当前位置：首页 > news >正文

如何制造一个AI Agent：从“人工智障”到“人工智能”的奇幻漂流

news 2025/9/6 5:59:10

开篇：什么是AI Agent？它和我的“人工智障”音箱有啥区别？🎤

朋友们，先想象一下：

你的智能音箱 🗣️ -> 🤖 -> ❓：“Hey Siri，帮我订一份披萨，不要芝士。”
Siri 🗣️ -> 🤖 -> 🍕：“好的，已为您搜索‘不要芝士的披萨’的图片，共有5,430,000张结果。”

我： 😤 (怒摔手机)

这就是传统的AI，一个命令式的傻瓜——你问，它答，答非所问是常态。

而现在我们要造的 AI Agent，是这样的：

你 🗣️ -> 🤖 -> 🧠：“Hey Agent，我饿了，想吃点健康的，预算50块，搞定它。”
Agent 🧠 -> 🤔 -> 🕵️ -> 📱 -> ✅：“已调用‘健康食品API’搜索附近餐厅，用‘比价插件’筛选出评分最高且优惠的‘轻食沙拉’，并通过‘支付接口’完成下单。订单号666，预计20分钟后送达。记得给好评哦亲！”

我： 🥗 -> 😋 -> 😎 (优雅地刷起了B站，等待外卖)

看出区别了吗？Agent有大脑、会思考、能调用工具、可以自主完成一连串任务！它不再是单纯的“应答机”，而是一个能自主行动的智能体！

一、🧱 打造一个Agent需要哪些“零件”？

把一个Agent拆开，里面大概长这样：

🧠 大脑 (Brain): 通常是一个大语言模型 (LLM)，比如GPT-4。负责思考、做决策、规划步骤。它是团队的CEO。
🛠️ 工具 (Tools): 是Agent的“瑞士军刀”。比如：计算器、搜索引擎、API接口、数据库等等。CEO手下干活的工具人。
📝 记忆 (Memory): 分为短期记忆（记住当前对话的上下文）和长期记忆（从过去的交互中学习）。防止它变成“金鱼脑”，只有7秒记忆。🐠
🧩 规划器 (Planner): 把大任务拆解成一步步可执行的小任务。项目的项目经理。

二、🚀 手把手教你造一个“摸鱼”Agent

项目目标：打造一个“职场摸鱼小助手”Agent。它能在你工作时自动监控股票市场，一旦你买的股票涨跌超过5%，就立刻发邮件提醒你！📈📉（老板看了想打人）

第1步：准备“大脑”和“工具”🔧

我们将使用强大的 LangChain 框架，它把造Agent的复杂度从“造火箭”降到了“拼乐高”。

安装“乐高零件”：

pip install langchain-openai langchain-agents python-dotenv requests

第2步：编写代码，注入灵魂💻

创建一个Python文件，比如 moyu_agent.py

import os
from langchain.agents import AgentType, initialize_agent, load_tools
from langchain_openai import OpenAI
from langchain.agents import Tool
from langchain import SerpAPIWrapper
from dotenv import load_dotenv
import smtplib
from email.mime.text import MIMEText# 加载环境变量（把你的API Key都放进去）
load_dotenv()# -------------------- 工具1: 股票查询工具 (模拟一个) --------------------
def stock_checker(stock_code):"""一个模拟的股票查询工具，现实中请接入真正的API！"""# 假装我们查到了股价mock_price = {"AAPL": 180 + (ord(stock_code[-1]) % 10) - 5, # 用一个伪随机数模拟股价波动"TSLA": 250 + (ord(stock_code[-1]) % 10) - 5,"00700": 350 + (ord(stock_code[-1]) % 10) - 5, # 腾讯港股}price = mock_price.get(stock_code, 100)change = (price - 100) / 100 * 100  # 模拟涨跌幅return f"{stock_code} 当前价格: ${price}; 涨跌幅: {change:.2f}%"# 把函数包装成LangChain可用的Tool
stock_tool = Tool(name="Stock Checker",func=stock_checker,description="用于查询指定股票代码的当前价格和涨跌幅。输入应为股票代码，如'AAPL'。"
)# -------------------- 工具2: 邮件发送工具 --------------------
def email_sender(input_text):"""一个模拟的发送邮件的工具"""# 这里应该是你的邮件逻辑，为了演示我们简化了print(f"🤖 [Agent日志] 正在尝试发送邮件...")print(f"📧 邮件内容: {input_text}")# 模拟成功发送return "邮件发送成功！老板绝对发现不了！"email_tool = Tool(name="Email Sender",func=email_sender,description="输入邮件正文内容，即可发送邮件。"
)# -------------------- 组装Agent！ --------------------
# 1. 初始化大脑LLM
llm = OpenAI(model_name="gpt-3.5-turbo-instruct", temperature=0) # 用个便宜点的模型# 2. 加载工具列表
tools = [stock_tool, email_tool]# 3. 初始化Agent！
# ZERO_SHOT_REACT_DESCRIPTION 是一种简单的Agent类型，适合单一任务
agent = initialize_agent(tools,llm,agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,verbose=True,  # 开启废话模式，方便看Agent是怎么思考的handle_parsing_errors=True # 防止它偶尔解析错摆烂
)# -------------------- 释放Agent！ --------------------
# 给它一个任务！
prompt = """
帮我监控一下股票AAPL（苹果），如果它的涨跌幅超过了5%，就立刻发邮件提醒我！
邮件内容要说：“您的股票波动剧烈，快去看看！别被老板抓到了！！”
"""if __name__ == "__main__":print("🚀 摸鱼Agent启动啦！")result = agent.run(prompt)print(f"最终结果: {result}")

第3步：运行它，看结果！🎬

在终端运行：

python moyu_agent.py

你会看到类似这样的大型思考现场（verbose=True 的功劳）：

🚀 摸鱼Agent启动啦！> Entering new AgentExecutor chain...I need to check the stock price of AAPL and see if the change is more than 5%. Then, if it is, I need to send an email.
Action: Stock Checker
Action Input: AAPL
Observation: AAPL 当前价格: $177; 涨跌幅: 77.00%
Thought: The change is 77%, which is definitely more than 5%. I need to send an email now.
Action: Email Sender
Action Input: 您的股票波动剧烈，快去看看！别被老板抓到了！！
Observation: 邮件发送成功！老板绝对发现不了！
Thought: I have successfully sent the email as requested.> Finished chain.
最终结果: 邮件发送成功！老板绝对发现不了！

解读一下Agent的内心戏：

Thought: “我得先查查AAPL的股价...” 🤔
Action: 它选择了 Stock Checker 这个工具。
Observation: 工具返回结果 “涨跌幅: 77%” (这股价坐火箭了？🚀)
Thought: “卧槽77%！这还不冲？！” 😲
Action: 它立刻选择了 Email Sender 工具。
Observation: 邮件发送成功！
任务完成！ 🎉

三、🌗 总结与展望：未来是Agent的天下！

恭喜你！你已经成功制造了一个初级“摸鱼”Agent！虽然它现在还有点简陋（比如用了模拟数据），但你已经掌握了核心科技！

阶段	特点	emoji
过去	单轮问答，像个复读机	🤖 ➡️ ❓
现在	多轮思考，会用工具，自主完成任务	🤖 ➡️ 🧠 ➡️ 🛠️ ➡️ ✅
未来	多个Agent协作！比如一个Agent负责调研，一个负责写代码，一个负责测试，它们自己就能开公司了！	👨💻👩💻🤖🧠🤖🧠 🤝