Agent 学习前的准备 —— Python 语法篇

# Agent 学习前的准备 —— Python 语法篇 ## 前言 随着大模型（LLM）和 Agent 技术的发展，越来越多开发者开始接触 AI Agent 的开发与应用。无论是使用 LangChain、AutoGen、CrewAI，还是 OpenAI Agent SDK，本质上都离不开 Python 语言。 对于准备学习 Agent 的同学来说，不一定需要成为 Python 专家，但至少需要掌握常用语法、面向对象编程思想以及常见的数据结构操作。本文将从 Agent 开发的实际需求出发，梳理学习 Agent 前必须掌握的 Python 基础知识。 --- # 一、为什么学习 Agent 要先学 Python 当前主流 Agent 框架几乎全部基于 Python 生态： - LangChain - LangGraph - AutoGen - CrewAI - OpenAI SDK - LlamaIndex Agent 的本质其实就是： ```python 用户输入 ↓ LLM推理 ↓ 工具调用 ↓ 结果处理 ↓ 输出结果

整个过程中需要编写大量 Python 代码：

• 定义 Agent
• 编写 Tool
• 调用 API
• 处理 JSON 数据
• 操作文件
• 构建工作流

因此，掌握 Python 基础语法是学习 Agent 的前提。

二、变量与数据类型

2.1 变量定义

Python 不需要声明变量类型。

name="Tom"age=20score=95.5

查看变量类型：

print(type(name))print(type(age))

输出：

<class'str'><class'int'>

2.2 常见数据类型

示例：

num=100price=9.99name="Agent"flag=True

三、字符串操作

Agent 开发中，大量内容都是文本处理。

例如：

• Prompt
• 用户问题
• LLM返回结果

因此字符串操作非常重要。

3.1 字符串拼接

name="GPT"text="Hello "+nameprint(text)

输出：

Hello GPT

3.2 f-string

推荐使用。

name="GPT"age=1print(f"{name}已经运行{age}年")

输出：

GPT已经运行1年

3.3 字符串常用方法

text="hello world"print(text.upper())print(text.lower())print(text.replace("world","agent"))

输出：

HELLO WORLD hello world hello agent

四、列表 List

列表是 Agent 开发中最常见的数据结构之一。

4.1 创建列表

tools=["search","calculator","weather"]

4.2 访问元素

print(tools[0])

输出：

search

4.3 添加元素

tools.append("database")

结果：

["search","calculator","weather","database"]

4.4 遍历列表

fortoolintools:print(tool)

五、字典 Dict

字典在 Agent 中出现频率极高。

因为：

• API 返回 JSON
• Tool 参数
• Agent 状态

本质上都是字典。

5.1 创建字典

user={"name":"Tom","age":20}

5.2 获取数据

print(user["name"])

输出：

Tom

5.3 修改数据

user["age"]=21

5.4 遍历字典

forkey,valueinuser.items():print(key,value)

六、条件判断

Agent 经常需要根据模型输出执行不同逻辑。

if语句

score=90ifscore>=60:print("及格")else:print("不及格")

多条件判断

score=85ifscore>=90:print("优秀")elifscore>=80:print("良好")else:print("一般")

七、循环语句

for循环

foriinrange(5):print(i)

输出：

01234

while循环

count=0whilecount<5:print(count)count+=1

八、函数

Agent 项目通常由大量函数组成。

定义函数

defsay_hello():print("Hello Agent")

调用：

say_hello()

带参数函数

defadd(a,b):returna+b result=add(1,2)print(result)

输出：

3

九、面向对象编程

几乎所有 Agent 框架都采用面向对象设计。

例如：

agent.run()tool.execute()memory.save()

因此需要掌握类与对象。

9.1 定义类

classAgent:defrun(self):print("Agent Running")

9.2 创建对象

agent=Agent()agent.run()

输出：

Agent Running

9.3 构造函数

classAgent:def__init__(self,name):self.name=namedefrun(self):print(self.name)

使用：

agent=Agent("Research Agent")agent.run()

输出：

Research Agent

十、文件读写

Agent 经常需要：

• 保存日志
• 保存记忆
• 保存结果

写文件

withopen("result.txt","w")asf:f.write("Hello Agent")

读文件

withopen("result.txt","r")asf:content=f.read()print(content)

十一、异常处理

调用大模型接口时经常发生：

• 网络异常
• API异常
• 数据格式异常

因此必须掌握异常处理。

try:num=10/0exceptExceptionase:print(e)

输出：

division by zero

十二、JSON处理

Agent 与外部系统交互时大量使用 JSON。

Python对象转JSON

importjson data={"name":"agent","version":"1.0"}json_str=json.dumps(data)print(json_str)

JSON转Python对象

importjson json_str='{"name":"agent"}'data=json.loads(json_str)print(data["name"])

输出：

agent

十三、模块与包

导入模块

importmathprint(math.sqrt(16))

输出：

4.0

导入指定内容

frommathimportsqrtprint(sqrt(16))

十四、学习 Agent 必须掌握的 Python 能力

建议至少掌握以下内容：

✅ 基础语法

• 变量
• 数据类型
• 条件判断
• 循环

✅ 数据结构

• List
• Dict
• Set

✅ 函数

• 参数
• 返回值
• Lambda

✅ 面向对象

• class
• 对象
• 继承
• 多态

✅ 文件操作

• txt
• csv
• json

✅ 异常处理

• try
• except

✅ 模块管理

• import
• pip

十五、下一步学习路线

完成 Python 基础后，可以按照以下顺序学习 Agent：

Python基础 ↓ Python面向对象 ↓ HTTP请求（requests） ↓ API调用 ↓ Prompt Engineering ↓ OpenAI SDK ↓ LangChain ↓ LangGraph ↓ RAG ↓ Multi-Agent

推荐学习周期：

总结

Agent 并不是一个全新的编程语言或开发模式，而是在大模型基础上构建的智能应用框架。学习 Agent 的第一步并非研究复杂的工作流或框架源码，而是扎实掌握 Python 基础能力。

对于初学者而言，重点掌握字符串处理、列表与字典操作、函数封装、面向对象编程、文件读写以及 JSON 数据处理即可满足绝大多数 Agent 项目的开发需求。打好这些基础后，再学习 OpenAI SDK、LangChain、LangGraph 等框架，会更加轻松高效。