在人工智能迅猛发展的今天，"Agent"（智能体）已成为AI开发中的热门概念。无论你是编程新手，还是刚接触AI领域的爱好者，亲手创建一个属于自己的AI智能体，不仅能加深对AI工作原理的理解，还能为后续深入学习打下坚实基础。本文将手把手带你完成你的第一个AI Agent示例，全程使用通俗易懂的语言，无需高深背景知识。
什么是AI Agent？
简单来说，AI Agent 是一个能感知环境、做出决策并执行动作的程序。它可以是一个聊天机器人、一个自动订票助手，甚至是一个能玩棋类游戏的AI对手。核心要素包括：
- 感知（Perception） ：接收外部输入（如用户问题、传感器数据等）
- 思考（Reasoning） ：基于规则或模型处理信息
- 行动（Action） ：输出响应或执行操作
开发环境准备
我们使用 Python 作为开发语言，因为它拥有丰富的AI生态库，且语法简洁。你需要安装以下工具：
pip install langchain openai python-dotenv
注：如果你没有 OpenAI API Key，也可以使用开源模型（如 Ollama + Llama3）替代，本文以 OpenAI 为例。
同时，在项目根目录创建 .env 文件，填入你的 API 密钥：
OPENAI_API_KEY=your-api-key-here
第一步：定义工具（Tools）
Agent 的能力往往依赖于“工具”。比如，它可以调用计算器、搜索网页或查询数据库。我们先创建一个简单的“回声”工具：
from langchain.tools import Tool
def echo_tool(query: str) -> str:
return f"你说了：{query}"
tools = [
Tool(
name="Echo",
func=echo_tool,
description="重复用户输入的内容"
)
]
第二步：初始化大语言模型（LLM）
我们使用 OpenAI 的 GPT 模型作为 Agent 的“大脑”：
from langchain_openai import ChatOpenAI
from dotenv import load_dotenv
import os
load_dotenv()
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
第三步：创建并运行 Agent
使用 LangChain 提供的 create_react_agent 快速构建一个 ReAct（Reason + Act）风格的智能体：
from langchain import hub
from langchain.agents import create_react_agent, AgentExecutor
# 获取预设的 prompt 模板
prompt = hub.pull("hwchase17/react")
# 创建 Agent
agent = create_react_agent(llm, tools, prompt)
# 创建执行器
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
# 运行！
response = agent_executor.invoke({"input": "你好，请重复我说的话：今天天气真好！"})
print(response["output"])
运行后，你会看到类似这样的输出：
你说了：今天天气真好！
恭喜！你刚刚创建了一个具备基本感知-思考-行动能力的AI Agent！
扩展思路
这个示例虽然简单，但已具备Agent的核心结构。你可以在此基础上：
- 添加更多工具（如天气查询、数学计算）
- 接入本地知识库实现问答
- 部署为 Web 应用（使用 Flask 或 FastAPI）
- 使用记忆模块让 Agent 记住对话历史
结语
AI Agent 并非遥不可及的黑科技，而是一套清晰可构建的系统。通过这个“Hello World”级别的示例，希望你能迈出AI开发的第一步。记住：每一个复杂的智能系统，都始于一行简单的代码。
