一、为什么我们需要 AI 智能体？
传统的 AI 应用模式（输入 - 处理 - 输出）已经无法满足复杂场景需求。真正的智能，体现在系统能够：
- 自主规划任务路径（拆解复杂目标）
- 主动使用工具（搜索、计算、编写代码等）
- 从交互中持续学习（记忆和优化策略）
而AI 智能体正是实现这一目标的技术框架。想象一下：你只需要说'帮我分析 Q2 的销售数据并做一份 PPT'，AI 就能自动完成数据查询、分析、可视化、生成报告的全流程——这就是智能体的魅力。
二、核心架构：智能体如何'思考'？
一个完整的智能体系统包含三大核心模块：
感知 → 规划 → 执行 → 学习 ↑ ↓ 反馈循环
1. 感知层：理解用户指令和上下文环境
2. 规划层：将目标拆解为可执行步骤（思维链、思维树）
3. 执行层：调用工具函数完成任务
4. 学习层：从历史交互中优化策略
三、实战开始：基于 GPT-4o 构建你的第一个智能体
环境准备
# 安装必要库
pip install openai>=1.0.0
pip install python-dotenv
pip install requests # 用于工具调用
# 环境配置 (.env 文件)
OPENAI_API_KEY="your-api-key-here"
MODEL_NAME="gpt-4o" # 最新多模态模型
基础智能体框架
import os
from openai import OpenAI
from typing import List, Dict, Any, Callable
import json
class Tool:
"""工具基类"""
def __init__(self, name: str, description: str, func: Callable):
self.name = name
self.description = description
self.func = func
def execute():
.func(**kwargs)
:
():
.client = OpenAI(api_key=os.getenv())
.model = model
.tools: [, Tool] = {}
.memory = []
.max_steps =
():
.tools[tool.name] = tool
() -> []:
planning_prompt =
response = .client.chat.completions.create(
model=.model,
messages=[{: , : planning_prompt}],
response_format={: }
)
plan = json.loads(response.choices[].message.content)
plan[]
() -> :
step[] == :
._generate_response(step[])
step[] .tools:
tool = .tools[step[]]
:
result = tool.execute(**step.get(, {}))
(result)
Exception e:
() -> :
()
( * )
steps = .think(task)
()
results = []
i, step (steps, ):
()
result = .execute_step(step)
results.append()
()
.memory.append({: step, : result})
summary = ._summarize_results(task, results)
summary
() -> :
response = .client.chat.completions.create(
model=.model,
messages=[{: , : prompt}]
)
response.choices[].message.content
() -> :
summary_prompt =
._generate_response(summary_prompt)
():
():
:
(expression)
:
():
prompt =
agent = AIAgent()
agent.register_tool(Tool(
name=,
description=,
func=web_search
))
agent.register_tool(Tool(
name=,
description=,
func=calculator
))
agent.register_tool(Tool(
name=,
description=,
func=code_generator
))
__name__ == :
result = agent.run()
()
(result)
