什么是 AI Agent
AI Agent（智能体）是指具有自主决策能力和自我学习能力的计算机程序或机器人。与传统脚本不同，Agent 能够通过感知环境、分析信息、制定决策并执行行动来完成任务。一个典型的智能体架构通常包含三个核心模块：
- 感知模块：负责获取当前环境的状态信息，将其转换为模型可理解的提示词（Prompt），并检索相关的历史记忆。
- 决策模块：基于当前的场景上下文和历史交互记录，利用大语言模型（LLM）的分析能力决定下一步的行动策略。
- 执行模块：根据决策结果调用现有的工具库或 API 接口，执行具体的操作并反馈结果。
这种架构使得 Agent 能够处理复杂的、非确定性的任务，而不仅仅是执行预设的线性流程。
AutoGen 框架简介
AutoGen 是由微软开源的一个多智能体对话框架，旨在简化开发者的工作流。它允许开发者定义多个具有不同角色的智能体，通过对话协作完成复杂任务。在 AutoGen 中，最核心的组件包括：
- AssistantAgent：扮演助手角色，主要负责生成代码、回答问题或提供建议。它依赖 LLM 进行推理。
- UserProxyAgent：扮演用户代理的角色，负责与 AssistantAgent 交互，并执行代码。它可以配置为自动执行代码或等待人工确认。
- CodeExecutor：负责实际运行代码的环境，支持本地执行或 Docker 容器隔离执行。
使用 AutoGen 的核心优势在于其内置的对话循环机制。当 Agent 生成的代码无法运行时，它会接收错误信息，自动尝试修复代码，直到任务成功完成。这种自我修正能力大大降低了开发调试的成本。
环境准备与安装
在开始编写代码之前，需要确保 Python 环境已就绪。推荐使用 Python 3.8 及以上版本。
首先，通过 pip 安装 AutoGen 库：
pip install pyautogen
此外，为了运行绘图和数据分析任务，还需要安装以下依赖库：
pip install matplotlib yfinance pandas
其中，yfinance 用于获取股票数据，matplotlib 用于绘制图表，pandas 用于数据处理。
配置 LLM 是至关重要的一步。你需要拥有一个遵循 OpenAI 规范的大模型 API Key。虽然本文不推荐具体平台，但请确保你的模型支持函数调用或代码解释功能，以获得最佳效果。
基础实现：本地代码执行
最简单的实现方式是在本地 Python 环境中直接运行代码。这种方式适合快速原型验证，但存在安全风险，因为代码将在你的机器上以当前用户权限运行。
以下是基础代码示例：
import os
import autogen
from autogen import AssistantAgent, UserProxyAgent
# 配置 LLM 参数
llm_config = {
"model": "gpt-4-turbo", # 替换为你的模型名称
"api_key": "sk-xxxxx", # 替换为你的 API Key
"base_url": "https://api.openai.com/v1" # 如果是兼容接口需修改
}
assistant = AssistantAgent(
name=,
llm_config=llm_config,
system_message=
)
user_proxy = UserProxyAgent(
name=,
code_execution_config={
: autogen.coding.LocalCommandLineCodeExecutor(work_dir=)
},
human_input_mode=
)
user_proxy.initiate_chat(
assistant,
message=
)
