AI 编程教程

简体中文

English

简体中文

English

Appearance

第 9 章：AI Agent ​

学完本章，你能：理解 Agent 本质，手写 ReAct Agent，使用主流框架构建 Agent

想象一下，如果 AI 不只是回答问题，而是能自己思考"接下来该干啥"，像一个靠谱的 AI 打工人一样，自己决定用哪个工具、调用几次，直到把活儿干完——这就是我们今天要聊的 Agent！

9.1 Agent 核心概念 进阶 免费 ​

前置知识：7.1 Function Calling 基础

为什么需要它？（Problem） ​

当你掌握了 Function Calling 之后，会发现一个新问题：谁来决定何时调用哪个工具？

类比时间

想象你在管理一个实习生。如果你每次都要告诉他"第一步做这个，第二步做那个"，那你累不累？如果他能自己想"哦，我需要先查数据，再算个数，最后写报告"，是不是就轻松多了？Agent 就是这样的"自主实习生"。

场景 1：订机票任务

用户："帮我订一张明天从北京到上海的机票"

python
# 需要依次调用多个工具
1. search_flights(from="北京", to="上海", date="2026-02-21")
2. check_seat_availability(flight_id="CA1234")  
3. get_user_payment_info()
4. book_flight(flight_id="CA1234", passenger_info={...})
5. send_confirmation_email(booking_id="BK789")

问题：

  • 如果手动编排，就是在写 if-else —— 和传统编程没区别
  • 如果让 LLM 一次性规划，中间状态变了怎么办？（比如座位被抢了）
  • 如果工具调用失败了，需要重试或换方案，谁来处理？

场景 2：数据分析任务

用户："分析一下最近一个月的销售数据，找出下降趋势的原因"

python
# 不确定需要调用多少次工具
1. query_database(sql="SELECT * FROM sales WHERE date > '2026-01-20'")
2. 发现异常 → calculate_statistics(data)
3. 需要更多数据 → query_database(sql="SELECT * FROM marketing WHERE...")  
4. 生成图表 → plot_chart(data, type="line")
5. 写报告 → generate_report(findings)

问题：

  • 调用次数不确定：可能需要 3 次，也可能需要 10 次
  • 每次调用依赖上次结果：下一步取决于当前发现了什么
  • 需要中间推理：不是简单的"调用工具"，而是"思考→行动→观察→再思考"

根本矛盾：

Function Calling 解决了 "如何用工具"，但没解决 "何时用、用哪个、用多少次"。

这就需要 AI Agent——一个能 自主决策、持续行动 的智能体。

注意

Agent 不是魔法！它本质上是"多次调用 LLM + 循环决策"。每次循环都要花钱、花时间。所以简单任务别用 Agent，就像你不会请一个项目经理来帮你倒杯水。

一句话总结： Agent = 会自己决定"下一步干啥"的 AI 打工人。

它是什么？（Concept） ​

AI Agent 是什么？

简单来说，Agent 就是一个 AI 打工人，你给他一个任务，他自己琢磨怎么干，干完了告诉你。

AI Agent（智能体）是一个能够：

  1. 感知（Perceive）：理解任务和环境状态
  2. 规划（Plan）：决定下一步做什么
  3. 执行（Act）：调用工具或生成输出
  4. 观察（Observe）：查看执行结果
  5. 循环迭代：根据观察结果调整计划

直到任务完成。

AI Agent vs 简单 LLM 调用

维度简单 LLM 调用Function CallingAI Agent
交互次数一次性一次或少数几次多次循环，直到完成
决策能力人工决定提示词人工决定调用哪个工具AI 自主决定下一步
工具使用无调用预定义工具自主选择和组合工具
错误处理无法处理需要人工干预自动重试或调整策略
任务复杂度单一问答单步或简单多步复杂多步，需要推理

关键差异：自主决策（Autonomy）

python
# 简单 LLM 调用：你决定一切
response = llm.chat("什么是 Python?")

# Function Calling：你决定何时调用
if user_asks_weather():
    result = call_weather_api()
    response = llm.chat(f"天气是 {result}")

# AI Agent：AI 决定做什么
agent = Agent(tools=[weather, calculator, search])
response = agent.run("帮我规划明天的行程")  # AI 自己决定调用哪些工具、调用几次

打工人比喻

  • 简单 LLM：你问"1+1=?"，它答"2"，就这样。
  • Function Calling：你说"查个天气"，它知道要调 API，但你得告诉它什么时候查。
  • Agent：你说"帮我规划明天行程"，它自己想：先查天气、再查日程、算个通勤时间、最后给建议。你啥都不用管！

一句话总结： Agent 的核心是"自主决策循环"——它自己想、自己做、自己看结果、自己决定下一步。

Agent 的核心组件

  1. LLM 大脑（Reasoning Engine）

    • 核心推理引擎
    • 理解任务、做决策、生成行动

  2. 工具箱（Tools）

    • 可调用的外部功能
    • 如：搜索引擎、数据库、计算器、代码执行器

  3. 记忆（Memory）

    • 短期记忆：当前任务的对话历史和中间结果
    • 长期记忆：知识库、过往经验

  4. 规划器（Planner）

    • 任务分解：将大任务拆成小步骤
    • 执行计划：决定先做什么、后做什么
    • 进度追踪：知道自己做到哪一步了

Agent vs 聊天机器人 vs Function Calling

关键特征：

  1. 简单聊天机器人：

    • 单次对话，无状态
    • 不能使用工具
    • 适合：FAQ、闲聊

  2. Function Calling：

    • 可以调用工具
    • 但需要人工决定调用逻辑
    • 适合：已知工作流的任务

  3. AI Agent：

    • 自主决策、循环执行
    • 能处理开放性、不确定性任务
    • 适合：复杂任务、需要多步推理

动手试试（Practice） ​

概念演示：Agent 的思考过程

我们先不写代码，通过一个例子理解 Agent 的工作流程。

任务： "帮我计算 (123 + 456) × 789 的结果，并告诉我这个数字是否是质数"

Agent 的推理过程：

[Step 1] 感知任务
用户要求：计算表达式并判断质数
分析：需要两个工具 —— 计算器 + 质数判断器

[Step 2] 规划
Plan:
  1. 先用计算器算出 (123 + 456) × 789
  2. 拿到结果后，用质数判断器检查
  3. 返回最终答案

[Step 3] 执行 - 第 1 次循环
Think: "我需要先计算表达式"
Act: 调用 calculator((123 + 456) × 789)
Observe: 得到结果 456831

[Step 4] 执行 - 第 2 次循环  
Think: "我拿到了计算结果 456831，现在需要判断是否是质数"
Act: 调用 is_prime(456831)
Observe: 得到结果 False (456831 = 3 × 152277)

[Step 5] 完成
Think: "我已经完成了所有需要的计算"
Final Answer: "(123 + 456) × 789 = 456831，这不是质数，因为它可以被 3 整除"

对比：如果是 Function Calling

python
# 需要人工写逻辑
result1 = calculator((123 + 456) * 789)
result2 = is_prime(result1)
response = f"{result1} 是{'质数' if result2 else '不是质数'}"

Agent 的优势：

  • 不需要人工写 if-else
  • 自动决定调用顺序
  • 可以处理不确定的任务（如"分析数据"）

真实 Agent 架构图

Agent 能做什么？不能做什么？

✅ Agent 擅长的任务：

  1. 多步推理任务：需要多次思考和行动
  2. 不确定性任务：不知道具体需要几步
  3. 需要工具组合：一个任务需要调用多个工具
  4. 需要中间判断：根据中间结果决定下一步

❌ Agent 不适合的任务：

  1. 简单问答：直接 LLM 调用更快更便宜
  2. 固定流程：已知步骤的任务用硬编码更可靠
  3. 实时性要求高：Agent 循环需要多次 LLM 调用，耗时较长
  4. 成本敏感：每次循环都要调用 LLM，成本是普通调用的 N 倍

别滥用 Agent

用 Agent 解决简单问题就像开坦克去买菜——能到，但没必要。记住：能用一次 LLM 调用搞定的，别用 Agent。

一句话总结： Agent 适合"我不知道要几步才能完成"的任务，不适合"一句话就能回答"的问题。

小结（Reflection） ​

  • 解决了什么：理解了 Agent 的本质——不是"调用工具"，而是"自主决策循环"
  • 没解决什么：知道了 Agent 是什么，但还不知道怎么实现——下一节手写一个最简单的 Agent
  • 关键要点：
    1. Agent 的核心是自主决策：不需要人工编排，AI 自己决定下一步
    2. Agent 的工作循环：感知 → 规划 → 执行 → 观察 → 循环
    3. Agent vs Function Calling：Function Calling 是工具，Agent 是使用工具的智能体
    4. Agent 适合复杂多步任务：不确定性、需要推理、需要工具组合
    5. Agent 不是银弹：简单任务用 Agent 是浪费，成本和延迟都更高

最后更新：2026-02-20

为 IT 部门打造的 AI 编程科普教程

MIT License