博客配套代码发布于github：01 Agent 入门 & 快速运行
本系列所有博客均配套Gihub开源代码，开箱即用，仅需配置API_KEY。
如果该Agent教学系列帮到了你，欢迎给个Star⭐！
知识点：Agent核心概念、LLM调用基础、开发环境搭建、首个Agent实现
前言：
笔者在学习agent的过程中，常苦于市面上没有成系统成体系的教学，得对着大量文档与资料翻半天。因此，便打算自己开一篇Agent教学系列。
该系列将会包括langchain，langgraph，llm，prompt，rag，本地部署等诸多agent核心知识点。力求知识点梳理透彻、明晰，并尽可能扩展足够知识点的深度。
同时所有章节的知识点都会在github上提供配套代码，方便读者使用。
注：本系列[Ai Agent] 是纯代码开发Agent，并非dify/coze/n8n的低代码ai开发平台。其知识点讲解与运用会更为深入全面。
一、认识Agent
学习前先免不了认认它，大家伙天天吵嚷的这个东西，会是下一个泡沫吗？
先给结论：绝对不是。Agent在未来几年必定是个大风口，非常多的就业机会与资金人才等会从这个地方涌出。国务院已有文件，明确未来到2027年智能体普及率将超过70%，2030年超过90%。
说了前景，我们再谈实际运用。
用最简单的方式总结ai agent：将chatgpt理解成一个懂很多的实习生，但不怎么会干活。Agent就是为chatgp装上了手和眼。
- 手 = 能点鼠标、敲键盘、调接口；
- 眼 = 能看网页、读表格、扫邮件。
于是，实习生秒变 7×24 小时不下线的“工具人”。
再讲讲技术上的实现。
这里我们借助coze这种低代码平台理解一下：
如图，这是个非常简洁的工作流程，但已经是个我们讲的Agent了。
在agent中，我们要做的就是在开始和结束节点中间，插入各种我们想要的接口，大语言模型，工具等，给ai调用。同时给ai写足够的提示词，指示ai要做什么，怎么做，再用我们赋予的工具“手”来办事。
小结一下：
agent的确非常强大，它就是大语言模型+工具调用+循环，做出一个可以真正代替人力的ai工具。
而学习Agent，就是去学习如何去做整个的工作流，里面要搭配多少个工具，插件，接口等。一般情况下coze/dify这种拖拽式生成agent平台够用，但一旦业务流程稍微繁琐点，或者涉及到生产环境，真正要上线的agent，则必须脱离它们，完全使用纯代码来写。业务上很多的东西需要明确的“看见”，不允许有比较黑箱，不好排查的东西存在。
这就是我们要学习纯代码写agent的原因。
二、环境搭建&工具准备
在正式动手写第一个Ai Agent前，我们需要先准备好开发环境。
本节环境搭建较为简单，更优良的环境配置可在github的快速开始中完成。
（极简搭建）
pip install langchain_openai
获取api-key（以deepseek为例）：
进入deepseek，登录后获取你的api-key，并确保你有一定使用额度，复制你的api-key。
三、创建一个智能体
编辑
将你的api_key粘贴到上面的api_key，并运行，即可看到对应结果：
编辑
该段代码只是感受agent构建过程，并不需要具体掌握什么知识，我们会在后续的文章中继续深入。现在只要能看到成功返回对应数据即可。
四、总结
知识点概括：Agent核心概念、LLM调用基础、开发环境搭建、首个Agent实现
本篇内容我们了解了agent的前景，并实际搭建了一个最小可运行的agent。看起来内容量非常小，但却是我们学好agent的第一站。
下一篇文章，我们会继续讲解llm(大语言模型) ，了解它的基础与调用逻辑。
🚀一键跳转： [Ai Agent] 02 深入理解LLM调用：构建可复用的API调用模板
📌 项目代码 + 后续案例合集 全部发布在 Github 仓库 agent-craft ，持续更新中，欢迎Star⭐!
