# 1.1 AI Agent 是什么？ > **Week 1 | Lesson 1.1 | 45 分钟** --- ## 学习目标 完成本课后，你将能够： - 说出 AI Agent 的四个核心组件 - 区分传统聊天模式与 Agent 模式的行为差异 - 理解 Agent 如何自主调用工具完成任务 - 运行一个简单的 Python 示例，感受 Agent 的工作方式 --- ## 从 ChatGPT 到 AI Agent：一次范式转变 2022 年底，ChatGPT 横空出世。你可以跟它对话、问问题、让它写代码。但它的行为有一个根本限制：**你说一句，它回一句**。它不会主动去查资料、不会操作其他软件、不会把一个复杂任务拆成几步自己干完。 AI Agent 改变了这一点。 ### 对比：聊天 vs Agent | 维度 | 传统聊天（ChatGPT） | AI Agent | |------|---------------------|----------| | 主动性 | 被动响应，你说它答 | 主动规划，拆解任务 | | 工具使用 | 只能用训练数据中的知识 | 可以调用搜索引擎、读文件、执行代码 | | 记忆 | 限于当前对话窗口 | 可以持久化记忆，跨会话保留信息 | | 决策 | 没有决策能力 | 根据结果自主决定下一步 | | 任务完成 | 给出建议，你来执行 | 自己执行，返回结果 | ### 一个具体例子 **任务：查一下 2025 年诺贝尔物理学奖得主是谁，然后用中文写一段 100 字以内的简介。** - **传统聊天模式**：模型会根据训练数据回答。如果训练数据截止日期之前没有这个信息，它会说"我不知道"。它不会去网上查。 - **Agent 模式**： 1. 收到任务 2. 判断"我不知道最新信息，需要搜索" 3. 调用搜索工具，查到结果 4. 读取搜索结果 5. 根据结果撰写简介 6. 返回最终答案 关键区别：**Agent 会自己决定"我需要什么工具"，然后去用它。** --- ## AI Agent 的四个核心组件 一个 AI Agent = **LLM + Memory + Tools + Autonomous Decision** ``` ┌─────────────┐ │ LLM │ ← 大脑：理解、推理、生成 │ (大语言模型) │ └──────┬──────┘ │ ┌────────────────┼────────────────┐ ▼ ▼ ▼ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ Memory │ │ Tools │ │ Decision │ │ (记忆) │ │ (工具) │ │ (自主决策) │ └─────────────┘ └─────────────┘ └─────────────┘ ``` ### 1. LLM（大语言模型）—— 大脑 LLM 是 Agent 的核心推理引擎。它负责： - 理解用户的自然语言指令 - 规划任务步骤 - 决定调用哪个工具 - 整合工具返回的结果，生成最终回答 常见的 LLM： - OpenAI GPT 系列（GPT-4o、GPT-4o-mini） - Claude 系列（Sonnet、Opus） - 开源模型（Llama 3、Qwen 2.5）—— 可通过 Ollama 本地运行 ### 2. Memory（记忆）—— 经验 Memory 让 Agent 不是一只"金鱼"。它包括： - **短期记忆**：当前对话的上下文 - **长期记忆**：持久化存储的关键信息（向量数据库、文件等） ```python # 简单的记忆示例：Agent 记住用户的偏好 memory = { "user_name": "张三", "preferred_language": "中文", "last_queries": [ "2025年诺贝尔物理学奖", "Python 异步编程最佳实践" ] } # Agent 可以根据记忆个性化回答 def greet_agent(memory): name = memory.get("user_name", "用户") return f"你好 {name}，有什么可以帮你的？" ``` ### 3. Tools（工具）—— 手脚 Tools 是 Agent 与外部世界交互的接口。常见的工具类型： | 工具类型 | 用途 | 示例 | |----------|------|------| | 搜索工具 | 获取实时信息 | Google Search API, Tavily | | 文件操作 | 读写本地文件 | `open()`, `pathlib` | | 代码执行 | 运行 Python 代码 | Python REPL | | API 调用 | 访问外部服务 | HTTP 请求、天气 API | | 数据库 | 查询和存储数据 | SQLite, PostgreSQL | ```python # 一个简单的工具函数示例 def search_web(query: str) -> str: """搜索网络并返回摘要结果""" # 这里模拟搜索工具 results = { "Python": "Python 是一种高级编程语言，由 Guido van Rossum 于 1991 年发布", "HTTP": "HTTP 是超文本传输协议，用于 Web 浏览器和服务器之间的通信" } return results.get(query, f"未找到关于 '{query}' 的结果") # 工具可以被 Agent 调用 print(search_web("Python")) # 输出: Python 是一种高级编程语言，由 Guido van Rossum 于 1991 年发布 ``` ### 4. Autonomous Decision（自主决策）—— 灵魂 这是 Agent 区别于普通聊天机器人的核心。自主决策意味着： ```python # 传统聊天：直接回答 def chat_response(question): return llm.generate(question) # 只有一种路径 # Agent 模式：先判断，再行动 def agent_response(question): # 第一步：判断是否需要外部信息 plan = llm.analyze(question) if plan.needs_search: # 第二步：自主决定使用搜索工具 results = search_web(plan.search_query) # 第三步：整合结果生成回答 return llm.generate(question, context=results) else: # 不需要工具，直接回答 return llm.generate(question) ``` Agent 的决策循环（ReAct 模式）： ``` 思考 (Thought) → 行动 (Action) → 观察 (Observation) → 再思考 → ... → 回答 ``` --- ## Agent 工作原理解析：一个完整流程 让我们用代码展示一个简化版 Agent 的完整工作流程： ```python import json class SimpleAgent: """一个极简的 AI Agent 实现""" def __init__(self): # 工具注册表：Agent 知道自己有哪些工具可用 self.tools = { "calculator": self._calculator, "search": self._search, "greet": self._greet, } # 短期记忆 self.memory = [] def _calculator(self, expression: str) -> str: """工具1：计算器""" try: # 注意：生产环境不要用 eval，这里仅做演示 result = eval(expression) return f"计算结果: {result}" except Exception as e: return f"计算错误: {e}" def _search(self, query: str) -> str: """工具2：模拟搜索""" knowledge_base = { "Python": "Python 是一种高级编程语言，1991 年发布，以简洁优雅著称", "AI": "人工智能（AI）是让机器模拟人类智能的技术", "Agent": "AI Agent 是能自主使用工具完成任务的智能体", } for key, value in knowledge_base.items(): if key.lower() in query.lower(): return value return f"未找到关于 '{query}' 的信息" def _greet(self, name: str) -> str: """工具3：问候""" return f"你好，{name}！欢迎使用 AI Agent！" def run(self, user_input: str) -> str: """ Agent 的主循环： 1. 分析用户输入 2. 判断需要哪个工具 3. 调用工具 4. 返回结果 """ # 记录到记忆 self.memory.append({"role": "user", "content": user_input}) # --- 决策阶段：判断使用哪个工具 --- lower_input = user_input.lower() if any(word in lower_input for word in ["计算", "算一下", "+", "-", "*", "/"]): tool_name = "calculator" # 提取计算表达式 import re expr = re.search(r'[\d\s\+\-\*\/\.\(\)]+', user_input) tool_input = expr.group(0) if expr else "0" elif any(word in lower_input for word in ["什么是", "查一下", "搜索", "告诉我不"]): tool_name = "search" tool_input = user_input elif any(word in lower_input for word in ["你好", "hi", "hello", "嗨"]): tool_name = "greet" tool_input = "朋友" else: # 没有匹配的工具，直接回答 return "我还在学习新技能，暂时只能帮你计算、搜索或打招呼。" # --- 执行阶段：调用工具 --- print(f"[Agent 思考] 我需要使用工具: {tool_name}") tool_result = self.tools[tool_name](tool_input) print(f"[Agent 执行] 工具返回: {tool_result}") # 记录结果到记忆 self.memory.append({"role": "assistant", "content": tool_result}) return tool_result # ========== 运行示例 ========== if __name__ == "__main__": agent = SimpleAgent() print("=" * 60) print("AI Agent 演示") print("=" * 60) # 测试 1：使用计算器工具 print("\n--- 测试 1：计算 ---") user_question = "帮我计算 23 * 45 + 100" print(f"用户: {user_question}") result = agent.run(user_question) print(f"Agent: {result}") # 测试 2：使用搜索工具 print("\n--- 测试 2：搜索 ---") user_question = "什么是 AI Agent？" print(f"用户: {user_question}") result = agent.run(user_question) print(f"Agent: {result}") # 测试 3：使用问候工具 print("\n--- 测试 3：问候 ---") user_question = "你好！" print(f"用户: {user_question}") result = agent.run(user_question) print(f"Agent: {result}") # 测试 4：没有匹配的工具 print("\n--- 测试 4：未知请求 ---") user_question = "帮我画一幅画" print(f"用户: {user_question}") result = agent.run(user_question) print(f"Agent: {result}") ``` **运行输出：** ``` ============================================================ AI Agent 演示 ============================================================ --- 测试 1：计算 --- 用户: 帮我计算 23 * 45 + 100 [Agent 思考] 我需要使用工具: calculator [Agent 执行] 工具返回: 计算结果: 1135 Agent: 计算结果: 1135 --- 测试 2：搜索 --- 用户: 什么是 AI Agent？ [Agent 思考] 我需要使用工具: search [Agent 执行] 工具返回: AI Agent 是能自主使用工具完成任务的智能体 Agent: AI Agent 是能自主使用工具完成任务的智能体 --- 测试 3：问候 --- 用户: 你好！ [Agent 思考] 我需要使用工具: greet [Agent 执行] 工具返回: 你好，朋友！欢迎使用 AI Agent！ Agent: 你好，朋友！欢迎使用 AI Agent！ --- 测试 4：未知请求 --- 用户: 帮我画一幅画 Agent: 我还在学习新技能，暂时只能帮你计算、搜索或打招呼。 ``` 注意看这个流程：Agent **先思考**需要哪个工具，**再执行**，**最后返回**结果。这就是与传统聊天最本质的区别。 --- ## 主流 Agent 框架 在实际开发中，我们通常不会从零手写 Agent，而是使用成熟的框架。以下是当前最主流的选择： | 框架 | 特点 | 适合场景 | |------|------|----------| | **LangGraph** | 基于状态机的图结构，流程可控 | 需要精确控制 Agent 流程 | | **OpenAI Agents SDK** | OpenAI 官方出品，轻量易用 | OpenAI 模型 + 简单 Agent | | **CrewAI** | 多 Agent 协作，角色扮演 | 需要多个 Agent 协同工作 | | **AutoGen** | 微软出品，多 Agent 对话 | 复杂的多 Agent 场景 | | **LlamaIndex** | 专注 RAG（检索增强生成） | 知识库问答场景 | 本课程主要使用 **OpenAI Agents SDK** 和 **Ollama** 作为开发工具，因为它们： - 上手简单，代码量少 - 同时支持云端 API 和本地模型 - 社区活跃，文档丰富 --- ## 动手练习 ### 练习 1：扩展 Agent 的工具 在上面 `SimpleAgent` 的基础上，添加一个新的工具 `time_tool`，当用户问"现在几点"或"当前时间"时，返回当前系统时间。 提示代码： ```python import datetime def _get_time(self, _query: str) -> str: """工具：获取当前时间""" now = datetime.datetime.now() return f"当前时间是: {now.strftime('%Y年%m月%d日 %H:%M:%S')}" ``` ### 练习 2：让 Agent 有记忆 修改 `SimpleAgent.run()` 方法，让 Agent 能引用之前的对话内容。例如： ``` 用户: 你好！ Agent: 你好，朋友！欢迎使用 AI Agent！ 用户: 我叫小明 Agent: 好的，我记住了，你叫小明。 用户: 我叫什么名字？ Agent: 你叫小明。 ``` 提示：可以在 `memory` 中查找用户的名字。 --- ## 本节总结 - **AI Agent 不是更强的聊天机器人**，而是能自主使用工具完成任务的智能体 - **四个核心组件**缺一不可：LLM（大脑）、Memory（记忆）、Tools（工具）、Autonomous Decision（决策） - Agent 的工作流程是循环的：**思考 -> 行动 -> 观察 -> 再思考** - 与传统聊天的本质区别在于**主动性**和**工具使用能力** - 实际开发中推荐使用成熟框架，本课程选用 **OpenAI Agents SDK** + **Ollama** 下一课，我们将搭建开发环境，让你的电脑具备运行 AI Agent 的能力。