告别复杂代码！Python轻松实现你的第一个AI Agent

小博测试成长之路

发布于 2025-11-12 20:24:51

2320

文章被收录于专栏：软件测试学习软件测试学习

从上一篇文章中，我们可以了解到，怎么通过代码去跟大模型进行对话，文章链接如下：基于LangChain的大模型对话简单demo

接下来，我们学习怎么创建一个智能体。

在人工智能大模型（如大型语言模型）中，“智能体”（Agent）是一个核心概念，指的是能够感知环境、自主决策并执行行动以实现目标的计算实体。它不仅仅是被动地生成文本或回答问题，而是具备更高层次的主动性和目标导向性。

✅ 一句话理解：

智能体 = 大模型 + 记忆 + 工具 + 规划 + 行动能力

🔍 智能体的五大核心能力（在大模型语境下）：

能力模块	说明	举例
感知（Perception）	接收外部输入（文本、图像、API、传感器等）	用户输入：“帮我订一张去北京的机票”
记忆（Memory）	短期记忆（对话上下文）+ 长期记忆（用户偏好、历史记录）	记住用户喜欢靠窗座位
规划（Planning）	将目标拆解为可执行的步骤	1. 查航班 → 2. 比价 → 3. 下单 → 4. 发确认邮件
工具使用（Tool Use）	调用外部工具（API、数据库、搜索引擎、代码执行器等）	调用携程API查机票价格
行动（Action）	执行具体行为（发请求、发邮件、生成代码、控制设备）	成功下单并返回订单号

🧠 举个例子：大模型 vs 智能体

场景	大模型（如ChatGPT）	智能体（Agent）
用户说：“我下周要去北京出差，帮我安排下。”	回答：“你可以坐飞机或高铁，建议提前订票。”	自动查航班、比价、订票、写日历、发邮件确认，全程无需人工干预。

📌 总结一句话：

大模型是“大脑”，智能体是“整个人”——有了记忆、手脚、工具和目标，它才能真正“干活”。

下面我们来看一下，在代码里面怎么创建智能体，这里还是以langchain框架为例：

from langchain.agents import create_agent
model = get_default_model() #参考昨天的文章定义一个函数获取大模型

agent = create_agent(
    model=model,
    tools=[],
    system_prompt="You are a helpful assistant"
)

result = agent.invoke({"messages": [("user", "帮我写一首描述月亮的诗")]})
print(result["messages"][-1].content)

从上面的案例可以看出，创建一个智能体agent，只需要指定一个大模型，可调用的工具列表，以及prompt指令。工具列表的话可以是自己自定义的函数，也可以是远程调用其他mcp工具，这个在后面的文章中会介绍到。本章的demo主要是要掌握通过智能体的方式与大模型进行对话。更多用法可以参考官网：

https://docs.langchain.com/oss/python/langchain/agents

掌握了上面的内容之后，可以考虑自己做一个直接将智能体的输出显示在前端页面的功能，可以借助AI工具去实现，可以实现类似GPT官网对话窗口的效果：