Agent Framework 入门指南：从零构建你的第一个智能代理

1次阅读

没有评论

共计 1872 个字符，预计需要花费 5 分钟才能阅读完成。

Agent Framework（代理框架） 是用于构建智能代理（Intelligent Agent）的软件开发工具包。智能代理可以理解为一种能够感知环境、自主决策并执行动作的软件实体。它的核心组件包括：

环境感知（Environment Perception）：代理获取外部信息的能力，比如读取用户输入、传感器数据等
决策引擎（Decision Engine）：基于感知信息做出判断的逻辑，通常由规则系统或机器学习模型驱动
动作执行（Action Execution）：将决策转化为实际操作，比如发送回复、调用 API 等

典型应用场景包括：

对话系统（如客服机器人）
自动化流程（如智能家居控制）
游戏 AI（NPC 行为控制）
数据分析（自动化报告生成）

目前主流的 Agent Framework 有以下几种：

LangChain
架构特点：模块化设计，强调链式调用（Chain）
开发复杂度：中等（需要理解 Chain 概念）
扩展性：高（支持自定义组件）
社区支持：非常好（文档齐全，案例丰富）
AutoGPT
架构特点：端到端自动化，强调自主决策
开发复杂度：较高（自动化逻辑较复杂）
扩展性：中等（主要面向特定场景）
社区支持：一般（新兴项目）
Semantic Kernel
架构特点：微软出品，深度集成 Azure 服务
开发复杂度：低（提供高级 API）
扩展性：高（支持插件模式）
社区支持：较好（微软技术背书）

下面我们用 Python 实现一个简单的对话代理（基于 OpenAI API）：

import openai
from dotenv import load_dotenv
import os

# 1. 环境初始化（安全加载 API key）load_dotenv()  # 从.env 文件加载环境变量
openai.api_key = os.getenv("OPENAI_API_KEY")

# 2. 对话历史管理
class Conversation:
    def __init__(self):
        self.history = []

    def add_message(self, role, content):
        self.history.append({"role": role, "content": content})

    def get_messages(self):
        return self.history.copy()

# 3. 提示词模板设计
SYSTEM_PROMPT = """你是一个友好的人工智能助手。回答要简洁明了，不超过 3 句话。"""

# 4. 主对话循环
conversation = Conversation()
conversation.add_message("system", SYSTEM_PROMPT)

while True:
    try:
        user_input = input("你：")
        if user_input.lower() in ["退出", "exit"]:
            break

        conversation.add_message("user", user_input)

        # 调用 API
        response = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=conversation.get_messages(),
            temperature=0.7
        )

        ai_reply = response.choices[0].message.content
        print(f"AI：{ai_reply}")
        conversation.add_message("assistant", ai_reply)

    except Exception as e:
        print(f"发生错误：{str(e)}")
        break