ByteFisher AI 编程实战（十八）：AI Agent 入门——从对话到自主决策

从这一篇开始，我们进入 AI 编程的深水区——AI Agent。如果说前面的 AI 工具是”问一句答一句”，Agent 则是能自主规划、调用工具、完成任务的智能体。

一、什么是 AI Agent

AI Agent 是指能够自主感知环境、制定计划、执行行动的 AI 系统。和前面介绍的 AI 工具最大的区别是：它是主动的，而不是被动的。

能力	普通 LLM	AI Agent
交互方式	一问一答	多轮自主决策
工具使用	无	调用 API、执行代码、读写文件
规划	无	分解复杂任务、按步骤执行
反馈循环	无	观察结果 → 调整策略
记忆	无（仅当前对话）	可存取长期记忆

二、ReAct 模式——思考-行动-观察

Agent 的核心运行模式叫做 ReAct（Reasoning + Acting）。每一次循环都是”思考→行动→观察”的迭代：

用户：帮我查北京明天的天气，定个闹钟提醒带伞

Agent 思考：需要查天气，根据结果决定是否设置提醒
Agent 行动：调用 get_weather(beijing, tomorrow)
环境反馈：{"condition": "rain", "temp": 22}
Agent 观察：明天下雨，需要带伞
Agent 行动：set_reminder("带伞", "2025-06-09 08:00")
环境反馈：{"success": true}
Agent 回答：已查天气（明天下雨，22°C）并设置了明早 8 点带伞提醒。

这个过程不是预设的脚本——每一步的”思考”都是 LLM 实时推理的结果，因此 Agent 能处理从未见过的场景。

ReAct 的 Prompt 模板

如果你手动实现一个简单的 Agent，核心 Prompt 长这样：

你是一个智能助手，可以通过调用工具完成任务。
每轮请按以下格式输出：

思考：分析当前状态，决定下一步做什么
行动：{"tool": "工具名", "args": {...}}

当任务完成时，输出：
最终答案：...

可用工具：
- get_weather(city, date): 获取天气
- set_reminder(text, time): 设置提醒

三、Function Calling——LLM 调用工具的标准接口

3.1 定义工具

要实现 Agent，先定义 LLM 可调用的工具：

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "获取指定城市的天气信息",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "城市名，如 '北京'"},
                "date": {"type": "string", "description": "日期，格式 YYYY-MM-DD"}
            },
            "required": ["city", "date"]
        }
    }
}]

3.2 Agent 运行循环

import json
import openai

def agent_loop(user_input: str, max_steps: int = 10):
    messages = [{"role": "user", "content": user_input}]
    
    for step in range(max_steps):
        response = openai.chat.completions.create(
            model="deepseek-chat",
            messages=messages,
            tools=tools
        )
        
        msg = response.choices[0].message
        messages.append(msg)
        
        # 如果 LLM 没有调用工具，说明任务完成
        if not msg.tool_calls:
            return msg.content
        
        # 执行每个工具调用
        for tool_call in msg.tool_calls:
            func_name = tool_call.function.name
            func_args = json.loads(tool_call.function.arguments)
            
            # 执行实际的工具函数
            result = execute_tool(func_name, func_args)
            
            messages.append({
                "role": "tool",
                "tool_call_id": tool_call.id,
                "content": json.dumps(result, ensure_ascii=False)
            })
    
    return "达到最大步数限制，任务可能未完成"

3.3 执行工具

def execute_tool(name: str, args: dict):
    if name == "get_weather":
        # 调用真实天气 API 或返回模拟数据
        return {"condition": "rain", "temp": 22, "humidity": 80}
    elif name == "set_reminder":
        # 设置系统提醒
        return {"success": True, "id": "remind_001"}
    else:
        return {"error": f"未知工具: {name}"}

四、Agent 实战：代码分析助手

构建一个能分析 GitHub 项目的 Agent：

tools = [
    {
        "name": "read_file",
        "description": "读取项目文件内容",
        "parameters": {
            "type": "object",
            "properties": {
                "path": {"type": "string"}
            },
            "required": ["path"]
        }
    },
    {
        "name": "list_directory",
        "description": "列出目录中的文件",
        "parameters": {
            "type": "object",
            "properties": {
                "path": {"type": "string"}
            },
            "required": ["path"]
        }
    },
    {
        "name": "search_code",
        "description": "在项目中搜索代码",
        "parameters": {
            "type": "object",
            "properties": {
                "pattern": {"type": "string"},
                "path": {"type": "string"}
            },
            "required": ["pattern"]
        }
    }
]

用户问”这个项目的依赖注入是怎么配置的？”，Agent 会自动：

list_directory("src") → 找到项目结构
read_file("src/di/container.ts") → 读取依赖配置
search_code("Injectable") → 搜索装饰器使用
综合分析后给出完整答案

五、安全边界

Agent 的自主性越强，安全风险就越大：

风险	防护措施	代码实现
工具滥用	设置 max_steps 上限	`for step in range(10)`
权限过大	沙箱环境 + 白名单	限制可读写的目录
成本失控	Token 预算上限	每次调用后累计 Token 用量
信息泄露	敏感信息过滤	工具输入输出过滤
无限循环	超时退出机制	`timeout = 60s`

# 安全包装器示例
class SafeAgent:
    def __init__(self):
        self.max_steps = 10
        self.max_tokens = 50000
        self.token_used = 0
        self.allowed_dirs = ["/project/src"]
    
    def check_permission(self, path: str) -> bool:
        return any(path.startswith(d) for d in self.allowed_dirs)

六、Agent 应用场景决策树

用决策树判断是否需要使用 Agent：

这个任务是否需要 API 调用或代码执行？
├── 否 → 用普通 Chat 即可
└── 是 → 任务是否需要多步规划和条件判断？
    ├── 否 → 用 Function Calling 简单调用
    └── 是 → 任务是否需要多个专用角色协作？
        ├── 否 → 用单 Agent（ReAct 模式）
        └── 是 → 用多 Agent 框架（CrewAI/LangGraph）

6.1 不适用 Agent 的场景

单次简单查询：查个天气、问个定义 → Chat 就够了
纯信息整理：总结文章、翻译 → 不需要工具调用
确定性计算：1+1=2 → 直接计算即可
模板化生成：每周周报格式固定 → 用脚本而不是 Agent

七、Agent 与 RAG 的协同

Agent 和 RAG 不是互斥方案，而是互补的：

1
2
3

Agent（执行者）：需要调用工具完成多步任务
  ↓ 需要知识
RAG（知识库）：为 Agent 提供私有知识支持

例如：一个”代码维护 Agent”可以这样协同：

用户："帮我修复这个 bug"
→ Agent 理解任务 → RAG 检索同类 bug 的历史修复记录
→ Agent 参考历史方案 + 当前代码 → 生成修复
→ Agent 调用 git commit 提交修改
→ Agent 调用 CI 触发测试验证

八、Agent 框架选择

框架	语言	特点	适合场景	学习曲线
LangChain	Python	生态丰富，文档齐全	快速原型	中等
LangGraph	Python	有状态工作流，循环控制	复杂流程编排	较高
CrewAI	Python	多 Agent 协作，角色化	团队模拟	低
AutoGen	Python	微软出品，对话式多 Agent	研究实验	中等
OpenCode Agent	JS/TS	CLI 集成，文件操作	日常开发	低

学习路线建议：

入门：用 OpenAI/Python 手写一个最小 Agent（上面代码）
进阶：用 LangChain 快速构建
专业：用 LangGraph 构建有状态工作流

本章小结

Agent 的核心是”思考→行动→观察”的 ReAct 循环
Function Calling 是 LLM 调用工具的标准接口，几乎所有主流模型都支持
手写一个最小 Agent 只需要 30 行代码 + 工具定义
Agent 的自主性带来效率提升，也带来安全风险——权限控制必不可少
框架推荐：手写入门 → LangChain（进阶）→ LangGraph（专业）
成本监控在 Agent 场景中比单次 LLM 调用更重要

下一篇看 MCP 协议——让 Agent 和工具之间的通信标准化。