Agent入门指南：从零构建你的第一个智能代理系统

1次阅读

共计 2391 个字符，预计需要花费 6 分钟才能阅读完成。

在编程领域，Agent（智能代理）是一种能够自主感知环境、做出决策并执行动作的软件实体。与传统程序最大的不同在于：

主动性：Agent 会主动响应环境变化，而非被动等待指令
目标驱动：具有明确的 goal（目标）并自主规划行动
持续性：长期运行并维护内部状态

举个生活化的例子：传统程序像微波炉（按按钮才工作），而 Agent 更像扫地机器人（自动规划路线完成清洁）。

下面用 Python 构建一个简单的温度调节 Agent：

class ThermostatAgent:
    """温度调节代理示例"""

    def __init__(self, ideal_temp=22):
        self.ideal_temp = ideal_temp  # 目标温度
        self.current_temp = None     # 环境感知状态

    # 环境感知模块
    def perceive(self, sensor_input):
        self.current_temp = sensor_input
        print(f"[感知] 当前温度: {self.current_temp}℃")

    # 决策逻辑
    def decide(self) -> str:
        if self.current_temp > self.ideal_temp + 2:
            return "cool"
        elif self.current_temp < self.ideal_temp - 2:
            return "heat"
        return "maintain"

    # 动作执行    
    def act(self, action):
        actions = {
            "cool": "开启制冷",
            "heat": "开启加热",
            "maintain": "保持当前状态"
        }
        print(f"[执行] {actions[action]}")
        return action

# 测试用例
def test_agent():
    agent = ThermostatAgent()
    test_cases = [25, 20, 22]  # 测试温度序列

    for temp in test_cases:
        agent.perceive(temp)
        action = agent.decide()
        agent.act(action)
        print("-"*30)

if __name__ == "__main__":
    test_agent()

这个示例实现了经典的三段式架构：
1. perceive() 方法获取温度传感器数据
2. decide() 根据目标温度做出决策
3. act() 执行具体操作

Agent 需要管理复杂的状态流转，常见方案有：

from enum import Enum, auto

class State(Enum):
    IDLE = auto()
    COOLING = auto()
    HEATING = auto()

class FSMAgent:
    def __init__(self):
        self.state = State.IDLE

    def transition(self, temp):
        if temp > 25 and self.state != State.COOLING:
            print("状态转换: IDLE → COOLING")
            self.state = State.COOLING
        elif temp < 18 and self.state != State.HEATING:
            print("状态转换: IDLE → HEATING")
            self.state = State.HEATING
        elif 18 <= temp <= 25:
            print("状态转换: → IDLE")
            self.state = State.IDLE

更适合复杂决策场景，可以通过 py_trees 库实现：

import py_trees as pt

def create_behavior_tree():
    root = pt.composites.Sequence("Root")

    # 条件检查
    check_temp = pt.behaviours.CheckBlackboardVariable(
        name="温度检查",
        variable_name="temperature",
        expected_value=22,
        operator=operator.lt
    )

    # 动作节点
    heat_action = pt.behaviours.Print("执行加热")

    root.add_children([check_temp, heat_action])
    return root

循环决策预防
设置决策超时机制

记录决策历史避免重复

def decide(self):
    if time.time() - self.last_decision_time < 1.0:
        return "wait"  # 冷却期
    # ... 正常决策逻辑

资源竞争处理

对共享资源使用锁机制

from threading import Lock

class SafeAgent:
    def __init__(self):
        self.lock = Lock()

    def update_state(self, new_state):
        with self.lock:
            # 线程安全的状态更新
            self.state = new_state

异常恢复机制
实现心跳检测

设计 fallback 策略

def run(self):
    try:
        while True:
            self.perceive()
            self.decide()
            self.act()
    except Exception as e:
        print(f"Agent 崩溃: {e}")
        self.reset_state()  # 恢复初始状态