Agent LLM 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 2273 个字符，预计需要花费 6 分钟才能阅读完成。

传统的自动化脚本就像一台老式收音机——只能按预设的按钮播放固定内容。当遇到以下情况时就会崩溃：

用户用方言问 ” 明儿个天气咋样 ”（非结构化输入）
需要同时查询空气质量并建议是否带口罩（多步骤决策）
服务器返回 ”502 Bad Gateway”（异常处理）

Agent LLM 相当于给收音机装上了大脑和记事本：

理解意图：把 ” 明儿个 ” 自动转换为具体日期
分步执行：先查天气，再调用空气质量 API
记住上下文：上次用户说对花粉过敏，这次主动提示防护

用快递小哥来理解这些术语：

Agent = 接单员 + 配送员，负责接收需求（” 送蛋糕给妈妈 ”）并拆解动作（取货→导航→敲门）
LLM = 小哥脑中的城市地图，知道 ” 人民广场 3 号口 ” 比 ” 那个喷泉旁边 ” 更精确
工作记忆 = 随身携带的便签条，记录着 ” 客户说放门口垫子下别按门铃 ”

先准备数字工具箱：

# 创建虚拟环境（防止包冲突）python -m venv agent_env
source agent_env/bin/activate  # Linux/Mac
agent_env\Scripts\activate    # Windows

新建requirements.txt：

openai>=1.12.0
requests>=2.31.0
tenacity>=8.2.3  # 重试利器
pytest>=7.4.0   # 测试必备

安装时常见问题：

如果报错 ”Could not find a version…”，先运行pip install --upgrade pip
国内用户建议加上 -i https://pypi.tuna.tsinghua.edu.cn/simple 加速

graph TD
    A[用户输入] --> B(提取地点和时间)
    B --> C{是否需要澄清?}
    C -->| 是 | D[追问具体城市]
    C -->| 否 | E[调用天气 API]
    E --> F[格式化输出]
    F --> G[记录对话历史]

import openai
from tenacity import retry, stop_after_attempt, wait_exponential

class WeatherAgent:
    def __init__(self):
        self.memory = []  # 对话记忆

    @retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
    def call_weather_api(self, location):
        # 模拟真实 API 调用
        if "上海" in location:
            return {"temp": 28, "condition": "晴"}
        raise ValueError("暂不支持该地区")

    def parse_input(self, user_query):
        # 实际项目应该用 LLM 做意图识别
        if "明天" in user_query:
            return "上海", "2024-05-20"
        return "上海", None

    def run(self, user_input):
        location, date = self.parse_input(user_input)
        try:
            weather = self.call_weather_api(location)
            response = f"{location}天气：{weather['condition']} {weather['temp']}℃"
            self.memory.append((user_input, response))  # 记住对话
            return response
        except Exception as e:
            return f"查询失败：{str(e)}，请换种方式提问"

新建test_agent.py：

import pytest
from weather_agent import WeatherAgent

@pytest.fixture
def agent():
    return WeatherAgent()

def test_shanghai_weather(agent):
    assert "28" in agent.run("明天上海天气怎么样")

def test_error_handling(agent):
    assert "失败" in agent.run("火星天气如何")

运行测试：

pytest -v test_agent.py

冷启动响应慢
症状：第一次请求要 5 秒以上
处方：预先发送 ” 热身 ” 请求（如空文本），或使用容器保持常驻
上下文爆炸
症状：聊到第 10 轮就开始胡言乱语
处方：采用 滑动窗口 策略，只保留最近 3 组 QA，关键信息用 摘要 压缩
账单惊吓
症状：月初收到天价账单
处方：
- 设置 max_tokens=500 硬限制
- 用 tiktoken 库提前计算 token 消耗
- 对免费用户关闭 gpt-4 选项