笔者:写QA版本旨在总结精华阅读,快速掌握工程知识。

一、什么是大语言模型驱动的智能体?

Q1:智能体的定义

  • 通过 传感器(sensors) 感知其所在环境 (Environment),并自主地通过执行器 (Actuators) 采取行动 (Action) 以达成特定目标地实体。
    • 这里的sensors是泛指,摄像头、麦克风、雷达或各类应用程序编程接口(Application Programming Interface, API) 返回的数据流,都是其感知能力的延伸。执行器可以是物理设备(如机械臂、方向盘)或虚拟工具(如执行一段代码、调用一个服务)
      相比于传统智能体, 智能体可以直接处理高层级、模糊且充满上下文信息的自然语言指令。

二、智能体如何工作?

Q2: 智能体的运行机制

  • 智能体循环(Agent Loop): 智能体并非一次性完成任务,而是通过一个持续的循环与环境进行交互。
    image.png
  • 主要包含以下循环步骤:
    • 感知(Perception)
    • 思考(Thought)
      • 规划(Planning)
      • 工具选择(Tool Selection)
    • 行动(Action)
      智能体首先通过传感器获取观察(Observation) 任务环境得到的信息。这些信息既可以时用户的初始指令也可以是上一步行动导致的环境变化反馈。接收到观察信息后,智能体进入思考阶段。主要分为规划和工具选择先后两部分。规划部分,智能体基于当前的观察和内部记忆,更新对任务和环境的理解,并指定或调整一个行动计划(如目标分解为一系列更具体地子任务)。工具选择部分,智能体根据计划,从工具库中选择最适合执行下一步的工具,并确定调用该工具所需地具体参数。思考完成后,智能体通过其执行器会执行行动,通常表现为调用一个选定的工具来改变任务环境。
    • 行动并不是循环的重点,智能体的行动会引起环境 的状态变化 (State Change),环境随即会产生一个新的观察作为结果反馈。这个新的观察又会在下一轮循环中被智能体的感知系统捕获,形成一个持续的 “感知-思考-行动-观察” 的闭环。智能体正是通过不断重复这一循环,逐步推进任务,从初始状态向目标状态演进。

三、如何构建智能体?

一、提升词工程

  • 任务角色:如天气助手
  • 可用工具:
    • get_weather(city: str): 查询指定城市的实时天气。
    • get_attraction(city: str, weather: str): 根据城市和天气搜索推荐的旅游景点。
  • 输出格式要求:严格按照Thought、Action格式
    • Thought: [你的思考过程和下一步计划]
    • Action: [你要执行的具体行动]
      • 1、调用工具:function_name(arg_name=”arg_value”)
      • 2、结束任务:Finish[最终答案]

二、工具调用

  • 定义工具
available_tools = {
"get_weather": get_weather,
"get_attraction": get_attraction,
}
  • LLM回复中,需要保证调用工具: function_name(arg_name=”arg_value”)
  • 再下一轮的回复中,需要把他的输出,加入到下一轮的输入中。

三、构建”Thought-Action-Observation” 循环

在实现中,本次共实现了三次循环
输入指令: 你好,请帮我查询一下今天北京的天气,然后根据天气推荐一个合适的旅游景点
第一次循环:

  • Thought:用户需要查询北京今天的天气,我先调用天气工具获取实时天气信息。plan的第一步
  • Action:get_weather(city=”北京”) 工具调用的结果
  • Observation:北京当前天气:Smoky haze,气温20摄氏度 工具返回的结果,当前任务环境从“北京天气是什么”到了已知今天北京天气如何
    第二次循环:
  • Thought: 已获取北京天气为Smoky haze,气温20摄氏度。接下来根据晴天推荐合适的旅游景点。plan的第二步
  • Action:get_attraction(city: “北京”, weather: Somky haze) 调用
  • Observation: Under smoky haze conditions, the sources recommend visiting the Capital Museum in Beijing. The museum offers a comprehensive overview of Beijing’s history, art, and culture, making it an ideal indoor option. It features free entry and well-equipped facilities, suitable for both rainy days and family outings. The museum’s modern architecture blends with traditional Chinese elements, providing a unique experience.
    第三次循环:
  • Thought:已获取北京天气为Smoky haze、气温20摄氏度,并查询到在雾霾天气下推荐前往首都博物馆参观。信息足够回答用户问题。
  • Action: Finish[今天北京天气为Smoky haze(雾霾),气温20摄氏度。推荐前往首都博物馆参观,它是室内景点,可了解北京历史、艺术与文化,免费开放且设施完善,适合雾霾天和家庭出游。]
    最终输出: 任务完成,最终答案:今天北京天气为Smoky haze(雾霾),气温20摄氏度。推荐前往首都博物馆参观,它是室内景点,可了解北京历史、艺术与文化,免费开放且设施完善,适合雾霾天和家庭出游。
def run_agent(user_prompt: str) -> None:
    if not API_KEY:
        print("错误:未找到 API Key。请设置环境变量 DEEPSEEK_API_KEY 或 OPENAI_API_KEY。")
        sys.exit(1)

    # ---2.初始化 ---
    llm = OpenAICompatibleClient(model=MODEL_ID, api_key=API_KEY, base_url=BASE_URL)
    prompt_history = [f"用户请求:{user_prompt}"]
    print(f"用户输入:{user_prompt}\n" + "=" * 40)

    # ---3.运行主循环
    for i in range(5):
        print(f"--- 循环 {i + 1} ---\n")

        #3.1. 构建Prompt
        full_prompt = "\n".join(prompt_history)

        #3.2. 调用LLM进行思考
        llm_output = llm.generate(full_prompt, system_prompt=AGENT_SYSTEM_PROMPT)
        #模型可能会输出多余的Thought-Action,需要截断
        match = re.search(
            r"(Thought:.*?Action:.*?)(?=\n(?:Thought:|Action:|Observation:)|\Z)",
            llm_output,
            re.DOTALL,
        )
        if match:
            truncated = match.group(1).strip()
            if truncated != llm_output.strip():
                llm_output = truncated
                print("已截断多余的 Thought-Action 对")

        print(f"模型输出:\n{llm_output}\n")
        prompt_history.append(llm_output)

        #3.3. 解析并执行行动
        action_match = re.search(r"Action:\s*(.*)", llm_output)
        if not action_match:
            observation = "错误: 未能解析到 Action 字段。请确保你的回复严格遵循 'Thought: ... Action: ...' 的格式。"
            observation_str = f"Observation: {observation}"
            print(f"{observation_str}\n" + "=" * 40)
            prompt_history.append(observation_str)  ##这里就是Thought-Action后的Obsevation了
            continue

        action_str = action_match.group(1).strip()

        if action_str.startswith("Finish"):
            finish_match = re.match(r"Finish\[(.*)\]", action_str, re.DOTALL)
            final_answer = finish_match.group(1) if finish_match else action_str
            print(f"任务完成,最终答案:{final_answer}")
            return

        tool_name, kwargs = parse_tool_call(action_str)
        if not tool_name:
            observation = f"错误: 无法解析工具调用: {action_str}"
        elif tool_name in available_tools:
            try:
                observation = available_tools[tool_name](**kwargs)
            except TypeError as e:
                observation = f"错误: 工具参数不正确 - {e}"
        else:
            observation = f"错误:未定义的工具 '{tool_name}'"

        #3.4. 记录观察结果
        observation_str = f"Observation: {observation}"
        print(f"{observation_str}\n" + "=" * 40)
        prompt_history.append(observation_str)

    print("达到最大循环次数,任务未完成。")
  • 结果:
    image.png

四、智能体有哪些主流的应用范式?

  • 以 GitHub Copilot 和 Cursor 等为代表的、增强人类工作流的“开发者工具”。
  • 以 Codex、Claude code等框架为代表的、能够独立完成高层级目标的“自主协作者”。
  • 受限于原文的时效性,“主流”的应用范式并不是一个一成不变的问题