|
|
先看一个场景，感受Agent的魅力
假设你给AI布置一个任务：
"帮我查一下本周AI领域最热门的三个开源项目，然后整理成一份Markdown格式的周报，发送到我的邮箱。"
传统RAG能做到的：根据你的知识库回答一些历史问题。
AI Agent能做到的：
自主搜索GitHub，找出本周热门AI项目
阅读每个项目的README，提取关键信息
按照模板格式整理成周报
调用邮件服务发送到你指定的邮箱
整个过程完成后，告诉你"任务已完成"
这就是Agent的威力——它不再是被动回答问题的对话工具，而是主动完成任务的数字助手。
第一章：Agent到底是什么？——用一个比喻讲清楚
在动手之前，我们先建立对Agent的直观认知。
1.1 Agent = 大脑 + 手脚
text
┌─────────────────────────────────────────────────┐
│ AI Agent │
│ │
│ ┌─────────────┐ ┌────────────────────────┐ │
│ │ 大脑 │ │ 手脚 │ │
│ │ (大模型) │ │ (工具集) │ │
│ │ │ │ │ │
│ │ 思考策略 │◄──►│ 搜索引擎 │ │
│ │ 分解任务 │ │ 代码执行器 │ │
│ │ 决策判断 │ │ API调用 │ │
│ │ 反思复盘 │ │ 数据库查询 │ │
│ └─────────────┘ │ 文件读写 │ │
│ └────────────────────────┘ │
└─────────────────────────────────────────────────┘
核心逻辑：大模型（大脑）决定"做什么"，工具集（手脚）负责"怎么做"。
1.2 三种主流架构模式
目前Agent有三种主流实现范式，我帮你梳理好了：
模式 核心思想 优点 适用场景
ReAct 思考→行动→观察→循环 简单透明，易于调试 任务步骤可枚举的场景
Plan-and-Execute 先列计划，再依次执行 结构清晰，适合复杂任务 多步骤、有依赖关系的任务
Multi-Agent 多个Agent协作，各司其职 专业化分工，能力强 大规模、跨领域的复杂问题
新手建议：从ReAct开始，这是最经典也最易理解的模式。本文也重点围绕ReAct展开。
第二章：实战——从零搭建一个ReAct Agent
我们用LangChain实现一个最简单的Agent，让它具备搜索+计算两种能力。
2.1 准备工作
bash
pip install langchain langchain-openai langchain-community tavily-python
工具说明：Tavily是一个专为AI设计的搜索引擎API，比普通搜索更适合Agent场景。你也可以替换为百度搜索API或自定义工具。
2.2 定义工具（Agent的"手脚"）
python
from langchain.tools import tool
from langchain_community.tools.tavily_search import TavilySearchResults
import math
# 内置工具：搜索
search_tool = TavilySearchResults(
api_key="你的Tavily密钥",
max_results=3,
include_answer=True
)
# 自定义工具：计算器
@tool
def calculator(expression: str) -> str:
"""
用于执行数学计算。输入一个数学表达式，返回计算结果。
例如：输入 "2 + 3 * 4"，返回 "14"
"""
try:
# 安全计算（仅允许数字和基本运算符）
allowed = set("0123456789+-*/.() ")
if not all(c in allowed for c in expression):
return "错误：表达式包含非法字符"
result = eval(expression)
return f"计算结果：{result}"
except Exception as e:
return f"计算错误：{str(e)}"
# 工具列表
tools = [search_tool, calculator]
2.3 构建Agent（核心部分）
python
from langchain_openai import ChatOpenAI
from langchain.agents import create_react_agent, AgentExecutor
from langchain.prompts import PromptTemplate
# 初始化大模型
llm = ChatOpenAI(
model="gpt-4o-mini", # 推荐用GPT-4级模型，推理能力强
temperature=0,
api_key="你的OpenAI密钥"
)
# ReAct提示词模板
react_prompt = PromptTemplate.from_template("""
你是一个能调用工具的智能助手。你拥有以下工具：
{tools}
工具名称：{tool_names}
请使用以下格式回答：
Question: 用户的问题
Thought: 你需要思考下一步做什么
Action: 你要调用的工具名称，必须是 [{tool_names}] 中的一个
Action Input: 传给工具的输入参数
Observation: 工具返回的结果
...（Thought/Action/Action Input/Observation 可以重复多次）
Thought: 我现在知道最终答案了
Final Answer: 给用户的最终回答
开始！
Question: {input}
Thought: {agent_scratchpad}
""")
# 创建Agent
agent = create_react_agent(
llm=llm,
tools=tools,
prompt=react_prompt
)
# Agent执行器（负责运行循环）
agent_executor = AgentExecutor(
agent=agent,
tools=tools,
verbose=True, # 打印思考过程，方便调试
max_iterations=5, # 防止死循环
handle_parsing_errors=True
)
2.4 测试运行
python
# 测试问题
result = agent_executor.invoke({
"input": "2024年诺贝尔物理学奖得主是谁？他/她的年龄是多少？"
})
print("\n=== 最终答案 ===")
print(result["output"])
运行效果（Verbose模式输出）：
text
> Entering new AgentExecutor chain...
Thought: 我需要搜索2024年诺贝尔物理学奖得主的信息
Action: tavily_search_results_json
Action Input: "2024年诺贝尔物理学奖得主"
Observation: [{'title': '2024年诺贝尔物理学奖...', 'content': 'John J. Hopfield 和 Geoffrey E. Hinton...'}]
Thought: 现在我知道得主是John J. Hopfield和Geoffrey E. Hinton，我需要查他们的年龄。
Action: tavily_search_results_json
Action Input: "John J. Hopfield 出生日期"
Observation: John J. Hopfield 出生于1933年7月15日...
Thought: 我现在可以计算年龄了。
Action: calculator
Action Input: "2024 - 1933"
Observation: 计算结果：91
Thought: 我现在知道最终答案了。
Final Answer: 2024年诺贝尔物理学奖得主是John J. Hopfield（91岁）和Geoffrey E. Hinton（76岁）。
这就是一个完整的ReAct Agent工作流程。它自己决定该搜索什么、什么时候需要计算，最终给出综合答案。
第三章：打造你的定制工具库
内置工具不够用？自己写一个，比想象中简单。
3.1 工具开发的黄金法则
一个好的工具应该具备：
要素 说明 示例
清晰的名称 让AI一眼明白用途 get_weather 而非 func_a
详细的文档字符串 告诉AI何时该用、怎么用 "查询指定城市的实时天气，输入城市名称"
明确的输入输出 参数类型和返回值格式要清晰 输入字符串，返回JSON
健壮的错误处理 工具失败不能拖垮整个Agent try-except包裹，返回友好错误信息
3.2 实战：写一个"网页内容读取"工具
python
import requests
from bs4 import BeautifulSoup
from langchain.tools import tool
@tool
def fetch_webpage(url: str) -> str:
"""
获取指定网页的正文文本内容。
用于当用户需要阅读某篇文章、新闻或文档时使用。
输入：完整的网页URL（必须以http开头）
返回：网页的纯文本正文（截断至3000字符）
"""
try:
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"
}
response = requests.get(url, headers=headers, timeout=10)
response.raise_for_status()
soup = BeautifulSoup(response.text, 'html.parser')
# 移除脚本和样式
for tag in soup(['script', 'style', 'nav', 'footer', 'header']):
tag.decompose()
# 提取正文
text = soup.get_text(separator='\n', strip=True)
# 截断防止过长
if len(text) > 3000:
text = text[:3000] + "...(内容已截断)"
return text
except requests.exceptions.Timeout:
return "错误：请求超时，请检查URL是否有效"
except Exception as e:
return f"错误：获取网页失败 - {str(e)}"
3.3 注册工具
python
# 扩展工具列表
more_tools = [search_tool, calculator, fetch_webpage]
# 重新创建Agent（其他代码不变）
agent = create_react_agent(llm, more_tools, react_prompt)
第四章：进阶技巧——让Agent更可靠
4.1 防止无限循环
Agent可能会陷入"思考→行动→观察→再思考→再行动..."的死循环。
解决方案：
python
agent_executor = AgentExecutor(
agent=agent,
tools=tools,
max_iterations=5, # 硬限制最多5步
early_stopping_method="generate", # 达到限制时强制输出
)
最佳实践：根据任务复杂度设置 max_iterations。简单任务3-5步，复杂任务可放宽到10-15步。
4.2 增加"记忆"能力
让Agent记住历史对话，避免重复搜索相同内容。
python
from langchain.memory import ConversationBufferMemory
memory = ConversationBufferMemory(
memory_key="chat_history",
return_messages=True
)
agent_executor = AgentExecutor(
agent=agent,
tools=tools,
memory=memory, # 加入记忆
verbose=True
)
# 连续对话
agent_executor.invoke({"input": "周杰伦是谁？"})
agent_executor.invoke({"input": "他唱过哪些代表作？"}) # 能记住上一轮话题
4.3 添加人工确认机制
某些敏感操作（发送邮件、修改数据）应加入人类把关。
python
from langchain.agents import AgentExecutor
def human_approval(step_output):
"""每步执行前询问用户是否继续"""
print(f"\n[Agent即将执行] {step_output}")
user_input = input("是否继续？(y/n): ")
return user_input.lower() == 'y'
agent_executor = AgentExecutor(
agent=agent,
tools=tools,
step_callback=human_approval, # 伪代码，实际需结合回调
verbose=True
)
第五章：从Demo到生产——别忘了这些事
当你的Agent在本地跑通后，上线前还有几个重要事项：
5.1 成本控制
Agent每多调用一轮，就多消耗一次Token。做好预算管理：
python
# 估算单次任务成本
def estimate_cost(iterations, tokens_per_step=500):
# GPT-4o-mini: ~$0.15/1M input, ~$0.60/1M output
input_tokens = iterations * tokens_per_step
output_tokens = iterations * 200
cost = (input_tokens * 0.15 + output_tokens * 0.60) / 1_000_000
return f"预估单次成本: ${cost:.4f}"
print(estimate_cost(5)) # 输出：预估单次成本: $0.0010
省钱策略：
用 gpt-4o-mini 替代 gpt-4-turbo（成本低30倍，推理能力足够）
缓存常见问题的答案，避免重复调用
设置单次任务的Token上限
5.2 安全与合规
风险 防护措施
工具被恶意利用 工具层面的权限控制（只读/读写隔离）
Prompt注入攻击 对用户输入做敏感词过滤和长度限制
泄露隐私数据 禁止工具访问包含敏感信息的文件/API
生成有害内容 接入内容安全审核API（如阿里云绿网）
5.3 监控与可观测性
生产环境必须能看清Agent每一步在做什么：
python
import logging
# 启用LangChain的详细日志
logging.basicConfig(level=logging.INFO)
langchain_logger = logging.getLogger("langchain")
langchain_logger.setLevel(logging.INFO)
# 或集成到LangSmith进行更专业的追踪
# from langsmith import Client
# 配置LANGCHAIN_TRACING_V2=true
写在最后
回顾一下我们走过的路：
理解了Agent的本质：大脑（LLM）+ 手脚（工具）的组合
动手搭建了ReAct Agent：掌握了搜索和计算两种基础工具
学会了扩展自定义工具：把任何API都变成Agent的能力
掌握了生产化要点：成本、安全、监控一个都不能少
AI Agent是当下最令人兴奋的领域之一。如果说RAG让AI"博闻强识"，那么Agent就让AI"知行合一"。你现在的每一个尝试，都是在为未来的"数字员工"时代积累经验。
下一步做什么？
把你的RAG系统变成一个工具，让Agent能检索你的知识库
尝试Plan-and-Execute模式，处理更复杂的多步任务
搭建多Agent系统，让"搜索专家"和"写作专家"分工协作
动手写你的第一个Agent吧，哪怕只是让AI帮你查天气、算数学题。迈出第一步，你就已经超越了99%只停留在"对话"层面的开发者。 |
|
发表于 2026-7-8 20:26:34
