智能体 Agent
Agent（智能体）= 会用工具、能自己循环干活的 LLM 应用。聊天机器人只会答问题，Agent 会「查资料 → 改文件 → 跑命令 → 看结果 → 再决定下一步」。
前置：大语言模型 LLM（会调 API 即可）。本教程沿用那边的 OpenAI 兼容 SDK 写法。 基线：Python 3.12+ · openai 3.35.1 · 模型需支持 function calling（工具调用）· LangGraph 1.2.x + LangChain 1.4.x · AutoGen 0.7.5 · CrewAI 1.15.28（需 Python 3.10~3.13）
聊天机器人 vs 智能体
| 聊天机器人 | Agent | |
|---|---|---|
| 一轮问答 | 问一句答一句 | 循环若干轮，直到任务完成 |
| 能做什么 | 只能生成文字 | 能调工具：读文件、跑命令、查数据库、联网 |
| 谁来推进 | 用户问一句它答一句 | 自己判断「下一步该干嘛」 |
| 典型形态 | 网页对话框 | 编码助手、自动化流程、个人助理 |
Agent 的三件套
┌─────────────┐ 调工具 ┌─────────────┐
│ 大模型 LLM │ ─────────► │ 工具 Tools │
│ （做决策） │ ◄───────── │ （真正干活） │
└─────────────┘ 看结果 └─────────────┘
▲
│ 多轮记忆
┌──┴──┐
│ 上下文│
└─────┘三件事决定一个 Agent 好不好用：模型能不能做决策、工具设计好不好用、上下文管不管得住。
学习目标
- 理解 Agent 的循环本质：思考 → 行动 → 观察 → 再思考
- 会用 function calling（工具调用）给模型装上手
- 掌握 ReAct 模式的原理与两种实现方式
- 会用 LangGraph 把 Agent 画成图：节点、条件边、断点续跑、人在回路
- 认识 AutoGen 与 CrewAI 两种主流多智能体框架的思路差异
- 会写一个带记忆、能多轮执行的 Agent
- 知道常见翻车点在哪、怎么调
技术路线
| 章节 | 核心内容 |
|---|---|
| 1. Agent 是什么 | 原理、循环、与工作流的区别 |
| 2. 环境搭建与第一个 Agent | 装好环境，手写一个会调工具的 Agent |
| 3. Agent 的循环 | 停止条件、步数上限、并行调用 |
| 4. ReAct 模式 | 论文里的经典形态：Thought / Action / Observation |
| 5. 用 LangGraph 构建 Agent | 把 ReAct 画成图：状态、条件边、持久化、人在回路 |
| 6. AutoGen | 微软的多智能体框架：Agent、Team、终止条件 |
| 7. CrewAI | 角色化协作：Agent、Task、Crew、Process |
| 8. 给 Agent 装上手 | 工具描述怎么写、结果怎么回传 |
| 9. 记忆与上下文 | 短期记忆、摘要压缩、长期记忆 |
| 10. 综合练习 | 搭一个能干活的 Agent |
前三章不引 Agent 框架：先用几十行 Python 把循环亲手写一遍，才知道框架替你省了哪一步。第 5~7 章再引入 LangGraph / AutoGen / CrewAI 三个主流框架，对照着看「同样的循环，各家怎么造」。后面三个栈（Hermes、opencode、OpenClaw）是现成的 Agent 产品，也可以对照着看。
从 1. Agent 是什么 开始吧！