从零搭建智能体！接入大模型

原创于 2025-08-03 17:05:44 发布 · 920 阅读

29 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

AI 智能体本地部署实战

OpenClaw 从环境搭建到避坑全攻略，本地跑通你的 AI 代理

一键订阅

2025年，Manus 的横空出世引爆了全球互联网，再度掀起 AI Agent 的技术热潮。我想利用周末时间，与大家分享和总结关于智能体的实现。

本文将首先介绍 AI Agent 的核心概念，然后通过一个实际案例，展示如何利用 LangGraph 框架和 ModelScope 上的 Qwen3-30B 模型来构建一个简单的智能体。

什么是 AI Agent？

我们可以借鉴台湾大学李宏毅教授的课程内容来理解 AI Agent 的基本概念。

AI Agent 的本质

与普通 AI 的区别： 传统的 AI 应用遵循“一个口令，一个动作”的模式，而 AI Agent 则是“人类只给目标，AI 自己找路”。例如，对于“研究 AI Agent 的定义”这个任务，普通 AI 可能只会回答其定义，而 AI Agent 则会主动规划并执行一系列动作来完成整个研究任务。
工作循环 (Working Cycle)： AI Agent 的工作流程是一个循环，包含以下几个步骤：
以 AlphaGo 为例，其目标是赢得棋局，它通过观察棋盘状态（Observation），决定下一步的落子位置（Action），对手的回应改变了棋盘状态（Environment Change），AlphaGo 再次观察、行动，如此循环，直至分出胜负。

目标 (Goal):
确定最终需要达成的任务。
观察 (Observation):
感知当前的环境状态。
行动 (Action):
根据观察和目标，决定并执行下一步动作。
环境变化 (Environment Change):
行动会改变环境，并产生新的状态。
循环 (Loop):
Agent 再次观察新环境，重复上述过程，直到目标达成。

与强化学习的关系： AI Agent 的工作循环与强化学习（Reinforcement Learning）的思路非常相似，都是通过试错来逼近最优解。然而，传统的 AI Agent 高度依赖强化学习，导致一个模型通常只能执行一项特定任务。如今，借助大型语言模型（LLM），AI Agent 的实现方式发生了根本性的变化。
LLM 驱动的 AI Agent
- 工作原理：
  由 LLM 驱动的 Agent 通过自然语言接收任务目标。它将环境信息（如文本、图片）作为输入，以文字形式输出决策和行动，并在循环中不断迭代直至任务完成。与需要专门训练的强化学习模型不同，LLM 凭借其强大的语言理解和生成能力，可以直接“推断”出下一步应该做什么。
- 优缺点：
- - 优点：
    灵活性极高，能处理各种开放式任务；无需为每个任务定义复杂的奖励函数；行动空间几乎没有限制。
  - 缺点：
    有时可能会做出未经深思熟虑的“猜测”；其决策质量高度依赖于对环境描述的准确理解，模糊或不完整的描述可能导致错误。
AI Agent 的三大关键能力
1. 根据经验调整行为： Agent 需要根据外部反馈来调整后续行动。LLM 主要通过“上下文学习”（In-context Learning）来实现这一点，即将历史行动和反馈作为新的输入，从而影响后续的输出。这面临着“记忆爆炸”的挑战——如果将所有历史记录都输入给 LLM，计算成本会急剧增加。解决方案通常包括引入 写入 (Write)、读取 (Read) 和 反思 (Reflection) 等记忆模块来高效管理历史信息。
2. 使用工具 (Tool Using)： LLM 自身存在短板（如无法进行实时计算、访问外部网站等），需要借助外部工具来扩展能力。Agent 通过学习如何调用工具（API）来弥补这些不足。当面对复杂任务时，Agent 需要一个“工具选择模块”来决定调用哪个最合适的工具。同时，Agent 也需要具备一定的判断力，以识别并处理工具可能返回的错误信息。
3. 制定计划 (Planning)： 计划能力指的是先思考并规划好所有步骤，再依次执行。LLM 具备一定的规划能力，但往往在细节上表现不佳。提升其规划能力的方法包括 试错法 (Trial and Error)、脑内模拟 (Internal Simulation) 和 借助工具辅助规划。
使用 LangGraph 构建 Agent 实战
了解了核心概念后，我们来看看如何实现一个 Agent。关键步骤有两个：接入一个优秀的大模型 和 为其配置并调用工具。我们选择 LangGraph 作为构建 Agent 的框架。
GitHub:https://github.com/langchain-ai/langgraph
1. 环境配置
首先，安装必要的 Python 库：
```
pip install -U langgraph
pip install langchain-openai
```
2. 代码实现
官方示例通常采用 Claude、GPT 或 Gemini 等模型，对新手可能不太友好。因此，我们这里改用 ModelScope 上的 Qwen3-30B-A3B-Instruct-2507 模型，该模型提供免费调用额度。
API Key 获取方式：https://www.modelscope.cn/docs/model-service/API-Inference/intro
代码示例
下面的代码实现了一个简单的天气查询 Agent。它的核心功能是：理解用户用缩写 "sf" 指代城市 "San Francisco"，并调用 get_weather 工具函数来获取天气信息。
```
from langchain_openai import ChatOpenAI
from langgraph.prebuilt import create_react_agent

# 配置 ModelScope 的模型服务
# 从 ModelScope 官网获取 API Key 和 Base URL
base_url = 'https://api-inference.modelscope.cn/v1'
api_key = '在此处填入你从 ModelScope 获取的 API Key'
model_name = 'Qwen/Qwen3-30B-A3B-Instruct-2507'

# 定义一个工具函数
def get_weather(city: str) -> str:
    """为一个给定的城市获取天气信息。"""
    returnf"It's always sunny in {city}!"

# 初始化大语言模型
llm = ChatOpenAI(
    api_key=api_key,
    base_url=base_url,
    model_name=model_name,
    temperature=0,
    max_tokens=None,
    timeout=None,
    max_retries=2,
)

# 使用 LangGraph 创建一个 ReAct 风格的 Agent
# ReAct (Reasoning and Acting) 是一种让 LLM 通过思考和行动来解决问题的框架
agent = create_react_agent(
    model=llm,
    tools=[get_weather],
    prompt="You are a helpful assistant"# 你可以根据需要调整提示词
)

# 运行 Agent
# 我们向 Agent 提问 "what is the weather in sf"
result = agent.invoke(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]}
)

# 打印最终的输出结果
# result 包含了完整的执行流程，我们这里只关心最终的回复内容
# 通常最终回复在消息列表的最后一条
print(result['messages'][-1].content)
```
输出结果
```
It's always sunny in San Francisco! 🌞
```
从结果可以看出，Agent 成功地理解了 "sf" 是 "San Francisco" 的缩写，并调用了 get_weather 工具，最终给出了正确的回复。这展示了一个最基本的 LLM Agent 的完整工作流程。
参考资料
https://github.com/langchain-ai/langgraph/tree/main
https://zhuanlan.zhihu.com/p/29123783155
https://www.modelscope.cn/docs/model-service/API-Inference/intro
PS：拒绝白嫖，辛苦各位大佬，来个点赞、在看、关注吧。您的支持是我坚持的最大动力！
欢迎多多关注公众号「AI算法与图像处理」