本文探讨了 Agent 开发的三个演进层次。第一阶段将 LLM 视为理解语义的 API，主要用于文本生成和总结；第二阶段将其作为自然语言编程工具，支持 Function Calling 和工具调用，实现业务流程自动化；第三阶段则是真正的智能体开发，采用多 Agent 协作、规划与执行（Plan-and-Execute）等模式，赋予其自主决策能力。文章详细分析了各阶段的技术特点、架构思维转变及代码实现示例，并总结了开发中面临的幻觉、成本、安全和可观测性等挑战与应对策略。
在人工智能领域，Agent（智能体）开发是一个不断演进的过程。它涉及到如何将 AI 技术与实际应用相结合，以提高效率、增强用户体验和推动业务发展。本文将探讨 Agent 开发的三个阶段，从基础的 API 使用到复杂的智能应用开发，逐步深入，帮助读者理解 Agent 开发的深层含义。
随着人工智能技术的飞速发展，Agent的概念已经从科幻概念走进了现实世界。Agent 可以被理解为一种具有一定智能的软件实体，它能够自主地执行任务、做出决策并与其他系统交互。与传统脚本不同，Agent 具备感知环境、规划行动和执行反馈的能力。
在 AI 技术落地的过程中，开发者面临着如何构建高效智能体的挑战。本文将从技术角度出发，为大家解析这三个阶段的演进方式，并结合代码示例，为开发者提供一份 Agent 开发的指南。
在 Agent 开发的初级阶段，我们可以将大语言模型（LLM）视为一种能理解自然语言的 API。这意味着，我们可以像调用任何传统 RESTful API 一样，向 Agent 发送请求，并期望得到一个经过理解和处理的响应。
在这个阶段开发的智能体，大多是在传统软件业务流程中，嵌入 LLM 的能力，对软件功能进行增强。对 LLM 的使用局限在其对自然语言的理解能力上，应用场景大多局限在文本生成、总结等方面，与传统软件开发调用各类工具的 API 模式并无明显区别。
我们可以将 Agent 作为一个内容生成器，输入视频的关键信息，Agent 则能够根据这些信息生成吸引人的文案。这个过程可以看作是将 Agent 作为一个文本生成 API 来使用。
from langchain.llms import OpenAI
from langchain.prompts import PromptTemplate
llm = OpenAI(temperature=0.7)
prompt_template = "请根据以下视频主题生成一段吸引人的短视频文案：{topic}"
full_prompt = prompt_template.format(topic="科技数码评测")
response = llm.predict(full_prompt)
print(response)
另一个典型的应用场景是新闻内容的自动总结。Agent 可以接收大量的新闻数据，然后通过自然语言理解能力，提炼出关键信息，生成一份简洁的新闻日报。
在这一阶段，Agent 的开发主要集中在如何更好地理解和处理自然语言上。开发者在 AI 领域只需要熟悉自然语言处理（NLP）的基本原理，在 AI 工程上用到最多的也限于提示词优化，就能够利用现有的 AI 模型来实现这一功能。
在第二阶段，Agent 不再仅仅是一个理解语言的 API，而是一个可以进行自然语言编程的工具。这意味着，开发者可以通过自然语言来指导 Agent 完成更复杂的任务。
在这个阶段开发的智能体，不再局限于文本理解的场景。通过提示词工程、Function Calling 等方式，能够让大语言模型按提示要求格式化输出内容，进而在一定程度上能够重塑传统软件业务流程的多个环节，可以说是通过 LLM 进行自然语言编程应用。
从 API 到编程工具的转变，关键在于结构化输出和工具调用。
在这个场景中，Agent 接收多个数据表，然后通过自然语言提示，自动进行数据汇总和去重，最终输出一份整洁的汇总表。这通常需要结合数据处理库（如 Pandas）和 LLM 的推理能力。
import pandas as pd
from langchain.agents import initialize_agent, Tool
from langchain.llms import OpenAI
# 定义数据处理工具
def process_data(query):
# 模拟数据处理逻辑
return "数据已汇总并去重"
tools = [
Tool(
name="DataProcessor",
func=process_data,
description="用于处理数据汇总和去重的工具"
)
]
agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True)
result = agent.run("请帮我汇总这份销售数据并去除重复项")
print(result)
通过 AI 执行意图识别，Agent 可以在某些业务流程中减少人工审核环节，自动识别并推动流程的执行。例如，在客服系统中，Agent 可以识别用户意图，直接调用相应的业务接口完成查询或退款操作。
为了实现这一阶段的功能，开发者需要掌握提示词工程和 Function Calling 等技术。这些技术允许开发者通过自然语言来指导 Agent 的行为，使其能够按照预期执行特定的任务。同时，还需要设计好状态管理，确保多轮对话中的上下文一致性。
在 Agent 开发的第三阶段，Agent 被真正当作一个智能体来使用。这时，Agent 不再只是一个简单的 API 或者工具，而是成为了一个具有自主决策能力的智能伙伴。
这个阶段的智能体开发，与大家理解的AI 原生应用开发大体相同，但这个阶段的应用开发与传统软件开发的思维方式确实是完全不同了。LLM 被真正当作智能来使用，而非仅仅是计算单元。
在软件开发时，可能更多要思考的是，这个事情如果是由一个人类团队来执行：
可以看到，这个阶段 LLM 不再作为 API 独立存在，而是绑定了角色和技能，并需要进行多个 Agent 的组合，已经与人类智能的使用方式一致。
Plan-and-Execute 指的是涉及规划与执行两个主要步骤的过程，Agent 需要根据给定的目标自主生成计划，并基于计划步骤自动执行任务，这要求 Agent 具备理解计划、制定策略并执行任务的能力。
例如，如果给定的任务是'计划一次从北京到上海的旅行'，那么大语言模型的'规划'步骤可能包括确定旅行日期、选择交通方式、预订住宿和活动等，而'执行'步骤则可能涉及生成详细的行程安排和必要的预订步骤。
这种模式通常涉及记忆模块（Memory），以便 Agent 记住之前的规划结果和执行状态。
BabyAGI 是一个经典的 AI 驱动的任务管理系统。它利用 LLM 来创建、优先排序和执行任务。在这种模式下，不同的 Agent 扮演不同的角色，如任务创建者、任务执行者和任务评估者。
这种协作模式极大地增强了 Agent 解决复杂问题的能力，但也带来了更高的延迟和成本。
Agent 开发的三重境界代表了 AI 技术从简单应用到深度融合的演进过程。随着技术的不断进步，我们有理由相信，Agent 将在未来的软件开发中扮演越来越重要的角色。
对于程序员而言，理解并掌握 Agent 开发的这三个阶段，将有助于他们更好地适应未来的技术发展趋势。从简单的 API 调用到复杂的自主智能体，每一步都是对软件工程范式的革新。开发者应关注 LangChain、LangGraph 等框架的演进，持续探索 Agent 在垂直领域的落地潜力。
在实际开发 Agent 的过程中，开发者通常会遇到以下挑战：
通过遵循上述最佳实践，开发者可以更稳健地构建生产级的 Agent 应用。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online