AI Agent框架入门指南：从零构建你的第一个智能代理

共计 1918 个字符，预计需要花费 5 分钟才能阅读完成。

核心概念：什么是 AI Agent？

AI Agent（人工智能代理）是一种能感知环境、自主决策并执行动作的智能程序。与普通程序相比，它有三大特征：

• 自主性：无需人工干预即可完成任务（如自动回复邮件）
• 反应性：能实时响应环境变化（如监测到异常数据触发告警）
• 目标导向性：围绕特定目标执行动作链（如订票 Agent 会先查航班再比价）

举个生活化的例子：普通程序像微波炉（按按钮加热固定时间），AI Agent 则像智能厨师（能根据食材自动调节火候）。

主流框架对比

实战：天气查询 Agent

环境准备

pip install openai requests python-dotenv

基础代码结构

# agent.py
import os
import requests
from dotenv import load_dotenv

load_dotenv()

class WeatherAgent:
    def __init__(self):
        self.api_key = os.getenv('OPENAI_KEY')
        self.weather_api = "https://api.weatherapi.com/v1/current.json"
        self.conversation_history = []

    def get_weather(self, city):
        """调用天气 API 获取实时数据"""
        params = {'key': os.getenv('WEATHER_API_KEY'),
            'q': city,
            'aqi': 'no'
        }
        response = requests.get(self.weather_api, params=params)
        return response.json()

    def chat(self, user_input):
        """处理用户对话"""
        self.conversation_history.append(f"User: {user_input}")

        # 识别用户意图（实际项目建议用 NLU 组件）if "天气" in user_input:
            city = user_input.split("天气")[0].strip()
            weather_data = self.get_weather(city)
            reply = f"{city}当前温度：{weather_data['current']['temp_c']}℃"
        else:
            reply = "我是天气助手，请告诉我您想查询哪个城市的天气"

        self.conversation_history.append(f"Agent: {reply}")
        return reply

添加 OpenAI 集成

# 在 WeatherAgent 类中添加方法
def generate_response(self, prompt):
    """调用 GPT 模型增强回复"""
    messages = [{"role": "system", "content": "你是一个专业的天气助手"},
        {"role": "user", "content": prompt}
    ]

    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=messages,
        temperature=0.7  # 控制回复创意度
    )
    return response.choices[0].message.content

生产环境建议

优化技巧

1. 异步处理 ：用asyncio 并发处理多个 API 请求
2. 缓存机制：对天气数据做 Redis 缓存（设置 10 分钟过期）
3. 流量控制 ：使用tenacity 库实现 API 调用重试

常见错误防范

1. Prompt 注入：清洗用户输入中的特殊字符

   def sanitize_input(text):
       return re.sub(r'[;\"\']', '', text)

2. Token 超限：监控上下文长度

   if len(conversation_history) > 10:
       conversation_history.pop(0)  # 移除最早记录

扩展方向

1. 多 Agent 协作：让行程规划 Agent 调用天气 Agent
2. 记忆存储：用向量数据库保存历史对话
3. 硬件集成：连接智能音箱实现语音交互

资源推荐

• LangChain 中文文档
• AutoGPT GitHub
• OpenAI Cookbook

刚开始接触时可能会被各种概念绕晕，建议从一个小功能点（如本文的天气查询）开始实践，逐步叠加复杂功能。遇到问题时，不妨先打印出中间变量值——这是我调试 Agent 时最常用的笨办法。