1. 先搞清楚“AI Agent”到底能帮你做什么别被概念绕晕如果你最近在关注AI应用开发尤其是想自己动手做点东西那“AI Agent”这个词肯定绕不过去。但别急着去搜教程、看框架第一步得先弄明白它到底解决的是什么问题。简单来说AI Agent就是一个能自主理解任务、规划步骤、调用工具并执行最终给你一个结果的智能程序。它和直接问ChatGPT最大的区别在于“自主性”和“工具使用能力”。举个例子你直接问大模型“帮我查一下北京明天飞上海的机票选下午的价格低于1000块的。” 大模型可能会给你一段描述但它没法真的去航司官网查实时价格和余票。但一个“机票查询Agent”可以它理解你的需求后会自己规划步骤——先调用浏览器工具打开订票网站再模拟输入查询条件最后解析网页结果把真实的航班列表和价格整理好给你。这个过程里它自己判断下一步该做什么用哪个工具。所以AI Agent的核心价值不是“又一个聊天机器人”而是让大模型从“健谈的顾问”变成“能干的助手”。它适合谁一是想基于大模型能力开发实际应用的开发者比如做个自动处理工单、分析数据报告、管理社交媒体内容的工具二是想深入理解AI应用架构提升工程能力的技术人员。最值得关注的不是某个框架多火而是你能否让一个Agent在真实场景下稳定、可靠地跑起来处理好输入、规划、执行、输出这个完整闭环。很多人一开始容易陷入两个误区要么觉得Agent太玄乎无从下手要么以为找个平台拖拖拽拽就能做出生产级应用。我的经验是你得从“单任务验证”开始先让Agent成功完成一个最小闭环再考虑复杂逻辑和稳定性。下面我就按这个思路带你从环境准备到实战拆解一遍。2. 环境与工具选型本地、云平台还是开源框架动手之前先定好技术栈。这直接决定你的学习路径和最终能做出什么。目前主要有三条路2.1 本地部署与开源框架路线这条路适合喜欢折腾、对数据隐私和定制化要求高、想深入理解原理的开发者。核心在你自己控制的服务器或电脑上部署开源的大模型和Agent框架。优点数据完全私有可深度定制学习曲线陡峭但知识扎实。挑战需要一定的机器资源GPU更佳依赖管理和部署运维有一定门槛。典型组合大模型可以选择 Llama、Qwen、ChatGLM 等开源模型。对于入门和测试建议先从量化版本如Qwen2.5-7B-Instruct-GGUF开始它对CPU和内存更友好。Agent框架LangChain和LlamaIndex是目前最主流的两个Python框架。LangChain更偏向于构建复杂的、可编排的工作流链LlamaIndex则擅长与私有数据结合做检索增强生成RAG。对于新手我建议从LangChain入手它的社区生态和教程更丰富。开发环境Python 3.9一个熟悉的IDE如VSCode以及pip或conda管理包。我的建议如果你是开发者想打好基础强烈建议走这条路。哪怕一开始只用CPU跑小模型也能把Agent的核心概念工具调用、记忆、规划摸清楚。先别追求效果多好关键是流程能通。2.2 使用云平台/低代码平台路线这条路适合快速验证想法、聚焦业务逻辑而非底层技术、或团队中缺少资深AI工程师的场景。核心使用国内外各大厂商提供的AI平台通过图形化界面或简单配置快速组装一个Agent。优点开箱即用无需操心模型部署和算力集成多种预置工具搜索、画图、读文件等开发速度快。挑战通常按使用量付费定制能力受平台限制底层逻辑可能是个黑盒。典型平台输入材料里提到了 Dify、Coze 等。这类平台通常提供可视化的工作流编排你只需要配置提示词、连接不同的功能模块模型、知识库、工具即可。如何选择如果你的目标是“在几小时内做出一个能演示的智能客服或内容生成助手”并且愿意接受云服务那么平台是最高效的选择。重点评估平台的工具生态、API调用成本和是否符合你的数据合规要求。2.3 混合路线这也是很多成熟项目的选择核心逻辑和敏感数据处理放在本地或私有云同时安全地调用公有云大模型的API来获得更强的核心能力。例如用本地框架LangChain编排流程工具自己写但思考规划的大脑大模型使用 OpenAI 的 GPT-4 或 Anthropic 的 Claude 的 API。选型结论学习与深度探索选本地开源框架LangChain 本地/API模型。快速原型与业务验证选云平台如Dify。企业级生产应用根据数据安全、成本、性能综合考量往往是混合架构。为了让你获得最扎实的理解下文我们将以“本地LangChain 开源大模型”这条最具普适性的路线为例进行实操演示。其他路线的逻辑是相通的。3. 实战第一步搭建你的第一个“计算器Agent”我们从一个最简单的目标开始打造一个能进行数学计算的Agent。这个例子虽小但包含了Agent的所有核心要素理解用户意图、调用工具计算器、返回结果。3.1 基础环境搭建首先确保你的Python环境就绪。我强烈建议使用虚拟环境来管理依赖避免包冲突。# 创建并激活一个虚拟环境以conda为例也可用venv conda create -n ai-agent python3.10 conda activate ai-agent # 安装核心库 pip install langchain langchain-community # 安装一个开源模型库这里以Ollama为例因为它能非常方便地在本地运行各种模型 # 请先根据Ollama官网(https://ollama.com/)指示安装Ollama本身 # 然后拉取一个轻量模型比如Llama 3.2 或 Qwen2.5 # 在终端执行ollama pull llama3.2:3b # 接着安装LangChain的Ollama集成包 pip install langchain-ollama3.2 定义工具ToolAgent的手和脚就是工具。我们先定义一个简单的乘法计算器工具。# tool_calculator.py from langchain.tools import tool import math tool def multiply(a: float, b: float) - float: Multiply two numbers. Useful when you need to do multiplication. return a * b # 你可以继续定义更多工具比如加法、除法等 tool def add(a: float, b: float) - float: Add two numbers. return a b # 将工具放入列表供Agent使用 tools [multiply, add]这个tool装饰器是LangChain的关键它会把你的Python函数包装成Agent能识别和调用的标准工具。文档字符串docstring非常重要Agent主要靠它来理解这个工具是干什么的、什么时候用。3.3 创建Agent并运行现在我们把大脑模型和工具组装起来形成一个能自主决策的Agent。# agent_runner.py from langchain.agents import create_react_agent, AgentExecutor from langchain_ollama import OllamaLLM from langchain_core.prompts import PromptTemplate from tool_calculator import tools # 导入上一步定义的工具 # 1. 初始化大模型使用本地Ollama服务 # 确保你已经运行了 ollama pull llama3.2:3b 并启动了Ollama服务 llm OllamaLLM(modelllama3.2:3b, base_urlhttp://localhost:11434) # 2. 创建ReAct风格的Agent # ReActReasoning Acting是一种让模型边思考边行动的经典Agent模式 prompt PromptTemplate.from_template( 你是一个乐于助人的助手可以调用工具来解决问题。 请严格按照以下格式回答 思考你需要先思考当前情况和你需要做什么。 行动你需要调用的工具名称必须是以下工具之一[{tool_names}] 行动输入调用该工具所需的输入必须是一个有效的JSON字符串例如{{a: 5, b: 3}} 观察工具返回的结果 ...这个思考-行动-观察循环可以重复多次 最终答案当你认为已经得到最终答案时用“最终答案”开头给出答案。 现在开始处理用户的问题。 问题{input} 思考) agent create_react_agent(llm, tools, prompt) # 3. 创建Agent执行器 agent_executor AgentExecutor(agentagent, toolstools, verboseTrue, handle_parsing_errorsTrue) # 4. 运行Agent if __name__ __main__: question 请计算 12 乘以 8 等于多少 print(f用户问题{question}) result agent_executor.invoke({input: question}) print(f\n最终结果{result[output]})3.4 运行与解析执行python agent_runner.py。你会看到类似以下的详细输出verboseTrue开启了详细日志用户问题请计算 12 乘以 8 等于多少 进入新的Agent执行链... 思考用户要求计算12乘以8。我需要使用乘法工具。 行动multiply 行动输入{a: 12, b: 8} 观察96 思考我已经得到了计算结果96这就是最终答案。 最终答案96 最终结果96这就是一个最小可运行的AI Agent它完整展示了流程理解模型解析问题识别出需要做乘法。规划模型决定调用multiply工具。执行模型生成正确的JSON输入{a: 12, b: 8}框架调用工具函数。观察与反馈工具返回结果96模型接收到这个“观察”。输出模型判断任务完成给出最终答案。第一个避坑点如果这里出错了大概率不是Agent逻辑问题。请按顺序检查Ollama服务终端运行ollama list确认模型已下载运行ollama serve确保服务在运行。网络端口确认base_url的端口默认11434是否正确。工具定义检查tool装饰器和函数文档字符串是否正确。模型能力如果模型很小如3B可能规划能力弱可以尝试换稍大的模型如7B或优化提示词Prompt。4. 进阶实战打造一个“多功能文件处理Agent”只会计算器太简单了。我们升级一下做一个更实用的Agent它能根据你的命令自动读取文件、分析内容、甚至进行简单的数据提取。这个例子会引入更多关键概念多工具协作、处理真实数据、提示词工程。4.1 定义更丰富的工具集我们创建三个工具读取文本文件、统计词频、提取特定格式信息如邮箱。# advanced_tools.py from langchain.tools import tool import re from collections import Counter from pathlib import Path tool def read_text_file(file_path: str) - str: Read the content of a text file from the given path. try: path Path(file_path) if not path.exists(): return fError: File not found at {file_path} return path.read_text(encodingutf-8) except Exception as e: return fError reading file: {str(e)} tool def count_word_frequency(text: str) - str: Count the frequency of each word in the provided text. Returns a formatted string. # 简单的清洗和分割 words re.findall(r\b\w\b, text.lower()) freq Counter(words) # 返回排序后的结果 sorted_freq sorted(freq.items(), keylambda x: x[1], reverseTrue) result \n.join([f{word}: {count} for word, count in sorted_freq[:10]]) # 只显示前10个 return fTop 10 word frequencies:\n{result} tool def extract_emails(text: str) - str: Extract all email addresses from the provided text. # 一个简单的邮箱正则匹配 email_pattern r[a-zA-Z0-9._%-][a-zA-Z0-9.-]\.[a-zA-Z]{2,} emails re.findall(email_pattern, text) if emails: return fFound emails: {, .join(set(emails))} # 去重 else: return No email addresses found. advanced_tools [read_text_file, count_word_frequency, extract_emails]4.2 优化提示词Prompt以提升表现对于复杂任务一个清晰的提示词至关重要。我们改进之前的提示词给模型更明确的指令和格式约束。# advanced_agent.py from langchain.agents import create_react_agent, AgentExecutor from langchain_ollama import OllamaLLM from langchain_core.prompts import PromptTemplate from advanced_tools import advanced_tools llm OllamaLLM(modelqwen2.5:7b) # 可以换一个稍大的模型 # 更详细、结构化更强的提示词 system_prompt 你是一个专业的文件处理助手。你的任务是理解用户对文件的请求并调用合适的工具来一步步解决问题。 你可以使用的工具有 {tools} 请严格遵守以下格式 思考分析用户请求决定下一步做什么。如果需要使用工具说明原因。 行动要调用的工具名称必须是[{tool_names}]中的一个。 行动输入调用工具的输入必须是正确的格式。 观察工具返回的结果。 ...重复思考-行动-观察直到问题解决 最终答案总结所有发现清晰地回答用户。 如果用户请求不明确或无法完成请礼貌说明原因。 现在开始 用户请求{input} 思考 prompt PromptTemplate.from_template(system_prompt) agent create_react_agent(llm, advanced_tools, prompt) agent_executor AgentExecutor(agentagent, toolsadvanced_tools, verboseTrue, max_iterations5, handle_parsing_errorsTrue) # 准备一个示例文件 sample.txt sample_content Hello team, Please review the Q3 report. Contact project leads: aliceexample.com, bobcompany.com. Our main keywords are: AI, Agent, development, AI, model, testing. Meeting notes are attached. Regards, Charlie (charliecompany.org) Path(sample.txt).write_text(sample_content) # 测试复杂查询 if __name__ __main__: questions [ 读取 sample.txt 文件告诉我里面提到了哪些邮箱, 分析 sample.txt 文件里最常用的词是什么, ] for q in questions: print(f\n{*50}) print(f用户请求{q}) result agent_executor.invoke({input: q}) print(f\n助手最终回答{result[output]})4.3 运行与结果分析运行这个脚本你会看到Agent如何进行多步推理。例如对于第一个问题思考用户要邮箱我需要先读取文件内容。行动调用read_text_file输入{file_path: sample.txt}。观察获得文件全文。思考现在有了内容可以提取邮箱了。行动调用extract_emails输入上一步获取的文本。观察获得邮箱列表。最终答案总结并输出找到的邮箱。第二个避坑点工具链与错误处理。这里有几个关键经验max_iterations这个参数限制了Agent的最大循环次数防止它陷入死循环。对于简单任务5-10次足够复杂任务可以设高些但要监控。handle_parsing_errors设为True很重要。当模型生成的“行动”或“行动输入”格式不符合要求时框架会尝试修复而不是直接崩溃。工具输入的构造模型有时会生成错误的JSON如缺少引号。在工具函数内部做好类型检查和异常捕获就像我们read_text_file里做的返回清晰的错误信息能帮助模型自我纠正。文件路径这是本地工具常见的坑。确保你的工具函数能正确解析相对路径或绝对路径。对于生产环境一定要对文件路径进行安全性校验防止目录遍历攻击。5. 从Demo到“可用”工程化与关键问题排查让一个Agent在Jupyter里跑通和让它能稳定、可靠地处理真实任务中间还有很大距离。这部分是区分“玩具”和“工具”的关键。5.1 记忆Memory—— 让Agent拥有上下文之前的Agent都是“金鱼脑”每次对话互不相干。要实现多轮对话需要引入记忆机制。LangChain提供了多种记忆后端。# 添加对话记忆 from langchain.memory import ConversationBufferMemory memory ConversationBufferMemory(memory_keychat_history, return_messagesTrue) # 在创建Agent执行器时传入memory agent_executor_with_memory AgentExecutor( agentagent, toolstools, memorymemory, verboseTrue, handle_parsing_errorsTrue ) # 调用时会自动管理历史对话上下文 result1 agent_executor_with_memory.invoke({input: 我叫小明。}) result2 agent_executor_with_memory.invoke({input: 我的名字是什么}) # Agent会记得记忆的选择ConversationBufferMemory简单但会无限增长可能导致上下文过长。生产环境可以考虑ConversationSummaryMemory总结历史或ConversationEntityMemory记住实体并结合向量数据库进行长期记忆存储。5.2 处理“AI幻觉”与规划失败“幻觉”和规划错误是Agent开发中最常见的问题。模型可能调用不存在的工具或生成不合逻辑的步骤。幻觉调用模型调用了一个你没提供的工具。对策在提示词中清晰列出所有可用工具[{tool_names}]并强调“必须是其中之一”。框架层如AgentExecutor也会拦截无效调用。逻辑死循环模型在两个步骤间来回切换无法推进。对策设置max_iterations上限在提示词中要求模型“如果当前步骤无法推进请解释原因并结束任务”也可以实现一个监控程序在检测到循环时中断任务。工具调用参数错误比如要求read_text_file但输入是{path: file.txt}而不是{file_path: file.txt}。对策一是靠提示词明确输入格式二是使用Pydantic工具定义LangChain支持用Pydantic模型严格定义工具输入格式模型生成时会更规范。5.3 性能、监控与部署考量延迟每次模型思考、生成、调用工具都需要时间。对于实时性要求高的场景需要优化。方法使用更快的模型推理优化版本、对工具调用做并行处理、缓存频繁使用的工具结果。成本如果使用商用API如GPT-4每次Agent循环思考行动都可能消耗大量Token。监控Token使用量、设置预算上限是必须的。日志与追溯生产环境必须记录完整的Agent执行轨迹Thought, Action, Observation。这不仅是调试的需要也是理解Agent决策过程、审计和优化的重要依据。verboseTrue的输出就是最简单的日志应将其持久化到文件或日志系统。部署模式可以将Agent封装成一个FastAPI 或 Flask 服务提供HTTP接口。这样前端或其他系统就可以方便地调用。注意在服务中管理好Agent实例的生命周期和状态如记忆。5.4 扩展方向连接真实世界工具Tools是Agent能力的边界。要让Agent真正有用就得为它装备强大的工具。除了自定义Python函数还可以集成网络搜索通过SerpAPI、DuckDuckGo Search等工具获取实时信息。API调用封装公司内部或第三方API让Agent可以操作CRM、发送邮件、查询数据库。代码执行在安全沙箱中运行代码进行数据分析或计算需极度谨慎。RAG检索增强生成这是当前最火热的方向之一。让Agent能够从你提供的文档、知识库中查找信息再生成答案极大减少幻觉。这通常通过结合LlamaIndex或LangChain 的 Retriever来实现。6. 总结从入门到精通的路径与心态AI Agent开发不是一个看完教程就能立刻精通的事情。它更像是一个循环构建原型 - 测试 - 发现失败案例 - 改进提示词/工具/流程 - 再次测试。给新手的建议路线图第1周理解Agent核心概念ReAct模式工具使用。在本地用LangChain Ollama小模型跑通“计算器Agent”和“文件处理Agent”。目标是理解数据流。第2-3周尝试集成一个真实工具。比如写一个工具调用公开的天气API然后让Agent回答“北京和上海哪里更暖和”。这会遇到API格式、错误处理等实际问题。第4周引入记忆做一个简单的多轮对话助手。同时开始关注提示词工程尝试不同的提示词对结果稳定性的影响。第1-2个月尝试一个小型项目比如“个人旅行规划助手”。它需要能搜索信息、读取你的日历文件、进行简单推荐。这会综合运用多工具、记忆和规划。长期深入研究高级框架如AutoGen, CrewAI学习多Agent协作探索RAG让Agent拥有专属知识库关注开源模型和框架的更新特别是推理性能优化和工具调用能力的提升。最重要的心态不要一开始就追求做一个“全能Agent”。从解决一个非常具体、边界清晰的小问题开始。Agent开发中90%的挑战不在于模型多强而在于如何设计稳健的工具、清晰的提示词以及处理各种边界情况。每一次失败都是你理解这个系统如何运作的宝贵机会。先让一个小循环稳定跑起来再逐步扩大它的能力和边界这才是最踏实的进阶之路。
![[光学原理与应用-521]：对光的错误理解与纠偏](http://pic.xiahunao.cn/yaotu/[光学原理与应用-521]：对光的错误理解与纠偏)
