夜雨聆风
【前排提醒】本文全程无废话，原理用大白话讲，代码可直接复制跑通，建议先收藏再看，手撸的时候对着抄就行。
上周我在公司差点酸成柠檬精：我花了整整3小时翻行业网站、找竞品数据、整理三季度的业务对比，眼睛都快瞎了才拼出半篇周报，隔壁做后端的哥们摸了一上午鱼，快下班10分钟就交了完整的周报，还附了3份行业案例。
我凑过去问他是不是偷偷找了外包，他甩给我一段代码：「哪有那么麻烦，我自己写的AI Agent，输入「整理2024年Q3AIGC行业融资数据+3个典型案例，按周报结构排版」，5分钟就出结果了。」
相信很多人都有这种感受：普通大模型用起来总觉得「差点意思」——问最新的行业数据它瞎编，算个复杂数值它算错，让它整理本地文件它说不会。而AI Agent最近火到发烫，说白了就是解决了普通大模型「只会背书不会干活」的问题，今天咱们就从原理到手撸，彻底搞懂这个神器。
一、原理篇：AI Agent真的没你想的复杂
我见过很多人讲Agent上来就甩一堆术语：什么ReAct框架、Tool Use、感知行动闭环，新手直接看懵。其实你把AI Agent当成你雇的一个刚毕业的实习生就好，两者的逻辑完全一样：
1. 核心逻辑：感知→思考→行动的循环
普通大模型就是没上过班的应届生：你问他什么他都只会用脑子里背过的知识答，不知道的就编，也不会用工具，让他算个账他能给你算错三次。
而AI Agent就是给这个应届生配了三样东西：
- 耳朵/眼睛（感知）：能听懂你的需求，能看到工具返回的结果
- 脑子（思考）：会判断「我现在有什么信息，还缺什么，下一步该干嘛」
- 手（行动）：会用你给他配的工具，比如浏览器、计算器、文件阅读器
比如你让他做「2024年10月新能源汽车销量的平均值」这个任务，他的运行流程就是：
1. 感知：接收到你的需求，知道要找10月的销量数据，还要算平均
2. 思考：我脑子里的知识截止到2024年初，没有最新的10月数据，得用搜索工具搜
3. 行动：调用搜索工具，输入关键词「2024年10月新能源汽车销量排名」
4. 再感知：拿到搜索结果，看到前3名的销量分别是28万、21万、17万
5. 再思考：现在有数据了，需要计算三个数的平均值，得用计算器工具
6. 再行动：调用计算器，输入(28+21+17)/3
7. 再感知：拿到计算器返回的结果22万
8. 再思考：所有信息都齐了，可以回答用户了
9. 最终输出结果
你看，整个过程和人干活的逻辑一模一样，就是「想→做→看结果→再想→再做」的循环，没有任何高大上的东西。
2. 大家常说的ReAct模式是什么？
就是刚才这个循环的缩写：Re（Reason思考）+ Act（Action行动），说白了就是「走一步想一步」，每做一个行动之前先想清楚为啥要做，做完拿到结果再想下一步干啥，直到把活干完，就这么简单。
3. Tool Use（工具调用）是啥？
就是你给实习生配的工具箱，你提前列个清单告诉Agent：每个工具叫啥、能干啥、要传什么参数就行。比如：
> 搜索工具：可以查询2023年之后的所有公开互联网信息，入参是你要搜索的关键词
> 计算器工具：可以进行加减乘除的数值计算，入参是你要计算的数学表达式
Agent比你想的聪明得多，只要你把工具的功能说清楚，它自己就知道什么时候该用什么工具，完全不用你教。
现在你搞懂了吧？Agent和普通大模型的核心区别就是：普通大模型是「一锤子买卖」，给输入直接出输出，错了也不会改；而Agent是「会干活的助手」，会自己找工具、会调整、会迭代，直到把你的问题解决。
二、实战篇：手撸一个能联网+计算的Agent
咱们今天写的这个Agent非常简单，100多行代码就能跑通，实现两个核心功能：
1. 遇到不知道的最新信息，自动联网搜索
2. 遇到数值计算，自动调用计算器
3. 完全按照ReAct循环运行，直到给出正确答案
前置准备
你只需要有这两个东西就行：
- Python 3.8+版本
- 任意一个支持OpenAI兼容格式的大模型API Key（现在几乎所有主流大模型都支持）
- 可选：第三方搜索API的Key（没有的话我们先给模拟搜索结果，照样能跑通）
第一步先装依赖：
pip install requests python-dotenv regex然后在项目根目录建一个.env文件，填你的API信息：
# 大模型API配置，换成你自己的LLM_API_KEY = "你的大模型API Key"LLM_BASE_URL = "大模型的请求地址，一般是/v1/chat/completions"LLM_MODEL_NAME = "你要调用的模型名称"# 搜索API配置（可选，先用模拟的也可以）SEARCH_API_KEY = "你的搜索API Key"完整代码实现
直接复制下面的代码就行，关键步骤我都加了注释：
import osimport reimport requestsfrom dotenv import load_dotenv# 加载环境变量load_dotenv()LLM_API_KEY = os.getenv("LLM_API_KEY")LLM_BASE_URL = os.getenv("LLM_BASE_URL")LLM_MODEL_NAME = os.getenv("LLM_MODEL_NAME")SEARCH_API_KEY = os.getenv("SEARCH_API_KEY")# -------------------------- 1. 定义工具函数 --------------------------def search_tool(query: str) -> str: """联网搜索工具，入参是搜索关键词，返回搜索结果""" # 如果你没有搜索API，先用这个模拟结果测试，后面可以换成真实的搜索请求 mock_result = { "2024年10月新能源汽车销量排名": "2024年10月国内新能源汽车销量前三分别是：品牌A 28万辆，品牌B 21万辆，品牌C 17万辆", "2024年Q3 AIGC行业融资数据": "2024年Q3国内AIGC行业共发生融资42笔，总金额118亿元，其中多模态大模型赛道占比60%", } if query in mock_result: return mock_result[query] # 下面是真实搜索API的调用代码，有搜索API的可以放开注释用 # url = "第三方搜索API的请求地址" # headers = {"X-API-KEY": SEARCH_API_KEY, "Content-Type": "application/json"} # data = {"q": query, "num": 3} # response = requests.post(url, headers=headers, json=data) # results = response.json().get("organic", []) # return "\n".join([f"标题：{item['title']} 内容：{item['snippet']}" for item in results[:3]])def calculator_tool(expression: str) -> str: """计算器工具，入参是数学表达式，返回计算结果""" try: # 演示用，生产环境不要直接用eval，会有安全问题 result = eval(expression) return f"计算结果：{result}" except Exception as e: return f"计算出错：{str(e)}"# 工具列表，新增工具只要在这里加就行TOOLS = { "search": search_tool, "calculator": calculator_tool}# 工具描述，告诉大模型每个工具的作用和参数TOOLS_DESC = """1. search：联网搜索工具，用来查询你不知道的最新信息、实时数据、新闻事件，参数是你要搜索的关键词2. calculator：计算器工具，用来进行数学计算，参数是你要计算的数学表达式，比如(28+21+17)/3"""# -------------------------- 2. 大模型调用函数 --------------------------def call_llm(prompt: str) -> str: """调用大模型API，返回模型输出""" headers = { "Authorization": f"Bearer {LLM_API_KEY}", "Content-Type": "application/json" } data = { "model": LLM_MODEL_NAME, "temperature": 0, # 温度设为0，减少模型瞎编的概率 "messages": [ {"role": "system", "content": f"""你是一个会使用工具的智能助手，必须严格按照以下规则处理用户问题：1. 首先思考你当前有什么信息，是否需要调用工具，如果没有足够的信息就调用对应的工具2. 输出格式必须严格遵守以下要求，不能多输出任何其他内容： - 思考内容必须用<think>标签包裹，比如<think>我现在需要搜索2024年10月的销量数据</think> - 如果需要调用工具，必须用<tool>工具名</tool><params>参数</params>的格式，一次只能调用一个工具 - 如果已经有足够的信息回答用户，必须用<answer>最终回答内容</answer>的格式3. 你可以使用的工具列表如下：{TOOLS_DESC} """}, {"role": "user", "content": prompt} ] } response = requests.post(LLM_BASE_URL, headers=headers, json=data) return response.json()["choices"][0]["message"]["content"]# -------------------------- 3. ReAct循环核心逻辑 --------------------------def run_agent(user_query: str, max_rounds: int = 5) -> str: """ Agent主运行逻辑 :param user_query: 用户的问题 :param max_rounds: 最大循环次数，避免无限调用工具 :return: 最终回答 """ current_prompt = user_query for i in range(max_rounds): print(f"===== 第 {i+1} 轮交互 =====") # 调用大模型拿到输出 llm_output = call_llm(current_prompt) print(f"大模型输出：{llm_output}\n") # 匹配是否有最终回答 answer_match = re.search(r"<answer>(.*?)</answer>", llm_output, re.S) if answer_match: return answer_match.group(1).strip() # 匹配思考内容（可选，打印出来看Agent的思考过程） think_match = re.search(r"<think>(.*?)</think>", llm_output, re.S) if think_match: print(f"Agent思考：{think_match.group(1).strip()}\n") # 匹配要调用的工具和参数 tool_match = re.search(r"<tool>(.*?)</tool>", llm_output, re.S) params_match = re.search(r"<params>(.*?)</params>", llm_output, re.S) if not tool_match or not params_match: return "大模型输出格式错误，请重试" tool_name = tool_match.group(1).strip() tool_params = params_match.group(1).strip() # 调用对应的工具 if tool_name not in TOOLS: current_prompt += f"\n你调用的工具{tool_name}不存在，请重新选择工具" continue print(f"调用工具：{tool_name}，参数：{tool_params}\n") tool_result = TOOLS[tool_name](tool_params) print(f"工具返回结果：{tool_result}\n") # 把工具返回的结果加到prompt里，让大模型继续处理 current_prompt += f"\n你调用了{tool_name}工具，参数是{tool_params}，返回结果是：{tool_result}，请继续处理用户的问题" return "已超过最大调用次数，无法完成任务"# -------------------------- 4. 测试Agent --------------------------if __name__ == "__main__": query = "2024年10月新能源汽车销量排名前3的品牌销量分别是多少？计算它们的平均销量" result = run_agent(query) print(f"===== 最终回答 =====\n{result}")运行效果
你直接运行这段代码，就能看到类似下面的输出：
===== 第 1 轮交互 =====大模型输出：<think>用户需要2024年10月的新能源销量数据，这个是最新信息，我没有，需要调用search工具搜索</think><tool>search</tool><params>2024年10月新能源汽车销量排名</params>Agent思考：用户需要2024年10月的新能源销量数据，这个是最新信息，我没有，需要调用search工具搜索调用工具：search，参数：2024年10月新能源汽车销量排名工具返回结果：2024年10月国内新能源汽车销量前三分别是：品牌A 28万辆，品牌B 21万辆，品牌C 17万辆===== 第 2 轮交互 =====大模型输出：<think>现在已经拿到了三个品牌的销量，需要计算平均值，调用calculator工具</think><tool>calculator</tool><params>(28+21+17)/3</params>Agent思考：现在已经拿到了三个品牌的销量，需要计算平均值，调用calculator工具调用工具：calculator，参数：(28+21+17)/3工具返回结果：计算结果：22.0===== 第 3 轮交互 =====大模型输出：<answer>2024年10月新能源汽车销量前三的品牌分别是品牌A（28万辆）、品牌B（21万辆）、品牌C（17万辆），三者的平均销量是22万辆。</answer>===== 最终回答 =====2024年10月新能源汽车销量前三的品牌分别是品牌A（28万辆）、品牌B（21万辆）、品牌C（17万辆），三者的平均销量是22万辆。你看，整个过程Agent完全自己判断该用什么工具，自己处理返回结果，最后给出正确答案，是不是非常香？
三、进阶篇：Agent还能怎么变强？
刚才我们写的是一个最简版的Agent，如果你想让它变得更厉害，可以加这三个核心能力：
1. 多工具组合
现在我们只有搜索和计算器两个工具，你可以随便加新工具，只要按照「写工具函数+加工具描述」的步骤来就行，比如：
- 加个读取本地PDF的工具：让Agent帮你整理简历、论文里的信息
- 加个发邮件的工具：让Agent写完周报直接给领导发过去
- 加个查询数据库的工具：让Agent帮你查业务数据，不用你写SQL
- 加个写代码的工具：让Agent写完代码直接运行调试
Agent会自动判断什么时候用什么工具，哪怕你加十几个工具，它也不会搞混。
2. 记忆能力
现在的Agent是「单次失忆型」，这次对话完就忘了你是谁，你可以给它加记忆模块：
- 短期记忆：把历史对话都存在一个列表里，每次请求都带给大模型，这样你上次说过你是做运营的，下次它整理资料就会自动按运营的视角来
- 长期记忆：用向量数据库存你过去和Agent的所有对话、上传的所有文档，需要的时候检索相关信息，比如你半年前上传过一份行业报告，现在问它相关的问题，它能自动把报告里的内容找出来用
3. 规划能力
现在的Agent是「走一步看一步」，遇到复杂任务比如「写一份10页的行业分析报告」就容易乱，你可以给它加规划模块：
先让Agent把任务拆成3-5个步骤，比如：
1. 搜索2024年AIGC行业的整体市场规模
2. 搜索3个头部公司的核心产品和市场份额
3. 搜索行业面临的政策风险和技术瓶颈
4. 汇总所有信息，按照报告结构排版
然后Agent按照步骤一步步执行，遇到问题还能自动调整步骤，就像人做项目先写Todo List一样，复杂任务的完成率会高很多。
接入大模型的小Tips
如果你觉得自己写的Agent经常犯傻，大概率是这两个问题：
1. 大模型能力太弱：换个能力强一点的大模型，尤其是支持原生函数调用的，格式输出会准很多
2. Prompt写得太松：把规则写得越严格越好，比如明确要求「必须用
总结&行动建议
核心概念回顾
今天讲的三个Agent核心点，你记住就不算白看：
1. ReAct循环：Agent的核心运行逻辑，就是「思考→调用工具→看结果→再思考」的循环，和人干活一模一样
2. Tool Use机制：是Agent突破大模型知识边界的核心，你给它配多少工具，它就能干多少活
3. 感知行动闭环：Agent不是一次性输出结果，而是会根据工具的返回动态调整行为，直到完成任务
下一步行动建议
我知道很多人看完文章就收藏吃灰，今天给你三个非常容易落地的行动，今天就能做完：
1. 先跑通代码：花10分钟把上面的代码复制到本地，填上你自己的大模型API Key，测试3个不同的问题，看看Agent的运行过程
2. 加一个新工具：比如你经常需要查天气，就写个调用天气API的工具，加到Agent的工具列表里，测试一下能不能正常调用
3. 改个小需求：比如把Agent改成你的周报素材助手，专门用来搜索行业数据和案例，以后找素材的活都让它干
如果你跑通了代码，或者加了好玩的工具，欢迎在评论区晒出你的成果，有问题也可以留言，我会一一解答~
（本文首发于我的技术公众号，每周更新AI实战干货，欢迎关注）
