导读2024年最火的不是大模型本身而是基于大模型的AI Agent。它能自主思考、调用工具、执行任务——不再是你说一句我回一句的聊天机器人而是真正能帮你干活的数字员工。本文从零带你搭建一个完整的 AI Agent包含搜索工具、计算工具、文件操作三大能力代码可复现建议收藏一、什么是 AI Agent简单来说AI Agent LLM大语言模型 工具Tools 记忆Memory 规划Planning。传统的 LLM 只能根据训练数据回答问题。而 Agent 可以自主决策遇到不会的问题自己去搜索调用工具可以执行代码、查询数据库、发送邮件多步推理一个问题拆成多步逐步解决记忆上下文记住之前的对话和操作结果二、Agent 核心架构解析主流的 Agent 框架LangChain、AutoGPT、MetaGPT都遵循ReAct模式Thought思考 → Action行动 → Observation观察 → Thought再思考...阶段说明示例感知理解用户意图帮我查今天天气并推荐穿搭规划拆解为子任务①查天气 ②根据天气推荐执行调用具体工具search_weather() → recommend_outfit()反思评估结果是否满足信息不完整 → 再次搜索输出整合结果返回今天 25°C 晴天建议穿...三、环境准备pip install langchain0.1.0 langchain-openai python-dotenv duckduckgo-search四、动手实现三大工具集成4.1 搜索工具from langchain.tools import tool from duckduckgo_search import DDGS tool def web_search(query: str) - str: 当需要查询实时信息时使用此工具进行网络搜索。 with DDGS() as ddgs: results list(ddgs.text(query, max_results3)) formatted [] for r in results: formatted.append(f {r[title]}\n {r[body][:200]}...) return \n\n.join(formatted)4.2 计算工具import math tool def calculator(expression: str) - str: 执行数学计算。支持 、-、*、/、**、sqrt() 等运算。 allowed_names {sqrt: math.sqrt, sin: math.sin, pi: math.pi, log: math.log} result eval(expression, {__builtins__: {}}, allowed_names) return f计算结果{result}4.3 文件工具from datetime import datetime tool def file_writer(content: str, filename: str agent_output.txt) - str: 将内容写入文件。 with open(filename, w, encodingutf-8) as f: f.write(f# Agent 生成于 {datetime.now()}\n\n{content}) return f✅ 内容已成功写入 {filename}五、完整代码与运行效果from langchain_openai import ChatOpenAI from langchain.agents import AgentExecutor, create_tool_calling_agent from langchain_core.prompts import ChatPromptTemplate llm ChatOpenAI(modelgpt-4o, temperature0.1) tools [web_search, calculator, file_writer] prompt ChatPromptTemplate.from_messages([...]) agent create_tool_calling_agent(llm, tools, prompt) agent_executor AgentExecutor(agentagent, toolstools, verboseTrue, max_iterations5) response agent_executor.invoke({input: 帮我查一下 2025 年 Gartner AI 技术成熟度曲线}) print(response[output]) Agent已为您整理好 Gartner 2025 AI 技术成熟度曲线报告核心发现生成式 AI 进入幻灭期Agentic AI 位于期望膨胀期顶峰。六、踩坑记录与优化建议坑1Agent 无限循环→ 设置max_iterations5坑2工具描述不清晰→ 详细描述参数和用途坑3温度参数过高→ 使用temperature0.1七、总结与展望要点说明Agent 本质LLM 工具 记忆 规划核心模式ReAct思考→行动→观察→反思关键参数temperature0.1, max_iterations5福利时间关注本博主后台回复「Agent实战」获取完整源码 企业级 Agent 架构图
