构建会思考的AI助手：核心架构与天气查询案例解析-CSDN博客

本文链接：https://blog.csdn.net/weixin_37786060/article/details/146410409

一、什么是Agent

AI Agent（人工智能代理）可以理解为一种“智能小帮手”。它就像一个能自己动脑子、会做事的机器人程序，只不过它不一定有实体，以软件形式部署于终端设备或云端的智能程序。
用生活例子解释：
假设你有一个“外卖小哥版AI Agent”：

它能自己思考：
接到送餐任务后，它会自己规划最快路线，而不是每一步都问你“左转还是直行”。
它会随机应变：
如果遇到堵车，它能立刻绕路；如果顾客电话打不通，它会发短信或等几分钟再试。
它有目标：
核心目标不是单纯执行命令，而是“把外卖准时送到”，为此它会主动解决路上各种问题。
和普通程序的区别：

普通程序如同电饭煲
：执行预设流程但缺乏应变能力，即使水烧干仍持续加热
AI Agent
：像智能厨师，你说“做顿饭”，它会自己看冰箱里有什么菜、考虑你的口味、决定菜谱，发现没盐了还会下楼买。
生活中的AI Agent：
手机里的智能助手（比如你问“明天穿什么？”，它会查天气、看你的日程安排再建议）
游戏里会配合你打怪的队友NPC
能自动比价、抢优惠券的购物助手
简单说，它就是有脑子、会主动解决问题的程序，不用你手把手教每一步，只要告诉它“要什么结果”，它自己会想办法搞定。
从上面的例子可以明显看出，AI Agent需要可以做到「检索」「规划」「执行」

image.png

二、Agent的设计理念

AI Agent = 大模型+计划+记忆+工具+行动

image.png

2.1反射（Reflection）

反射模式允许Al Agent审视自身生成的输出，并进行自我修正。
这种自我监督的能力使得AI能够在执行任务时不断优化策略，提高准确性和效率。
例如，一个AI Agent 可能会生成一段代码，然后自我检查并修复潜在的错误，从而提升代码质量。

2.2工具使用（Tools Use）

工具使用模式是指Al Agent能够调用外部工具和API来增强自身的功能。
这种模式使得AI能够超越自身的知识库，通过与外部系统的交互来获取信息、执行操作或生成内容，极大地扩展了AI的应用范围和灵活性。

2.3规划（思维链)

规划模式赋予AI Agent将复杂任务分解为多个步骤并有序执行的能力。
通过这种方式，AI 能够更系统地处理问题，制定出有效的行动计划，并按照计划逐步推进任务完成。
这在需要长期思考和策略部署的任务中尤为重要，如市场分析或项目管理。

三、Agent落地方案

场景	技术方案
快速验证需求（闭源）	扣子、FastGPT、Dify等
可定制化开发	MetaGPT、AutoGen等
专业AI应用开发	LangChain、LangGraph等

四、实际案例

天气助手

直接使用大模型查询天气和天气AI Agent的区别

image.png

前置条件

使用高德开放平台获取天气信息

完成登录
新建应用
添加Key
获取Key

新建应用

添加Key

获取Key

提示词

你是一个天气查询助手，用户会向你询问有关天气的问题，当用户的问题涉及到具体的某一天时，你需要先调用时间工具获得用户问题所指的时间，然后再查询对应日期的天气

使用FastGPT实现天气助手

FastGPT没有现成的工具，所以我们需要使用插件+工作流来完成天气查询工具的创建
这个工具实质上就是一个http请求，对应的接口文档为：https://lbs.amap.com/api/webservice/guide/api/weatherinfo/#t1
从接口可以看出传入的city需要是城市编码：https://lbs.amap.com/api/webservice/download
将城市编码下载到本地后使用一个简单的脚本拿到数据

import json  
import pandas as pd  

df = pd.read_excel("/Users/Downloads/AMap_adcode_citycode.xlsx")  
data_dict = df.set_index("中文名")["adcode"].to_dict()  
json_data = json.dumps(data_dict, ensure_ascii=False)  
print(json_data)

新建一个插件来获取天气

image.png

使用工作流创建Agent

image.png

测试一下

使用Dify实现天气助手

https://agent-sit.qunhequnhe.com/

image.png

添加工具：由于我们的问题中可能会涉及到时间，所以除了获取天气的工具外，还需要获取时间的工具

获取天气工具

获取时间工具

image.png

使用LangGraph实现天气助手

from langchain_openai import ChatOpenAI

gpt4o_model = ChatOpenAI(  
    model="gpt-4o",  
    api_key="sk-xxx",  
    base_url="https://oneapi.qunhequnhe.com/v1"  
)

import os  
import requests  
import pandas as pd  
from langchain_core.tools import tool  

from src.utils.constant import BASEDIR  


@tool  
def get_weather(city: str) -> str:  
    """获取指定城市的天气信息"""  
    df = pd.read_excel(os.path.join(BASEDIR, "src", "tools", "AMap_adcode_citycode.xlsx"))  
    data_dict = df.set_index("中文名")["adcode"].to_dict()  
    url = f"https://restapi.amap.com/v3/weather/weatherInfo"  
    params = {  
        "key": "你的高德Key",  
        "city": data_dict.get(city),  
    }  
    response = requests.get(url, params=params)  
    if response.status_code == 200:  
        data = response.json()  
        return data  
    else:  
        return "获取天气失败"

from langgraph.prebuilt import create_react_agent  

from src.tools.get_weather import get_weather  
from src.utils.models import gpt4o_model  

agent = create_react_agent(  
    model=gpt4o_model.bind_tools([get_weather]),  
    tools=[get_weather]  
)  

result = agent.invoke({"messages": [  
    {"content": "你是一个天气查询助手，用户会向你询问有关天气的问题，当用户的问题涉及到具体的某一天时，你需要先调用时间工具获得用户问题所指的时间，然后再查询对应日期的天气", "role": "system"},  
    {"content": "杭州市和北京市今天哪边更热", "role": "user"}  
]})  
print(result['messages'][-1].content)