模块1: 什么是AI智能体？

AI智能体是以大语言模型（LLM）为推理核心，结合工具、记忆和规划能力，代表用户自主完成多步骤任务的软件系统。

与遵循严格预编程规则的传统软件不同，AI智能体可以解释模糊的指令、将复杂目标分解为子任务、在每一步决定使用哪些工具，并根据中间结果调整策略。LLM提供"大脑"——自然语言理解和生成能力——而周围的基础设施提供"身体"——感知、记忆和作用于世界的能力。

更正式的理解方式：AI智能体是一个接收目标、在环境中运作、并跨多个步骤采取行动以实现该目标的系统，在每一步使用LLM来决定该做什么。

AI智能体的关键特性

研究人员已经识别出几个将真正的智能体与更简单的AI系统区分开的特性。并非每个智能体都需要所有这些特性，但了解它们有助于你为用例设计合适的复杂度级别：

• 自主性 — 无需人类逐步指导即可运作；接收一个高层指令后即可完成多步骤任务
• 反应性 — 感知环境并响应变化；例如，重试失败的API调用或在搜索结果为空时进行调整
• 主动性 — 主动采取行动以实现目标，而不仅仅是响应提示；可能在用户要求之前就收集额外信息
• 工具使用 — 通过调用外部函数和API来扩展能力；这是与聊天机器人最重要的区别
• 持久性 — 通过记忆系统跨交互维护状态；能够"记住"之前会话中发生的事情
• 自我纠正 — 当某一步失败或产生意外结果时，智能体能识别错误并尝试不同的方法

# A conceptual skeleton of an AI agent in Python
class AIAgent:
    def __init__(self, llm, tools, memory):
        self.llm = llm          # The reasoning engine (GPT-4o, Claude, etc.)
        self.tools = tools      # Available actions (search, calculate, etc.)
        self.memory = memory    # Short-term and long-term storage

    def run(self, goal: str, max_steps: int = 10) -> str:
        """Execute the agent loop until the goal is achieved."""
        self.memory.add("user", goal)

        for step in range(max_steps):
            # THINK: Ask the LLM what to do next
            thought = self.llm.think(self.memory.context())

            if thought.wants_tool:
                # ACT: Execute the requested tool
                result = self.tools.execute(thought.tool_call)
                # OBSERVE: Store the result for the next iteration
                self.memory.add("assistant", thought.reasoning)
                self.memory.add("tool", result)
            else:
                # DONE: Return the final answer
                return thought.response

        return "Max steps reached without a final answer."

AI智能体与传统软件的区别

传统软件是确定性的——给定相同的输入，总是产生相同的输出。AI智能体是随机性的——它可能会采用不同的路径来解决同一个问题。这对测试、调试和部署有深远的影响（在模块14-15中详述）。

理解AI智能体最简单的方式是将它们与大多数人已经熟悉的聊天机器人进行对比。聊天机器人对单个提示做出单个回应。智能体跨多个步骤进行推理，决定使用哪些工具，维护上下文，并采取现实世界的行动。

当你问ChatGPT"伦敦的天气怎么样？"时，它要么从训练数据中知道答案（可能已过时），要么告诉你无法访问实时数据。当你问智能体同样的问题时，它会识别出需要当前数据，调用天气API，获取结果，格式化后返回实时答案。区别不在于智能——而在于架构。

这里有一个具体的例子。假设用户说："找出下周二从伦敦到东京最便宜的三个航班，然后发邮件给我一个摘要。"聊天机器人会生成一个看似合理但编造的列表。智能体则会：(1) 调用航班搜索API，(2) 过滤和排序结果，(3) 撰写邮件，(4) 通过邮件API发送——跨多轮推理的四个不同动作。

自主性光谱

实际上，纯聊天机器人和完全自主的智能体之间存在一个光谱。大多数现实世界的系统处于中间位置：

随着你在本教程中的进展，你将构建每个级别的系统——从简单的API调用（级别0）开始，一直到模块11中的多智能体编排（级别4）。

实际示例：聊天机器人 vs 智能体

为了使区别具体化，这里展示了当你向聊天机器人和智能体问同一个问题时会发生什么："目前GitHub上排名前3的热门Python仓库是什么？"

# CHATBOT APPROACH: Single LLM call, no tools
# The model can only use training data (potentially months old)
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user",
               "content": "What are the top 3 trending Python repos on GitHub?"}]
)
# Result: May list repos that WERE popular during training,
# but cannot know what's trending RIGHT NOW.

# AGENT APPROACH: LLM + tool use
# The agent recognises it needs live data and calls a tool
# Step 1: LLM decides to call search_github_trending(language="python")
# Step 2: Tool returns real-time data from GitHub's API
# Step 3: LLM formats the result into a helpful response
# Result: Accurate, real-time information

每个AI智能体，无论框架或实现如何，都由相同的五个核心组件构成。在编写任何代码之前，理解这些组件至关重要。

深入了解LLM核心

LLM是最关键的组件。它充当决策中心，解释用户意图、生成计划、选择工具并综合结果。现代智能体通常使用最强大的可用模型——GPT-4o、Claude Sonnet 4或Gemini——因为推理质量直接决定智能体的可靠性。

LLM接收完整的对话历史（包括工具结果）作为上下文，并在每一步必须决定：是调用工具、请求用户澄清，还是给出最终答案？这种决策由系统提示（在模块3中介绍）和模型固有的能力共同指导。

工具：扩展智能体的触达范围

没有工具，智能体不过是多了几步的聊天机器人。工具使智能体能够与现实世界交互。每个工具由名称、描述（让LLM知道何时使用）和输入模式（让LLM知道提供什么参数）定义。

# Example: defining a tool for the agent to use
weather_tool = {
    "name": "get_weather",
    "description": "Get the current weather for a given city. Use this when the user asks about weather conditions.",
    "input_schema": {
        "type": "object",
        "properties": {
            "city": {"type": "string", "description": "The city name, e.g. 'London'"},
            "units": {"type": "string", "enum": ["celsius", "fahrenheit"], "description": "Temperature unit"}
        },
        "required": ["city"]
    }
}

记忆：短期 vs 长期

短期记忆是对话历史——你在每次API调用时传递的messages数组。它受模型上下文窗口的限制（如GPT-4o为128K token，Claude为200K）。随着对话增长，较旧的消息可能需要被总结或丢弃以保持在限制内。

长期记忆是外部存储——向量数据库、JSON文件或传统数据库——跨会话持久化并允许智能体"记住"过去的交互。例如，智能体可能在长期记忆中存储用户偏好（"偏好公制单位"），这样就不需要每次都询问。

规划：分解目标

规划是将"准备一份竞争分析报告"这样的高层目标分解为可操作步骤的能力：(1) 识别竞争对手，(2) 收集财务数据，(3) 分析市场定位，(4) 起草报告。高级智能体使用思维链推理和ReAct（推理+行动）等技术来更有效地规划。

编排：控制循环

编排是连接所有其他组件的"胶水"。它是管理智能体循环的代码——向LLM发送消息、解析响应、执行工具调用、处理错误、以及决定任务何时完成。你可以将其想象为GUI应用的主事件循环或视频游戏的游戏循环。

在最简单的形式中，编排是一个包含if/else分支的while循环。在生产系统中，它可能包括重试逻辑、并行工具执行、人工审批门控和成本跟踪。我们将从模块5开始逐步构建。

# The orchestration loop in its simplest form
def agent_loop(user_goal, llm, tools, max_steps=10):
    messages = [{"role": "user", "content": user_goal}]

    for step in range(max_steps):
        response = llm.generate(messages)       # Think

        if response.wants_tool:                  # Needs more info?
            result = tools.run(response.tool)    # Act
            messages.append(response.as_message())
            messages.append(result.as_message()) # Observe
        else:
            return response.text                 # Done!

    return "Reached max steps without completing."

组件如何协同工作

以下是所有五个组件在真实场景中交互的演示。用户问："苹果公司上季度的收入是多少？"

1. 编排接收用户消息并启动循环
2. LLM核心（Claude Sonnet 4）推理："我需要财务数据。我应该使用search_sec_filings工具。"
3. 规划（隐含在LLM的推理中）：决定搜索苹果最新的10-Q文件
4. 工具：search_sec_filings函数调用SEC EDGAR API并返回文件数据
5. 记忆：工具结果被添加到对话历史中
6. LLM核心读取文件数据，提取收入数字，并格式化响应
7. 编排检测到LLM已完成（没有更多工具调用）并将最终答案返回给用户

AI智能体生态系统自2024年以来已经爆发。曾经是小众研究领域的它，已成为AI行业增长最快的细分市场，每家主要科技公司都在大力投资智能体基础设施。预计到2030年市场规模将达到500亿美元。

两个关键协议已成为智能体通信的行业标准。Anthropic推出的MCP（模型上下文协议）标准化了智能体连接外部工具和数据源的方式——可以把它想象成"AI智能体的USB-C"。Google推出的A2A（智能体到智能体）使不同供应商构建的智能体能够相互通信和协作完成任务。这两个协议共同解决了之前使不同供应商的智能体无法协同工作的互操作性问题。

该生态大致可分为三个层次：

智能体的当前应用

• 客户支持 — 通过搜索知识库、查找订单和执行退款等操作来解决工单的智能体
• 软件工程 — 自主编写、测试和调试代码的编码智能体（Copilot、Cursor、Claude Code）
• 数据分析 — 根据自然语言请求查询数据库、运行统计分析和生成可视化的智能体
• 研究 — 搜索网络、阅读论文、综合发现并生成结构化报告的智能体
• 工作流自动化 — 处理多步骤业务流程（如入职、采购或合规检查）的智能体

关键行业趋势

几个趋势正在塑造当前的智能体生态：

• 标准化协议 — MCP和A2A正在成为"智能体的HTTP"，实现不同供应商和框架之间的互操作性
• 专业化 vs 通用智能体 — 行业正从"万能"智能体转向在某一领域（编码、数据分析、客户支持）表现出色的专业智能体
• 人机协同 — 大多数生产智能体都包含审批步骤，在执行高影响操作前由人类审核
• 成本优化 — 模型路由等技术（简单任务用便宜模型，复杂任务用昂贵模型）正在成为标准
• 评估框架 — 行业正在开发更好的方法来衡量智能体的可靠性、准确性和安全性（在模块14中介绍）

本教程系列涵盖的内容

这个15模块的系列将带你从零到可投入生产的AI智能体。以下是你将学到的路线图：

本系列的前置知识

要充分利用本教程，你应该具备：

• 基本的Python知识 — 函数、类、字典、列表推导式，以及包管理
• 命令行操作能力 — 导航目录、运行脚本和使用pip安装包
• 愿意实验的心态 — 智能体开发是迭代式的；期待测试、失败和改进你的方法

无需LLM、API或AI的先前经验。我们将从头开始介绍所有内容。