou: ).strip() if user_input.lower() in [quit, exit, q]: print(再见) break if user_input: self.chat(user_input) except KeyboardInterrupt: print(\n程序被中断。) break except Exception as e: print(f发生错误: {e}) if __name__ __main__: agent SimpleAgent() agent.start_cli()4.4 第四步运行与测试将以上三个文件skills.py,agent_brain.py,simple_agent.py放在同一目录下。确保已设置好OPENAI_API_KEY环境变量然后在终端运行python simple_agent.py现在你可以和你的Agent对话了尝试以下问题“计算一下 15 的平方加上 20 除以 4 等于多少” 它会调用calculator“搜索一下Python编程语言的最新版本。” 它会调用search_web“你好吗” 它会直接回答不调用技能恭喜你已经亲手创建了一个具备ReAct思维链雏形的AI Agent。虽然简陋但它包含了所有核心要素技能定义、LLM决策、执行循环。5. 完整示例与代码实现用LangChain工程化升级手搓Agent有助于理解原理但生产环境我们需要更强大、更稳定的框架。LangChain是目前最流行的AI应用开发框架之一它为我们抽象了Agent、Chain、Memory、Tool等概念提供了大量开箱即用的组件。接下来我们用LangChain重构上面的Agent并增加记忆Memory和更复杂的技能链。5.1 安装LangChain及相关组件我们已经安装了langchain和langchain-openai。为了使用更多工具我们再安装一个社区工具包pip install langchain-community5.2 使用LangChain定义工具Skills在LangChain中Skill被称为Tool。我们可以用装饰器轻松地将一个函数转化为Tool。# 文件langchain_agent_demo.py import os from langchain_openai import ChatOpenAI from langchain.agents import AgentExecutor, create_openai_tools_agent from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder from langchain.agents.format_scratchpad.openai_tools import format_to_openai_tool_messages from langchain.agents.output_parsers.openai_tools import OpenAIToolsAgentOutputParser from langchain.memory import ConversationBufferMemory from langchain_community.tools import DuckDuckGoSearchRun from langchain.tools import tool import math # 1. 定义自定义工具计算器使用tool装饰器 tool def calculator_tool(expression: str) - str: 执行数学计算。输入一个有效的数学表达式如 (125)*3 或 sqrt(25)。 try: allowed_chars set(0123456789-*/(). ) if not all(c in allowed_chars for c in expression): return 错误表达式中包含不安全字符。 result eval(expression, {__builtins__: {}}, math.__dict__) return str(result) except Exception as e: return f计算错误: {e} # 2. 使用社区中已定义的工具网络搜索 search_tool DuckDuckGoSearchRun() # 3. 工具列表 tools [calculator_tool, search_tool] # 4. 初始化LLM llm ChatOpenAI(modelgpt-3.5-turbo-1106, temperature0, openai_api_keyos.getenv(OPENAI_API_KEY)) # 5. 构建提示词模板 prompt ChatPromptTemplate.from_messages([ (system, 你是一个强大的AI助手可以调用工具来回答问题。请清晰、准确地思考。), MessagesPlaceholder(variable_namechat_history), # 记忆将注入这里 (user, {input}), MessagesPlaceholder(variable_nameagent_scratchpad), # Agent的思考过程将注入这里 ]) # 6. 创建记忆Memory memory ConversationBufferMemory(memory_keychat_history, return_messagesTrue) # 7. 创建Agent agent create_openai_tools_agent(llm, tools, prompt) # 8. 创建Agent执行器它封装了ReAct循环 agent_executor AgentExecutor( agentagent, toolstools, memorymemory, verboseTrue, # 设置为True可以看到Agent的思考过程 handle_parsing_errorsTrue, # 优雅地处理解析错误 max_iterations5, # 防止Agent陷入无限循环 ) # 9. 运行Agent if __name__ __main__: print(LangChain AI Agent 已启动 (输入 quit 退出)) while True: try: user_input input(\nYou: ).strip() if user_input.lower() in [quit, exit, q]: print(再见) break if user_input: # 调用执行器 response agent_executor.invoke({input: user_input}) print(f\nAgent: {response[output]}) except KeyboardInterrupt: print(\n程序被中断。) break except Exception as e: print(f发生错误: {e})5.3 代码解析与LangChain优势运行这个脚本python langchain_agent_demo.py你会看到完全不同的体验。当verboseTrue时控制台会打印出Agent详细的思考过程 Entering new AgentExecutor chain... 思考用户想知道北京的天气。我需要搜索实时信息。 行动调用搜索工具。 观察...搜索返回的天气信息 思考我已经获得了北京的天气信息可以回答用户了。 最终答案北京今天晴气温25°C。 Finished chain.LangChain带来的核心优势标准化工具接口tool装饰器自动处理函数描述、参数schema生成让LLM能精确理解如何调用。内置ReAct循环AgentExecutor自动管理“思考-行动-观察”的循环无需手动解析JSON和判断。强大的记忆管理ConversationBufferMemory轻松管理对话历史并自动将其注入到提示词中。丰富的工具生态langchain-community提供了数百种预置工具搜索、维基百科、Shell、文件操作等。错误处理与安全 自动处理工具调用失败、解析错误并可通过max_iterations防止死循环。6. 运行结果与效果验证运行langchain_agent_demo.py后你可以进行更复杂的测试验证Agent的能力测试用例1多步骤推理与工具组合输入“先搜索一下特斯拉Tesla当前的股价然后计算如果我有1000股总价值是多少美元”预期行为Agent应首先调用search_tool关键词可能是“Tesla stock price today”。从搜索结果中提取股价数字例如 “$175.30”。调用calculator_tool计算175.30 * 1000。输出最终答案。验证观察控制台输出的思考链看是否按预期调用了两个工具。测试用例2依赖上下文的对话测试Memory第一轮输入“我的名字叫小明。”预期输出Agent可能简单确认或问候。第二轮输入“我刚才说我叫什么名字”预期行为Agent应能正确回答“小明”证明记忆功能生效。验证检查第二轮的回答。测试用例3处理无法直接回答的问题输入“今天北京和上海的温度相差多少度”预期行为Agent应意识到需要分别查询两地的天气调用两次搜索工具提取温度数值再计算差值可能调用计算器工具。这是一个典型的多步骤规划任务。验证观察Agent是否成功规划并执行了这些步骤。如果Agent能顺利完成以上测试说明你的LangChain Agent已经具备了相当不错的任务理解和执行能力。7. 常见问题与排查思路在开发Agent过程中你一定会遇到各种问题。下表列出了最常见的问题及其解决方法问题现象可能原因排查方式解决方案Agent陷入循环不断调用同一个工具1. 工具返回的结果无法满足停止条件。2.max_iterations设置过高。3. 系统提示词不够清晰。1. 查看verboseTrue的日志观察每次“观察”后的“思考”内容。2. 检查工具返回的结果格式是否清晰。1. 在系统提示词中明确给出最终答案的格式要求。2. 适当降低max_iterations如设为3-5。3. 优化工具函数返回更结构化、清晰的结果。LLM无法正确选择或调用工具1. 工具的描述description不清晰。2. 工具的参数schema太复杂或LLM不理解。3. LLM能力不足如使用过时的模型。1. 检查tool装饰器中的文档字符串是否准确描述了功能和输入。2. 尝试用更简单的示例测试。1.重写工具描述使用最直白、无歧义的语言并包含1-2个输入示例。2.升级LLM使用gpt-4-turbo等更强模型工具调用准确率会大幅提升。3. 简化工具参数或将其拆分为多个更简单的工具。“Rate limit” 或 “Authentication” 错误1. OpenAI API Key无效或余额不足。2. 请求频率超限。1. 检查环境变量OPENAI_API_KEY是否正确设置。2. 登录OpenAI平台检查用量和余额。1. 确保API Key有效且有余额。2. 在代码中增加请求延迟如time.sleep(1)。3. 考虑使用Azure OpenAI或其他模型供应商。本地模型如Ollama响应慢或效果差1. 本地模型参数量小推理能力弱。2. 提示词未针对本地模型优化。3. 硬件资源CPU/GPU/RAM不足。1. 先用一个简单问题测试模型的基础对话能力。2. 查看Ollama服务日志。1.选择合适模型使用专为工具调用微调的模型如llama3.2:latest比早期版本好。2.简化提示词本地模型对复杂系统提示词的理解可能不如GPT-4需要更直接、简短的指令。3.升级硬件或量化模型。工具执行出错如网络超时、文件不存在工具函数内部代码有Bug或依赖服务不稳定。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. 单独测试工具函数。1.增强工具鲁棒性添加异常处理、参数验证、超时设置。2. 在Agent层面可以通过handle_parsing_errors和自定义错误处理逻辑来降级。记忆混乱或丢失上下文1.ConversationBufferMemory的k参数设置过小历史被截断。2. 记忆的key与提示词中的placeholder不匹配。1. 检查memory_key和提示词中MessagesPlaceholder的variable_name是否一致。2. 打印memory.chat_memory.messages查看存储的内容。1. 确保memory_key与提示词中的变量名一致。2. 对于长对话考虑使用ConversationSummaryMemory或ConversationBufferWindowMemory滑动窗口记忆。8. 最佳实践与工程建议当你掌握了基础开发后以下建议能帮助你将Agent项目提升到生产可用级别8.1 技能工具设计原则单一职责一个工具只做一件事并且做好。避免创建“万能工具”。描述清晰工具的文档字符串docstring是给LLM看的“说明书”必须精确描述功能、输入格式和输出示例。例如“输入一个城市名称如‘北京’返回该城市当前的天气情况。输出格式‘城市天气温度’。”防御性编程工具函数内部必须进行输入验证、异常捕获和资源清理如关闭网络连接、文件句柄。提供结构化输出尽可能让工具返回结构化的数据如JSON而非纯自然语言便于后续工具或LLM解析。例如天气工具返回{city: 北京, weather: 晴, temp: 25}。8.2 提示词工程优化角色设定在系统提示词中明确Agent的“人设”如“你是一个严谨的数据分析师”或“你是一个乐于助人的编程助手”这能显著影响其行为风格。思维链Chain-of-Thought鼓励在提示词中要求LLM“逐步思考”例如“请先分析问题列出所需步骤再调用工具”。这能提高复杂任务的成功率。提供少量示例Few-Shot在系统提示词中提供1-2个“用户提问-Agent思考-工具调用-最终答案”的完整示例能极大地引导LLM遵循你期望的格式和流程。8.3 生产环境部署考量异步与并发使用asyncio和LangChain的异步接口处理多个并发用户请求避免阻塞。状态管理对于Web应用不能使用全局变量存储记忆。需要将对话状态Memory与用户会话Session绑定并存储到数据库如Redis中。可观测性记录详细的日志包括用户的原始输入、LLM的完整响应思考过程、工具调用记录及结果、最终输出。这对于调试和优化至关重要。成本与延迟控制设置LLM调用的超时和重试机制。监控API调用成本对于内部工具考虑使用更便宜的模型如gpt-3.5-turbo进行路由或初步处理。安全与审核对用户输入进行内容安全过滤。对工具调用特别是文件操作、Shell命令、数据库查询实施严格的权限控制和输入净化防止提示词注入或越权操作。8.4 超越基础Agent多智能体与编排当单个Agent无法处理复杂工作流时就需要考虑多智能体系统。框架如CrewAI、AutoGen专门为此设计。角色分工可以创建“研究员”、“分析师”、“撰稿人”、“审核员”等多个Agent每个拥有不同的技能和系统提示词。编排流程定义Agent之间的协作流程例如研究员收集信息给分析师分析师生成洞察给撰稿人最后审核员校对。适用场景内容生成、复杂数据分析、软件工程任务分解等。9. 总结与后续学习方向通过本文我们完成了一次从理论到实践的深度穿越澄清了本质理解了Agent不是魔法而是一个以LLM为“大脑”通过规划、记忆和工具使用来主动完成任务的系统。亲手实现了核心循环通过手写代码你透彻理解了ReAct思考-行动-观察这一Agent核心工作模式是如何在代码层面流转的。掌握了主流框架使用LangChain重构了Agent体验了其如何通过抽象让我们能专注于业务逻辑工具定义和提示词而将复杂的循环、解析、记忆管理交给框架。规避了常见陷阱了解了开发中可能遇到的循环、调用错误、记忆丢失等问题及其解决方案。看到了更高阶的图景了解了生产级Agent的最佳实践和多智能体系统的可能性。你的下一步学习方向深入LangChain生态探索更多的内置工具langchain-community、向量数据库集成用于知识库、以及更高级的Agent类型如Plan-and-Execute Agent。探索其他框架尝试CrewAI专注于角色扮演和多智能体协作或Microsoft Autogen功能极其强大支持代码执行、群聊等复杂模式。集成实际业务将Agent与你现有的系统连接。例如开发一个技能让它能通过API查询公司数据库或者创建一个能自动写SQL、分析数据并生成图表的数据分析Agent。关注评估与优化学习如何评估Agent的性能任务完成率、步骤效率、成本并通过优化提示词、工具设计、甚至对LLM进行微调Fine-tuning来持续提升。AI Agent的开发是一场关于“如何将语言模型的认知能力有效转化为实际行动”的工程实践。它没有想象中那么神秘但也远比调用一个API复杂。希望这份从零开始的指南为你提供了坚实的地图和第一块积木。现在是时候用这些技能去构建真正能解决实际问题的智能体了。建议收藏本文在未来的开发中随时回溯这些核心概念和代码片段。 从零构建AI Agent：手把手教你实现具备搜索与计算技能的智能体
如果你在2024年或2025年关注AI领域大概率听过“AI Agent”这个词。它听起来很酷但你可能也困惑过它和ChatGPT这类聊天机器人到底有什么区别为什么说它是“下一代AI应用”的核心更重要的是作为一个开发者我该如何动手构建一个真正能“自主思考、执行任务”的Agent而不是仅仅调用一个API这正是本文要解决的问题。市面上很多教程要么停留在概念科普要么直接跳到复杂的框架源码中间缺少一个关键的桥梁如何从零开始通过代码实战理解并亲手打造一个具备“技能”Skills的智能体。这篇文章将带你走完从概念到代码的完整路径。我们不空谈“智能体将改变世界”而是聚焦于一个更实际的问题如何让一个AI程序从“被动回答问题”进化到“主动完成任务”答案就藏在“Skills”的设计与实现里。通过本文你将不仅理解Agent的核心架构更能亲手编写代码让一个Agent学会搜索、计算、读写文件甚至组合多个技能完成复杂工作流。1. 这篇文章真正要解决的问题从“聊天”到“做事”的鸿沟为什么我们需要Agent而不仅仅是ChatGPT的API想象一个场景你想让AI帮你分析最近一周的行业新闻并生成一份带图表的报告。如果只用ChatGPT你需要手动搜索新闻复制粘贴给AI。让AI总结再手动整理。打开另一个工具做图表再把数据喂进去。最后把文字和图表拼在一起。这个过程里你成了那个协调不同工具的“Agent”而AI只是一个被动的文本处理器。真正的AI Agent旨在消除这种割裂。它的目标是你只需要给出一个目标“写份行业周报”Agent能自己规划步骤、调用工具Skills、执行任务最终交付结果。这里的“Skills”就是Agent赖以完成任务的手和脚比如网络搜索、代码执行、文件操作、调用第三方API等。本文要解决的核心痛点正是许多开发者面临的困境概念模糊知道Agent重要但说不清Agent、Skill、LLM大语言模型、Orchestrator编排器之间的关系。无从下手想动手实践但面对LangChain、AutoGen、CrewAI等众多框架不知道从哪里开始框架的抽象层反而成了障碍。缺乏实战看了很多文章依然写不出一个能真正“跑起来”并完成特定任务的Agent。因此本文的定位是一份“从第一性原理出发的实战指南”。我们将暂时抛开复杂框架先用最基础的代码构建一个微型Agent理解其每个核心组件。然后再引入主流框架进行工程化升级。这样你收获的将不是某个框架的“使用说明书”而是构建智能体应用的底层思维和可迁移能力。2. 基础概念与核心原理拆解Agent的“大脑”与“手脚”在深入代码之前我们必须统一语言厘清几个核心概念。很多人混淆了它们导致学习过程事倍功半。2.1 智能体Agent vs. 大语言模型LLM这是最根本的区分。大语言模型LLM 如GPT-4、Claude、文心一言本质是一个超级预测器。给定一段文本输入提示词它预测最可能的下一个词序列并输出。它拥有海量知识能进行复杂推理但它是“静态”和“被动”的。它不知道时间、无法主动执行操作、不能记忆长对话外的信息。智能体Agent 是一个基于LLM构建的自动化系统。你可以把它想象成一个拥有LLM作为“大脑”的机器人。这个系统还包括记忆Memory 存储对话历史、任务上下文、知识。规划Planning 将复杂目标拆解为步骤“先搜索再分析最后生成报告”。工具使用Tool Use 调用各种Skills来影响外部世界或获取信息。行动Action 执行规划好的步骤。简单比喻LLM是百科全书Agent是能查阅百科全书、做笔记、使用计算器、上网搜索并最终给你一份完整答案的私人助理。2.2 技能Skills/Tools—— Agent的“超能力”Skill或Tool是Agent能力的扩展。LLM本身被限制在文本范畴而Skills赋予了它与现实世界交互的能力。技能类型功能描述相当于人类的…搜索技能联网搜索实时信息上网查资料计算技能执行数学运算、逻辑判断使用计算器代码技能编写并执行代码如Python雇佣一个程序员文件技能读取、写入、修改本地文件操作电脑文件夹API技能调用外部服务天气、股票、邮件打电话给客服或使用专业软件一个Agent的强大程度直接取决于它拥有的Skills数量和质量。开发Agent很大程度上就是在为它设计和开发新的Skills。2.3 智能体系统的核心工作流ReAct模式当前最主流的Agent推理范式是“ReAct”Reason Act。它模拟了人类解决问题的方式思考Think/Reason LLM根据目标和当前状态分析下一步该做什么。例如“用户想知道北京天气。我需要一个天气查询工具。”行动Act LLM决定调用哪个Skill并生成符合该Skill要求的输入参数。例如调用get_weather技能参数{“city”: “北京”}。观察Observe Skill执行后返回结果。例如“北京晴25°C。”循环 LLM根据观察到的结果再次进行思考决定是继续下一步行动还是认为任务已完成将最终结果返回给用户。这个“思考-行动-观察”的循环是Agent自主性的源泉。我们的代码将围绕实现这个循环展开。3. 环境准备与前置条件我们将使用Python进行实战因为它拥有最丰富的AI生态。本教程将分为两个阶段阶段一基础篇 不用任何框架纯手写一个简易Agent彻底理解原理。阶段二进阶篇 使用LangChain框架以工程化的方式重构并增强我们的Agent。3.1 基础环境请确保你的系统已安装Python 3.8 或更高版本。pip包管理工具。一个你喜欢的代码编辑器或IDE如VSCode、PyCharm。3.2 安装核心依赖首先我们需要一个LLM作为Agent的“大脑”。为了便于演示和免费用我们将使用OpenAI的GPT模型需要API Key同时也会展示如何用本地开源模型如Ollama替代。我们还会安装一些工具库。打开终端创建一个新的项目目录并安装依赖# 创建项目目录并进入 mkdir ai-agent-tutorial cd ai-agent-tutorial # 创建虚拟环境推荐避免包冲突 python -m venv venv # 激活虚拟环境 # Windows: venv\Scripts\activate # macOS/Linux: source venv/bin/activate # 安装核心依赖 pip install openai requests langchain langchain-community langchain-openai # 可选如果你打算用本地模型安装Ollama # 访问 https://ollama.com/ 下载并安装Ollama然后在终端运行 # ollama pull llama3.2 # 拉取一个模型如llama3.23.3 获取OpenAI API Key可选如果你使用OpenAI的模型需要去 OpenAI平台 创建一个API Key。然后将其设置为环境变量# Windows (PowerShell) $env:OPENAI_API_KEY你的-api-key-here # macOS/Linux export OPENAI_API_KEY你的-api-key-here安全提示永远不要将API Key直接硬编码在代码中提交到GitHub等公开仓库。使用环境变量或配置文件。4. 核心流程拆解手搓一个迷你Agent让我们暂时忘记LangChain用最纯粹的Python来构建一个具备两个技能计算和搜索的Agent。这是理解所有框架底层逻辑的关键。4.1 第一步定义技能Skills技能本质上是一个个函数它们能被Agent识别和调用。我们创建两个基础技能# 文件skills.py import math import requests from urllib.parse import quote def calculator(expression: str) - str: 一个简单的计算器技能。 参数 expression (str) 例如 3 5 * 2 返回 计算结果字符串。 try: # 警告使用eval有安全风险仅用于演示。生产环境应用ast.literal_eval或专用库。 # 这里我们做一个极简的安全过滤仅允许数字和基础运算符。 allowed_chars set(0123456789-*/(). ) if not all(c in allowed_chars for c in expression): return 错误表达式中包含不安全字符。 result eval(expression, {__builtins__: {}}, math.__dict__) return f计算结果: {result} except Exception as e: return f计算错误: {e} def search_web(query: str) - str: 一个模拟的网页搜索技能使用DuckDuckGo即时答案API。 参数 query (str) 搜索关键词。 返回 搜索摘要字符串。 try: # 使用DuckDuckGo的API它无需API Key且免费。 url fhttps://api.duckduckgo.com/?q{quote(query)}formatjsonpretty1 response requests.get(url, timeout10) data response.json() # 提取摘要信息 abstract data.get(AbstractText) if abstract: return f搜索摘要: {abstract[:200]}... # 截断长度 else: # 如果没有摘要返回相关主题 related_topics data.get(RelatedTopics, []) if related_topics: first_topic related_topics[0].get(Text, 无相关信息) return f相关主题: {first_topic[:150]}... else: return 未找到相关信息。 except Exception as e: return f搜索请求失败: {e} # 技能注册表将技能名称映射到函数和描述 SKILL_REGISTRY { calculator: { function: calculator, description: 用于执行数学计算。输入一个数学表达式如 3 5 * 2 或 sqrt(16)。 }, search_web: { function: search_web, description: 用于在互联网上搜索信息。输入一个搜索查询。 } }关键点每个技能函数都有清晰的输入query/expression和输出str。我们创建了一个SKILL_REGISTRY字典来管理所有技能。这是Agent的“技能库”。描述description至关重要LLM需要根据描述来决定何时调用哪个技能。4.2 第二步构建Agent的“大脑”LLM交互我们需要一个函数能够将对话历史、可用技能和用户问题组合成一个精妙的提示词Prompt发送给LLM并解析LLM的回复判断它是想说话还是想调用技能。# 文件agent_brain.py import openai import json import os # 从环境变量读取API Key openai.api_key os.getenv(OPENAI_API_KEY) def call_llm(messages, modelgpt-3.5-turbo): 调用OpenAI API的辅助函数。 try: response openai.chat.completions.create( modelmodel, messagesmessages, temperature0.1, # 低温度让输出更确定减少随机性 max_tokens500 ) return response.choices[0].message.content except Exception as e: return f调用LLM API时出错: {e} def think_and_plan(user_input: str, conversation_history: list, skills_info: dict) - dict: Agent的思考核心。 参数 user_input: 用户当前输入 conversation_history: 之前的对话消息列表 skills_info: 技能注册表信息 返回 一个字典包含LLM的决策。例如 {action: final_answer, content: ...} 或 {action: use_skill, skill_name: ..., skill_input: ...} # 1. 构建系统提示词告诉LLM它的角色和可用技能 skills_description \n.join([f- {name}: {info[description]} for name, info in skills_info.items()]) system_prompt f你是一个有帮助的AI助手可以调用以下工具技能来帮助用户 {skills_description} 请严格按以下规则响应 1. 如果用户的问题可以直接回答或者无需调用工具请直接给出最终答案。 2. 如果需要调用工具请以严格的JSON格式回复且只包含这个JSON对象不要有任何其他文字。 JSON格式必须为{{action: use_skill, skill_name: 技能名, skill_input: 技能输入参数}} 3. 如果工具调用后得到了结果你需要结合结果和用户问题给出最终答案。 当前对话历史 {conversation_history} # 2. 构建消息列表 messages [ {role: system, content: system_prompt}, {role: user, content: user_input} ] # 3. 调用LLM llm_response call_llm(messages) # 4. 解析LLM的响应 # 尝试解析JSON如果成功说明LLM想调用技能 try: decision json.loads(llm_response) if decision.get(action) use_skill: # 验证技能是否存在 if decision[skill_name] in skills_info: return decision else: return {action: final_answer, content: f错误尝试调用不存在的技能 {decision[skill_name]}。} else: # 如果不是use_skill当作最终答案 return {action: final_answer, content: llm_response} except json.JSONDecodeError: # 如果响应不是JSON则视为最终答案 return {action: final_answer, content: llm_response}关键点系统提示词System Prompt是控制Agent行为的关键。我们明确规定了它的角色、可用技能和响应格式。我们要求LLM在需要调用技能时返回一个结构化的JSON。这是实现“思考-行动”循环的协议。通过json.loads尝试解析响应来判断LLM的意图。这是ReAct模式中“思考”环节的简化实现。4.3 第三步组装Agent主循环现在我们将技能库和大脑组装起来形成一个可以交互的Agent。# 文件simple_agent.py from skills import SKILL_REGISTRY from agent_brain import think_and_plan class SimpleAgent: def __init__(self): self.skills SKILL_REGISTRY self.conversation_history [] def run_skill(self, skill_name: str, skill_input: str) - str: 执行指定的技能。 if skill_name in self.skills: skill_func self.skills[skill_name][function] print(f[Agent] 正在执行技能: {skill_name}({skill_input})) result skill_func(skill_input) print(f[Skill Result] {result}) return result else: return f错误未找到技能 {skill_name}。 def chat(self, user_input: str) - str: 处理用户输入的一轮对话。 print(f\n[User] {user_input}) # 1. Agent思考并做决策 decision think_and_plan(user_input, self.conversation_history, self.skills) final_answer # 2. 根据决策行动 if decision[action] use_skill: skill_name decision[skill_name] skill_input decision[skill_input] # 执行技能 observation self.run_skill(skill_name, skill_input) # 将观察结果技能输出加入历史并让Agent基于此继续思考简化版这里直接作为最终答案的一部分 # 在一个更复杂的循环中这里应该将observation再次喂给think_and_plan final_answer f我通过{skill_name}了解到{observation}。根据这个信息答案是{observation} # 简化处理 else: # final_answer final_answer decision[content] # 3. 更新对话历史实际应用中需控制历史长度 self.conversation_history.append(fUser: {user_input}) self.conversation_history.append(fAssistant: {final_answer}) # 保持历史记录不会无限增长例如只保留最近10轮 if len(self.conversation_history) 20: self.conversation_history self.conversation_history[-20:] print(f[Agent] {final_answer}) return final_answer def start_cli(self): 启动一个简单的命令行交互界面。 print(简易AI Agent已启动输入 quit 或 exit 退出。) while True: try: user_input input(\nYou: ).strip() if user_input.lower() in [quit, exit, q]: print(再见) break if user_input: self.chat(user_input) except KeyboardInterrupt: print(\n程序被中断。) break except Exception as e: print(f发生错误: {e}) if __name__ __main__: agent SimpleAgent() agent.start_cli()4.4 第四步运行与测试将以上三个文件skills.py,agent_brain.py,simple_agent.py放在同一目录下。确保已设置好OPENAI_API_KEY环境变量然后在终端运行python simple_agent.py现在你可以和你的Agent对话了尝试以下问题“计算一下 15 的平方加上 20 除以 4 等于多少” 它会调用calculator“搜索一下Python编程语言的最新版本。” 它会调用search_web“你好吗” 它会直接回答不调用技能恭喜你已经亲手创建了一个具备ReAct思维链雏形的AI Agent。虽然简陋但它包含了所有核心要素技能定义、LLM决策、执行循环。5. 完整示例与代码实现用LangChain工程化升级手搓Agent有助于理解原理但生产环境我们需要更强大、更稳定的框架。LangChain是目前最流行的AI应用开发框架之一它为我们抽象了Agent、Chain、Memory、Tool等概念提供了大量开箱即用的组件。接下来我们用LangChain重构上面的Agent并增加记忆Memory和更复杂的技能链。5.1 安装LangChain及相关组件我们已经安装了langchain和langchain-openai。为了使用更多工具我们再安装一个社区工具包pip install langchain-community5.2 使用LangChain定义工具Skills在LangChain中Skill被称为Tool。我们可以用装饰器轻松地将一个函数转化为Tool。# 文件langchain_agent_demo.py import os from langchain_openai import ChatOpenAI from langchain.agents import AgentExecutor, create_openai_tools_agent from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder from langchain.agents.format_scratchpad.openai_tools import format_to_openai_tool_messages from langchain.agents.output_parsers.openai_tools import OpenAIToolsAgentOutputParser from langchain.memory import ConversationBufferMemory from langchain_community.tools import DuckDuckGoSearchRun from langchain.tools import tool import math # 1. 定义自定义工具计算器使用tool装饰器 tool def calculator_tool(expression: str) - str: 执行数学计算。输入一个有效的数学表达式如 (125)*3 或 sqrt(25)。 try: allowed_chars set(0123456789-*/(). ) if not all(c in allowed_chars for c in expression): return 错误表达式中包含不安全字符。 result eval(expression, {__builtins__: {}}, math.__dict__) return str(result) except Exception as e: return f计算错误: {e} # 2. 使用社区中已定义的工具网络搜索 search_tool DuckDuckGoSearchRun() # 3. 工具列表 tools [calculator_tool, search_tool] # 4. 初始化LLM llm ChatOpenAI(modelgpt-3.5-turbo-1106, temperature0, openai_api_keyos.getenv(OPENAI_API_KEY)) # 5. 构建提示词模板 prompt ChatPromptTemplate.from_messages([ (system, 你是一个强大的AI助手可以调用工具来回答问题。请清晰、准确地思考。), MessagesPlaceholder(variable_namechat_history), # 记忆将注入这里 (user, {input}), MessagesPlaceholder(variable_nameagent_scratchpad), # Agent的思考过程将注入这里 ]) # 6. 创建记忆Memory memory ConversationBufferMemory(memory_keychat_history, return_messagesTrue) # 7. 创建Agent agent create_openai_tools_agent(llm, tools, prompt) # 8. 创建Agent执行器它封装了ReAct循环 agent_executor AgentExecutor( agentagent, toolstools, memorymemory, verboseTrue, # 设置为True可以看到Agent的思考过程 handle_parsing_errorsTrue, # 优雅地处理解析错误 max_iterations5, # 防止Agent陷入无限循环 ) # 9. 运行Agent if __name__ __main__: print(LangChain AI Agent 已启动 (输入 quit 退出)) while True: try: user_input input(\nYou: ).strip() if user_input.lower() in [quit, exit, q]: print(再见) break if user_input: # 调用执行器 response agent_executor.invoke({input: user_input}) print(f\nAgent: {response[output]}) except KeyboardInterrupt: print(\n程序被中断。) break except Exception as e: print(f发生错误: {e})5.3 代码解析与LangChain优势运行这个脚本python langchain_agent_demo.py你会看到完全不同的体验。当verboseTrue时控制台会打印出Agent详细的思考过程 Entering new AgentExecutor chain... 思考用户想知道北京的天气。我需要搜索实时信息。 行动调用搜索工具。 观察...搜索返回的天气信息 思考我已经获得了北京的天气信息可以回答用户了。 最终答案北京今天晴气温25°C。 Finished chain.LangChain带来的核心优势标准化工具接口tool装饰器自动处理函数描述、参数schema生成让LLM能精确理解如何调用。内置ReAct循环AgentExecutor自动管理“思考-行动-观察”的循环无需手动解析JSON和判断。强大的记忆管理ConversationBufferMemory轻松管理对话历史并自动将其注入到提示词中。丰富的工具生态langchain-community提供了数百种预置工具搜索、维基百科、Shell、文件操作等。错误处理与安全 自动处理工具调用失败、解析错误并可通过max_iterations防止死循环。6. 运行结果与效果验证运行langchain_agent_demo.py后你可以进行更复杂的测试验证Agent的能力测试用例1多步骤推理与工具组合输入“先搜索一下特斯拉Tesla当前的股价然后计算如果我有1000股总价值是多少美元”预期行为Agent应首先调用search_tool关键词可能是“Tesla stock price today”。从搜索结果中提取股价数字例如 “$175.30”。调用calculator_tool计算175.30 * 1000。输出最终答案。验证观察控制台输出的思考链看是否按预期调用了两个工具。测试用例2依赖上下文的对话测试Memory第一轮输入“我的名字叫小明。”预期输出Agent可能简单确认或问候。第二轮输入“我刚才说我叫什么名字”预期行为Agent应能正确回答“小明”证明记忆功能生效。验证检查第二轮的回答。测试用例3处理无法直接回答的问题输入“今天北京和上海的温度相差多少度”预期行为Agent应意识到需要分别查询两地的天气调用两次搜索工具提取温度数值再计算差值可能调用计算器工具。这是一个典型的多步骤规划任务。验证观察Agent是否成功规划并执行了这些步骤。如果Agent能顺利完成以上测试说明你的LangChain Agent已经具备了相当不错的任务理解和执行能力。7. 常见问题与排查思路在开发Agent过程中你一定会遇到各种问题。下表列出了最常见的问题及其解决方法问题现象可能原因排查方式解决方案Agent陷入循环不断调用同一个工具1. 工具返回的结果无法满足停止条件。2.max_iterations设置过高。3. 系统提示词不够清晰。1. 查看verboseTrue的日志观察每次“观察”后的“思考”内容。2. 检查工具返回的结果格式是否清晰。1. 在系统提示词中明确给出最终答案的格式要求。2. 适当降低max_iterations如设为3-5。3. 优化工具函数返回更结构化、清晰的结果。LLM无法正确选择或调用工具1. 工具的描述description不清晰。2. 工具的参数schema太复杂或LLM不理解。3. LLM能力不足如使用过时的模型。1. 检查tool装饰器中的文档字符串是否准确描述了功能和输入。2. 尝试用更简单的示例测试。1.重写工具描述使用最直白、无歧义的语言并包含1-2个输入示例。2.升级LLM使用gpt-4-turbo等更强模型工具调用准确率会大幅提升。3. 简化工具参数或将其拆分为多个更简单的工具。“Rate limit” 或 “Authentication” 错误1. OpenAI API Key无效或余额不足。2. 请求频率超限。1. 检查环境变量OPENAI_API_KEY是否正确设置。2. 登录OpenAI平台检查用量和余额。1. 确保API Key有效且有余额。2. 在代码中增加请求延迟如time.sleep(1)。3. 考虑使用Azure OpenAI或其他模型供应商。本地模型如Ollama响应慢或效果差1. 本地模型参数量小推理能力弱。2. 提示词未针对本地模型优化。3. 硬件资源CPU/GPU/RAM不足。1. 先用一个简单问题测试模型的基础对话能力。2. 查看Ollama服务日志。1.选择合适模型使用专为工具调用微调的模型如llama3.2:latest比早期版本好。2.简化提示词本地模型对复杂系统提示词的理解可能不如GPT-4需要更直接、简短的指令。3.升级硬件或量化模型。工具执行出错如网络超时、文件不存在工具函数内部代码有Bug或依赖服务不稳定。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. 单独测试工具函数。1.增强工具鲁棒性添加异常处理、参数验证、超时设置。2. 在Agent层面可以通过handle_parsing_errors和自定义错误处理逻辑来降级。记忆混乱或丢失上下文1.ConversationBufferMemory的k参数设置过小历史被截断。2. 记忆的key与提示词中的placeholder不匹配。1. 检查memory_key和提示词中MessagesPlaceholder的variable_name是否一致。2. 打印memory.chat_memory.messages查看存储的内容。1. 确保memory_key与提示词中的变量名一致。2. 对于长对话考虑使用ConversationSummaryMemory或ConversationBufferWindowMemory滑动窗口记忆。8. 最佳实践与工程建议当你掌握了基础开发后以下建议能帮助你将Agent项目提升到生产可用级别8.1 技能工具设计原则单一职责一个工具只做一件事并且做好。避免创建“万能工具”。描述清晰工具的文档字符串docstring是给LLM看的“说明书”必须精确描述功能、输入格式和输出示例。例如“输入一个城市名称如‘北京’返回该城市当前的天气情况。输出格式‘城市天气温度’。”防御性编程工具函数内部必须进行输入验证、异常捕获和资源清理如关闭网络连接、文件句柄。提供结构化输出尽可能让工具返回结构化的数据如JSON而非纯自然语言便于后续工具或LLM解析。例如天气工具返回{city: 北京, weather: 晴, temp: 25}。8.2 提示词工程优化角色设定在系统提示词中明确Agent的“人设”如“你是一个严谨的数据分析师”或“你是一个乐于助人的编程助手”这能显著影响其行为风格。思维链Chain-of-Thought鼓励在提示词中要求LLM“逐步思考”例如“请先分析问题列出所需步骤再调用工具”。这能提高复杂任务的成功率。提供少量示例Few-Shot在系统提示词中提供1-2个“用户提问-Agent思考-工具调用-最终答案”的完整示例能极大地引导LLM遵循你期望的格式和流程。8.3 生产环境部署考量异步与并发使用asyncio和LangChain的异步接口处理多个并发用户请求避免阻塞。状态管理对于Web应用不能使用全局变量存储记忆。需要将对话状态Memory与用户会话Session绑定并存储到数据库如Redis中。可观测性记录详细的日志包括用户的原始输入、LLM的完整响应思考过程、工具调用记录及结果、最终输出。这对于调试和优化至关重要。成本与延迟控制设置LLM调用的超时和重试机制。监控API调用成本对于内部工具考虑使用更便宜的模型如gpt-3.5-turbo进行路由或初步处理。安全与审核对用户输入进行内容安全过滤。对工具调用特别是文件操作、Shell命令、数据库查询实施严格的权限控制和输入净化防止提示词注入或越权操作。8.4 超越基础Agent多智能体与编排当单个Agent无法处理复杂工作流时就需要考虑多智能体系统。框架如CrewAI、AutoGen专门为此设计。角色分工可以创建“研究员”、“分析师”、“撰稿人”、“审核员”等多个Agent每个拥有不同的技能和系统提示词。编排流程定义Agent之间的协作流程例如研究员收集信息给分析师分析师生成洞察给撰稿人最后审核员校对。适用场景内容生成、复杂数据分析、软件工程任务分解等。9. 总结与后续学习方向通过本文我们完成了一次从理论到实践的深度穿越澄清了本质理解了Agent不是魔法而是一个以LLM为“大脑”通过规划、记忆和工具使用来主动完成任务的系统。亲手实现了核心循环通过手写代码你透彻理解了ReAct思考-行动-观察这一Agent核心工作模式是如何在代码层面流转的。掌握了主流框架使用LangChain重构了Agent体验了其如何通过抽象让我们能专注于业务逻辑工具定义和提示词而将复杂的循环、解析、记忆管理交给框架。规避了常见陷阱了解了开发中可能遇到的循环、调用错误、记忆丢失等问题及其解决方案。看到了更高阶的图景了解了生产级Agent的最佳实践和多智能体系统的可能性。你的下一步学习方向深入LangChain生态探索更多的内置工具langchain-community、向量数据库集成用于知识库、以及更高级的Agent类型如Plan-and-Execute Agent。探索其他框架尝试CrewAI专注于角色扮演和多智能体协作或Microsoft Autogen功能极其强大支持代码执行、群聊等复杂模式。集成实际业务将Agent与你现有的系统连接。例如开发一个技能让它能通过API查询公司数据库或者创建一个能自动写SQL、分析数据并生成图表的数据分析Agent。关注评估与优化学习如何评估Agent的性能任务完成率、步骤效率、成本并通过优化提示词、工具设计、甚至对LLM进行微调Fine-tuning来持续提升。AI Agent的开发是一场关于“如何将语言模型的认知能力有效转化为实际行动”的工程实践。它没有想象中那么神秘但也远比调用一个API复杂。希望这份从零开始的指南为你提供了坚实的地图和第一块积木。现在是时候用这些技能去构建真正能解决实际问题的智能体了。建议收藏本文在未来的开发中随时回溯这些核心概念和代码片段。