AI Agent 学习笔记（零）：从 0 认识 AI Agent

AI Agent 学习笔记（零）：从 0 认识 AI Agent

本文是《AI Agent 学习笔记》系列的第 0 篇，完全面向初学者。即使你只会一点点 Python，也能跟着读完并跑通第一个 Agent。

一. 什么是 AI Agent

AI Agent（人工智能智能体 / AI 智能体）可以简单理解成：一个能自己思考、自己调用工具、自己完成任务的 AI 程序。

它不再是你问一句它答一句的“聊天框”，而是一个像“员工”一样的程序：你给它一个目标，它能：

  1. 拆解目标，制定计划；
  2. 调用计算器、搜索引擎、数据库等“工具”获取信息；
  3. 记住过程中的关键信息；
  4. 一步步执行，直到完成任务。

1.1 Agent 和聊天机器人的区别

对比项 普通聊天机器人（Chatbot） AI Agent（智能体）
工作方式 一问一答 自主规划 + 多步执行
能否调用工具 一般不能 可以（计算器、搜索、API 等）
记忆能力 只有当前对话 短期 + 长期记忆
目标 回答用户问题 完成用户给的任务
典型例子 客服机器人 AutoGPT、Manus、各种 Agent 框架

一句话：Chatbot 是“嘴”，Agent 是“嘴 + 手 + 脚 + 大脑”。

二. 为什么要先学 LLM

Agent 的“大脑”是 LLM（Large Language Model，大语言模型），比如 GPT、DeepSeek、Claude、Qwen 等。

LLM 本质上是一个“超级文本接龙器”：给它一段文字，它预测下一个最可能的词，不断重复，就生成了一段完整的回复。它能：

  • 理解和生成自然语言；
  • 做推理（比如数学题、逻辑题）；
  • 按你的要求输出特定格式（JSON、Markdown、代码）；
  • 扮演角色、遵循规则（这就是后面要学的 Prompt）。

但 LLM 有两大天生缺陷：

  1. 知识截止：训练数据有截止时间，不知道最新新闻；
  2. 不会“动手”：只能输出文字，不能真的查天气、发邮件、操作数据库。

Agent 存在的意义，就是用 代码 + 工具 + 记忆 把这两个缺陷补上。

三. Agent 的核心四要素

几乎所有 Agent 都可以拆成下面几部分（记住这张图，整个系列都在讲它）：

1
2
3
4
5
6
7
8
9
10
11
12
13
        ┌──────────────────────────────┐
        │          用户任务            │
        └──────────────┬───────────────┘
                       ▼
┌──────────────────────────────────────────┐
│            LLM（大脑）                    │
│   读 Prompt → 思考 → 决定下一步          │
└──────┬──────────────┬──────────────┬─────┘
       │              │              │
┌──────▼─────┐ ┌──────▼─────┐ ┌──────▼──────┐
│ 记忆 Memory │ │ 工具 Tool  │ │ 规划 Planning│
│ 历史/知识库 │ │ 计算/搜索/API│ │ 拆解子任务  │
└────────────┘ └────────────┘ └─────────────┘
要素 英文 作用 类比 对应本系列文章
提示词 Prompt 告诉 Agent 怎么思考、什么身份、什么规则 员工手册 第一篇
记忆 Memory 记住上下文、用户偏好、历史知识 笔记本 / 数据库 第二篇
工具 Tool 让 Agent 真正“做事” 手和脚 第三篇
检索 RAG 给 Agent 注入外部知识 图书馆 第四篇
技能 Skill 把常用能力打包复用 岗位 SOP 第五篇
协议 MCP 统一 Agent 与外部系统的连接标准 通用插座 第六篇

四. 第一个最小 Agent（能跑！）

4.1 准备工作

  1. 安装 Python 3.10+；
  2. 安装依赖：pip install openai requests；
  3. 准备一个大模型 API Key（OpenAI / DeepSeek / 通义等任何兼容 OpenAI 格式的都可以），并设置环境变量：
1
export OPENAI_API_KEY="sk-你的密钥"

4.2 先跑通一次普通对话

1
2
3
4
5
6
7
8
9
10
11
12
13
from openai import OpenAI

client = OpenAI()  # 会自动读取 OPENAI_API_KEY 环境变量

resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "你是一个乐于助人的助手。"},
        {"role": "user", "content": "你好，请用一句话介绍你自己。"},
    ],
)

print(resp.choices[0].message.content)

如果用 DeepSeek 等模型，把上面改成 client = OpenAI(base_url="https://api.deepseek.com/v1") 并把 model 换成 deepseek-chat 即可，接口完全兼容。

4.3 让它“动手”：最小 Agent 循环

下面这个例子演示 Agent 的核心循环（ReAct：思考 → 行动 → 观察 → 再思考）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
import json
from openai import OpenAI

client = OpenAI()

def calculator(expr: str) -> str:
    """一个最简单的工具：计算数学表达式"""
    return str(eval(expr))  # 演示用，生产环境不要用 eval！

TOOLS = [
    {
        "type": "function",
        "function": {
            "name": "calculator",
            "description": "计算数学表达式，例如 1+2*3",
            "parameters": {
                "type": "object",
                "properties": {
                    "expr": {"type": "string", "description": "要计算的数学表达式"},
                },
                "required": ["expr"],
            },
        },
    },
]

messages = [
    {"role": "system", "content": "你是一个会使用工具的助手。需要计算时调用 calculator。"},
    {"role": "user", "content": "请帮我计算 (12 + 8) * 5 等于多少？"},
]

# 最多循环 5 轮，防止死循环
for _ in range(5):
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=messages,
        tools=TOOLS,
    )
    msg = resp.choices[0].message

    # 1. 模型没有要求调用工具：直接输出最终答案，结束
    if not msg.tool_calls:
        print("最终回答:", msg.content)
        break

    # 2. 模型要求调用工具：把请求追加进对话
    messages.append(msg)

    # 3. 逐个执行工具，并把结果返回给模型
    for call in msg.tool_calls:
        if call.function.name == "calculator":
            args = json.loads(call.function.arguments)
            result = calculator(args["expr"])
        else:
            result = "未知工具"

        messages.append({
            "role": "tool",
            "tool_call_id": call.id,
            "content": result,
        })
        print(f"[工具] calculator({args['expr']}) = {result}")

运行后你会看到类似输出：

1
2
[工具] calculator((12 + 8) * 5) = 100
最终回答: (12 + 8) * 5 = 100

这个 30 行的程序就是一个“微型 Agent”：它已经具备了思考（LLM）+ 工具（calculator）+ 循环（for），只差记忆和更多工具——后面几篇文章会一步步加上。

五. Agent 的典型工作流程

一个成熟的 Agent 通常长这样：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
用户任务
   │
   ▼
规划器：把大任务拆成小步骤（可以用 LLM 做）
   │
   ▼
┌─────────────────────────────────┐
│ 执行循环（可以跑很多轮）          │
│   LLM 思考 → 决定行动            │
│   → 调用工具 / 查记忆 / 检索知识  │
│   → 把结果喂回 LLM → 继续        │
└─────────────────────────────────┘
   │
   ▼
输出最终结果

六. 本系列学习路线图

给初学者一条清晰的路线，按顺序学效果最好：

篇 主题 你要学会什么
零 入门（本文） Agent 是什么，跑通最小 Agent
一 Prompt 工程 让 LLM 听话：角色、示例、思维链、JSON 输出
二 Memory 记忆 上下文窗口、短期/长期记忆、向量记忆
三 Tool 工具 Function Calling：给 Agent 装上手和脚
四 RAG 检索增强 让 Agent 拥有“图书馆”：知识检索
五 Skill 技能 把提示词+流程+资源打包成可复用技能
六 MCP 协议 用统一标准连接一切外部系统
七 综合实战 把前六篇整合成一个完整 Agent 项目

七. 小结与作业

小结

  1. Agent = LLM（大脑）+ 规划 + 记忆 + 工具 + 行动循环；
  2. 普通聊天只会“说”，Agent 会“做”；
  3. LLM 知识会过时、不会调用外部系统，Agent 用工具和记忆补齐；
  4. 最小 Agent 只需要“消息列表 + tools 参数 + 执行循环”三件事。

作业（建议动手）

  1. 把 4.2 的代码跑通，换成你手头有的任意大模型 API；
  2. 给 calculator 工具增加一个 get_time 工具（返回当前时间），让 Agent 回答“现在几点”；
  3. 想一想：如果 Agent 一直调用同一个工具停不下来，应该怎么防止？（提示：循环次数上限）

下一篇我们学习最基础也最重要的 Prompt 工程，让 LLM 真正“听话”。