什么是 AI Agent？

AI Agent（智能体）是一种能够自主感知环境、做出决策并执行行动的 AI 系统。与传统的 ChatBot 不同，Agent 具备以下能力：

• 🔍 工具调用（Tool Use）：调用外部 API、执行代码
• 🧠 记忆系统（Memory）：记住对话历史和上下文
• 📋 规划能力（Planning）：将复杂任务分解为子任务
• 🔄 自我纠错（Self-Correction）：根据结果调整策略

ReAct 范式

目前主流的 Agent 实现基于 ReAct（Reasoning + Acting） 范式：

用户输入 → LLM 思考 → 决定调用工具 → 工具返回结果 → LLM 继续思考 → 最终输出

这就是为什么 Agent 能「做事情」而不仅仅是「说事情」。

实战：构建天气查询 Agent

使用 LangChain 和 OpenAI 构建一个简单的 Agent：

from langchain.agents import initialize_agent, AgentType
from langchain.tools import tool
from langchain.chat_models import ChatOpenAI
import requests

1. 定义工具
@tool
def get_weather(city: str) -> str:
    """查询指定城市的实时天气"""
    response = requests.get(
        f"https://api.weather.com/v1/{city}"
    )
    return response.json()["weather"]

@tool
def search_web(query: str) -> str:
    """搜索互联网获取最新信息"""
    # 调用搜索 API
    pass

2. 初始化 LLM
llm = ChatOpenAI(model="gpt-4", temperature=0)

3. 创建 Agent
agent = initialize_agent(
    tools=[get_weather, search_web],
    llm=llm,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True,
)

4. 运行
result = agent.run("北京今天天气怎么样？适合出门吗？")
print(result)

Agent 记忆系统

Agent 需要记住上下文才能进行多轮对话。LangChain 提供了多种记忆类型：

| 类型 | 说明 |

|------|------|

| ConversationBufferMemory | 保存完整对话历史 |

| ConversationSummaryMemory | 保存对话摘要，节省 Token |

| ConversationTokenBufferMemory | 按 Token 数限制历史 |

from langchain.memory import ConversationBufferMemory

memory = ConversationBufferMemory(
    memory_key="chat_history",
    return_messages=True
)

agent = initialize_agent(
    tools=[...],
    llm=llm,
    memory=memory,
    ...
)

注意事项

• 工具描述很重要：LLM 根据工具描述决定调用哪个工具，描述要清晰准确
• 错误处理：工具调用可能失败，Agent 需要能够处理异常
• 安全边界：不要给 Agent 授予过高的权限（如直接操作数据库）

小结

AI Agent 是 LLM 应用的下一个重要方向。从简单的工具调用到复杂的多步骤自主规划，Agent 正在让 LLM 从「聊天机器人」进化为「数字助手」。

下一篇文章，我们将深入探讨如何构建多 Agent 协作系统。