AI Agent 基础知识：从零构建你的第一个智能代理

1次阅读

共计 2485 个字符，预计需要花费 7 分钟才能阅读完成。

AI Agent（人工智能代理）是一个能够自主感知环境、做出决策并执行动作的智能系统。它像是一个数字版的 ” 代理人 ”，可以帮你完成特定任务。举个例子，你手机里的语音助手就是 AI Agent 的一种，它能听懂你说的话，思考如何回应，然后用语音回答你。

感知模块 ：负责接收输入信息，就像人的眼睛和耳朵。比如聊天机器人通过麦克风或键盘获取用户输入。
决策模块 ：这是 AI Agent 的大脑，处理感知到的信息并决定如何回应。决策可以基于预设规则，也可以由机器学习模型生成。
执行模块 ：负责输出决策结果，可能是语音回复、执行某个操作，或者调用其他 API。

优点：行为可预测，开发简单直接
缺点：灵活性差，需要人工编写所有规则
适用场景：流程固定的简单任务，如自动回复客服

优点：能从数据中学习，适应性强
缺点：需要大量训练数据，行为有时难以解释
适用场景：复杂多变的场景，如个性化推荐

下面我们用一个简单的 Python 聊天 Agent 示例来演示。这个 Agent 会基于预设规则与用户对话。

# 导入所需库
from typing import Dict, List

class SimpleChatAgent:
    """一个简单的基于规则的聊天 Agent"""

    def __init__(self):
        # 预设的响应规则
        self.rules: Dict[str, str] = {
            "你好": "你好！我是你的 AI 助手。",
            "你叫什么名字": "我叫小 A，是一个简单的聊天机器人。",
            "再见": "再见！很高兴和你聊天。"
        }

    def perceive(self, user_input: str) -> str:
        """感知用户输入"""
        return user_input.strip().lower()

    def decide(self, processed_input: str) -> str:
        """根据输入决定响应"""
        for keyword, response in self.rules.items():
            if keyword in processed_input:
                return response
        return "我不太明白你的意思，可以换个说法吗？"

    def act(self, response: str) -> None:
        """执行输出动作"""
        print(f"AI: {response}")

    def run(self):
        """运行 Agent 的主循环"""
        print("AI: 你好！输入' 再见 '可以结束对话。")
        while True:
            user_input = input("你:")
            processed = self.perceive(user_input)
            if processed == "再见":
                self.act(self.decide(processed))
                break
            response = self.decide(processed)
            self.act(response)

# 使用示例
if __name__ == "__main__":
    agent = SimpleChatAgent()
    agent.run()

# 扩展规则字典
self.rules.update({
    "今天天气怎么样": "我无法获取实时天气，建议查看天气预报 APP。",
    "你能做什么": "我可以回答一些简单问题，比如介绍自己或说再见。",
    "讲个笑话": "为什么程序员总把万圣节和圣诞节搞混？因为 Oct 31 == Dec 25！"
})

LangChain 是一个流行的 AI Agent 开发框架。下面是用 LangChain 构建的示例：

from langchain.agents import load_tools
from langchain.agents import initialize_agent
from langchain.llms import OpenAI

# 初始化模型和工具
llm = OpenAI(temperature=0.7)
tools = load_tools(["serpapi", "llm-math"], llm=llm)

# 创建 Agent
agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True)

# 运行 Agent
agent.run("北京现在的天气怎么样？用摄氏度回答。")