Awesome 15docs

Appearance

On this page
字数:2.9k 字
预计:9 分钟
阅读量:

初始智能体（一） ​

作者:winches
更新于:2 天前

本文内容整理自 Datawhale Hello-Agents 第一章《初识智能体》，重点围绕智能体的定义与智能体的类型进行总结。

1. 智能体是什么？ ​

智能体（Agent） 被定义为：能够通过传感器感知所处环境，并自主地通过执行器采取行动以达成特定目标的实体。

四个基本要素：

  • 环境：智能体所处的外部世界（如道路、金融市场、API 数据流等）
  • 传感器：感知环境的方式（摄像头、API、麦克风等）
  • 执行器：施加行动的方式（机械臂、代码调用、服务请求等）
  • 自主性：能基于感知与内部状态独立决策，而非仅执行预设指令

感知 → 决策 → 行动的闭环，构成智能体行为的基础。

2. 智能体的构成与运行原理 ​

2.1 智能体的构成 ​

在人工智能领域，通常使用 PEAS 模型来精确描述一个任务环境，即分析其性能度量 (Performance)、环境 (Environment)、执行器 (Actuators) 和传感器 (Sensors)。

PEAS 模型是评估智能体性能的重要框架，它帮助我们理解智能体在特定任务环境中的表现。

2.2 智能体的运行原理 ​

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，这个核心机制被称为智能体循环 (Agent Loop)。

智能体循环

这个循环主要包含以下几个相互关联的阶段：

  1. 感知 (Perception)：这是循环的起点。智能体通过其传感器（例如，API 的监听端口、用户输入接口）接收来自环境的输入信息。这些信息，即观察 (Observation)，既可以是用户的初始指令，也可以是上一步行动所导致的环境状态变化反馈。
  2. 思考 (Thought)：接收到观察信息后，智能体进入其核心决策阶段。对于 LLM 智能体而言，这通常是由大语言模型驱动的内部推理过程。如图所示，“思考”阶段可进一步细分为两个关键环节：
    • 规划 (Planning)：智能体基于当前的观察和其内部记忆，更新对任务和环境的理解，并制定或调整一个行动计划。这可能涉及将复杂目标分解为一系列更具体的子任务。
    • 工具选择 (Tool Selection)：根据当前计划，智能体从其可用的工具库中，选择最适合执行下一步骤的工具，并确定调用该工具所需的具体参数。
  3. 行动 (Action)：决策完成后，智能体通过其执行器（Actuators）执行具体的行动。这通常表现为调用一个选定的工具（如代码解释器、搜索引擎 API），从而对环境施加影响，意图改变环境的状态。

智能体的行动会引起环境 (Environment) 的状态变化 (State Change)，环境随即会产生一个新的观察 (Observation) 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。

3. 动手体验：5 分钟实现第一个智能体 ​

通过构建一个智能旅行助手，将理论付诸实践。

3.1 目标任务 ​

用户任务：「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。」

智能体需先调用天气工具获取结果，再以此为依据调用景点推荐工具，体现分步规划能力。

3.2 Thought-Action-Observation 交互格式 ​

每轮循环输出一对 Thought 和 Action：

text
Thought: [思考过程和下一步计划]
Action: [具体行动]

Action 格式：调用工具 function_name(arg_name="arg_value") 或结束任务 Finish[最终答案]。

3.3 工具 1：查询天气 ​

使用 wttr.in 免费 API 查询天气：

python
import requests

def get_weather(city: str) -> str:
    """通过调用 wttr.in API 查询真实的天气信息。"""
    url = f"https://wttr.in/{city}?format=j1"
    try:
        response = requests.get(url)
        response.raise_for_status()
        data = response.json()
        current = data["current_condition"][0]
        return (
            f"城市: {city}, 温度: {current['temp_C']}°C, "
            f"体感温度: {current['FeelsLikeC']}°C, "
            f"天气: {current['weatherDesc'][0]['value']}, "
            f"湿度: {current['humidity']}%"
        )
    except requests.exceptions.RequestException as e:
        return f"错误:查询天气时遇到网络问题 - {e}"
    except (KeyError, IndexError) as e:
        return f"错误:解析天气数据失败，可能是城市名称无效 - {e}"

3.4 工具 2：搜索推荐景点 ​

使用 Tavily Search API 根据城市和天气搜索合适景点：

python
import os
from tavily import TavilyClient

def get_attraction(city: str, weather: str) -> str:
    """根据城市和天气，使用 Tavily Search API 搜索景点推荐。"""
    api_key = os.environ.get("TAVILY_API_KEY")
    if not api_key:
        return "错误:未配置 TAVILY_API_KEY 环境变量。"
    tavily = TavilyClient(api_key=api_key)
    query = f"{city} {weather} 适合的旅游景点推荐"
    try:
        response = tavily.search(query=query, search_depth="advanced")
        if response.get("answer"):
            return response["answer"]
        formatted = [f"- {r['title']}: {r['content']}" for r in response.get("results", [])]
        return "根据搜索，为您找到以下信息:\n" + "\n".join(formatted) if formatted else "抱歉，没有找到相关推荐。"
    except Exception as e:
        return f"错误:执行 Tavily 搜索时出现问题 - {e}"

available_tools = {"get_weather": get_weather, "get_attraction": get_attraction}

3.5 接入大语言模型 ​

通过 OpenAI 兼容接口封装 LLM 调用：

python
from openai import OpenAI

class OpenAICompatibleClient:
    def __init__(self, model: str, api_key: str, base_url: str):
        self.model = model
        self.client = OpenAI(api_key=api_key, base_url=base_url)

    def generate(self, prompt: str, system_prompt: str) -> str:
        """调用 LLM API 来生成回应。"""
        messages = [
            {'role': 'system', 'content': system_prompt},
            {'role': 'user', 'content': prompt}
        ]
        response = self.client.chat.completions.create(
            model=self.model, messages=messages, stream=False
        )
        return response.choices[0].message.content

3.6 主循环：驱动智能体运行 ​

python
import re, os

os.environ['TAVILY_API_KEY'] = "YOUR_TAVILY_API_KEY"
llm = OpenAICompatibleClient(model=MODEL_ID, api_key=API_KEY, base_url=BASE_URL)
user_prompt = "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。"
prompt_history = [f"用户请求: {user_prompt}"]

for i in range(5):
    full_prompt = "\n".join(prompt_history)
    llm_output = llm.generate(full_prompt, system_prompt=AGENT_SYSTEM_PROMPT)
    prompt_history.append(llm_output)

    action_match = re.search(r"Action: (.*)", llm_output, re.DOTALL)
    if not action_match:
        prompt_history.append("Observation: 错误: 未能解析到 Action 字段。")
        continue

    action_str = action_match.group(1).strip()
    if action_str.startswith("Finish"):
        final_answer = re.match(r"Finish\[(.*)\]", action_str).group(1)
        print(f"任务完成: {final_answer}")
        break

    tool_name = re.search(r"(\w+)\(", action_str).group(1)
    kwargs = dict(re.findall(r'(\w+)="([^"]*)"', action_str))
    observation = available_tools[tool_name](**kwargs) if tool_name in available_tools else f"错误:未定义的工具 '{tool_name}'"
    prompt_history.append(f"Observation: {observation}")

3.7 运行分析 ​

智能体通过三轮循环完成任务：

  1. 循环 1 — 调用 get_weather(city="北京")，获取天气观察（晴朗、26°C）
  2. 循环 2 — 将天气结果传入 get_attraction(city="北京", weather="晴朗")，获取景点推荐
  3. 循环 3 — 综合信息，执行 Finish[...] 输出最终答案

核心体现了四项基本能力：任务分解、工具调用、上下文理解、结果合成。

4. 智能体应用的协作模式 ​

4.1 单智能体模式 ​

以 LLM 为「大脑」，单个智能体自主完成感知、规划、工具调用、推理与结果生成的全流程。典型代表是我们实现的旅行助手。

代表性 AI 编程工具：

  • GitHub Copilot：IDE 插件形式，提供代码补全、聊天和多文件编辑
  • Claude Code：命令行原生智能体，支持无交互模式，适用于 CI/自动化场景
  • Trae：轻量级 AI 编程工具，专注快速迭代和原型开发
  • Cursor：AI 原生代码编辑器，设计之初就以 AI 交互为核心，强调理解整个代码库上下文

4.2 多智能体协作模式 ​

通过模拟人类团队协作来解决复杂问题，可细分为：

  • 角色扮演式对话：如 CAMEL 框架，为智能体设定角色（「程序员」+「产品经理」）进行结构化对话
  • 组织化工作流：如 MetaGPT、CrewAI，模拟分工明确的「虚拟团队」，每个智能体有预设职责和 SOP；AutoGen、AgentScope 提供更灵活的自定义交互网络
  • 高级控制流架构：如 LangGraph，将执行过程建模为状态图（State Graph），支持循环、分支、回溯及人工介入

5. Workflow 和 Agent 的差异 ​

在理解智能体作为「工具」与「协作者」两种模式后，有必要区分 Workflow（工作流） 与 Agent（智能体）：二者都用于任务自动化，但底层逻辑、核心特征和适用场景不同。

一句话概括：Workflow 让 AI 按部就班执行指令，Agent 则赋予 AI 自由度以自主达成目标。

5.1 Workflow：预定义的静态流程 ​

工作流是传统自动化范式，核心是对一系列步骤做预先定义、结构化编排，本质上是一张精确、静态的流程图——规定在何种条件下、以何种顺序执行哪些操作。

典型例子：企业费用报销审批。员工提交报销单（触发）→ 金额 < 500 元则由部门经理审批 → 金额 ≥ 500 元则先部门经理再财务总监 → 审批通过后通知财务打款。每一步、每个判断条件都事先写死。

5.2 Agent：自主、以目标为导向 ​

基于 LLM 的智能体是具备自主性、以目标为导向的系统：不限于执行预设指令，而是能理解环境、推理、制定计划并动态采取行动以达成目标。LLM 扮演「大脑」角色。

典型例子：前文的智能旅行助手。用户说：「请查一下今天北京的天气，再根据天气推荐一个合适的景点。」

  • 规划与工具调用：Agent 将任务拆成 ① 查天气 ② 按天气推荐景点，自主选择并调用天气 API，传入「北京」。
  • 推理与决策：若返回「晴朗、微风」，LLM 推理「晴天适合户外」，再从知识或搜索引擎中筛选户外景点（如故宫、颐和园、天坛等）。
  • 生成结果：综合信息给出自然语言回答，如推荐颐和园并说明理由。

全程没有写死的「若天气=晴天 then 推荐颐和园」规则；若天气是雨天，Agent 会自主改推室内场馆（如国家博物馆）。这种基于实时信息做动态推理与决策的能力，正是 Agent 相对 Workflow 的核心价值。

6. 小结 ​

  • 智能体的定义与要素：能通过传感器感知环境、自主通过执行器采取行动以达成目标的实体；四要素为环境、传感器、执行器、自主性；行为基础是「感知 → 决策 → 行动」闭环。
  • 构成与运行原理：用 PEAS 描述任务环境（性能、环境、执行器、传感器）；核心机制是智能体循环——感知 → 思考（规划 + 工具选择）→ 行动 → 观察，并通过 Thought-Action-Observation 协议与 LLM 协同。
  • 动手实践：以智能旅行助手为例，实现天气查询 + 景点推荐的分步任务，体现任务分解、工具调用、上下文理解与结果合成；主循环驱动多轮 Thought-Action 与 Observation 直至 Finish。
  • 协作模式：单智能体（如 Copilot、Cursor）以 LLM 为大脑完成全流程；多智能体包括角色对话（CAMEL）、组织化工作流（MetaGPT、CrewAI）、以及状态图控制流（LangGraph）等。
  • Workflow 与 Agent 的差异：Workflow 是预定义、静态的步骤编排，按条件执行；Agent 是自主、目标导向、能动态推理与决策的系统；LLM 智能体的价值在于在开放与不确定任务中做实时规划与行动选择。

掌握以上概念并完成一次端到端实现，即可为后续学习 Agent 架构与多智能体系统打下基础。

Made with ❤️

MIT License © 2023 winchesHe