程序员转行学习 AI 大模型： Agent（智能体）｜ 附完整可运行代码

本文是程序员转行学习AI大模型的第15个核心知识点笔记，附清晰业务流程示例。 当前阶段：还在学习知识点，由点及面，从0到1搭建AI大模型知识体系中。 系列更新，关注我，后续会持续记录分享转行经历～

概念

Agent：能够感知环境、做出决策、执行行动的智能系统。在 LLM 领域，Agent 是指能够调用工具、执行复杂任务的 LLM 应用。

LLM 核心组件：

1. LLM：智能体的大脑部分，负责推理决策、理解意图、生成计划等；
2. 工具（Tools）：外部 API 调用；
3. 记忆（Memory）：分为长期记忆（向量数据库）、短期记忆（上下文）；
4. 规划（Planning）：拆解任务、步骤排序、动态调整；

举例说明，当我们对 Agent 说：帮我查一下明天北京的天气，如果是雨天，请帮我写个提醒发给小王。

Agent 收到这句话后，内部是这样运行的：

1. LLM：根据输入，分析出两个任务：查天气、发提醒；
2. 规划：先查天气->判断是否下雨->如果是，写提醒->发送；
3. 工具：调用“工具查询工具”，明天北京下雨；
4. 记忆：去通讯录（记忆库）里找“小王”的联系方式；
5. 工具：调用“发送消息工具”，把提醒发出去。

Agent 执行流程：

Agent 示例

# 简单AI Agent示例
import random

# 1. 工具定义
def get_weather(city):
    """模拟天气查询工具"""
    weather_options = ["晴", "多云", "小雨", "大风"]
    temperature = random.randint(15, 35)
    return f"{city}的天气是{random.choice(weather_options)}，气温{temperature}℃。"

def simple_calculator(a, b, operator):
    """简单计算器工具"""
    if operator == '+':
        return f"{a} + {b} = {a + b}"
    elif operator == '-':
        return f"{a} - {b} = {a - b}"
    else:
        return "暂不支持此运算。"

# 2. 记忆（用列表模拟短期对话历史）
conversation_history = []

# 3. 核心Agent循环
def run_simple_agent():
    print("【简单AI Agent已启动】输入'退出'来结束对话。")

    while True:
        # 感知
        user_input = input("n您：")
        conversation_history.append(f"用户：{user_input}")

        if user_input.lower() in ["退出", "exit", "quit"]:
            print("Agent：再见！")
            break

        # 决策与行动
        response = ""
        if "天气" in user_input:
            # 简单提取城市名（实际应用需要更复杂的NLP）
            city = "北京" # 默认城市
            for c in ["北京", "上海", "广州"]:
                if c in user_input:
                    city = c
                    break
            response = get_weather(city)
        elif "计算" in user_input or "+" in user_input or "-" in user_input:
            # 非常简单的模式匹配
            try:
                if "1+1" in user_input:
                    response = simple_calculator(1, 1, '+')
                elif "10-5" in user_input:
                    response = simple_calculator(10, 5, '-')
                else:
                    response = "请尝试输入'计算1+1'或'计算10-5'。"
            except:
                response = "计算时出错了。"
        else:
            # 默认的对话回应
            default_responses = [
                "我理解您的意思了。",
                "这是一个有趣的话题。",
                "我目前还在学习中，可以试试问我天气或简单计算。",
                "嗯，请继续。"
            ]
            response = random.choice(default_responses)

        # 记录并输出行动结果
        print(f"Agent：{response}")
        conversation_history.append(f"Agent：{response}")

    # 打印本次对话历史
    print("n=== 本次对话历史 ===")
    for line in conversation_history:
        print(line)

# 4. 启动Agent
if __name__ == "__main__":
    run_simple_agent()