AI Agent开发实战：从ai-agent-book源码起步，手把手搭建你的第一个智能体

为什么从这本书开始？

昨天我们介绍了李博杰的《深入理解AI Agent》开源首日即获1734星。今天，我们就从这本书的配套源码出发，手把手带你搭建一个真正能用的AI Agent——不只是”Hello World”，而是一个能执行多步搜索、提取信息、生成摘要的研究助手Agent。

环境准备

在开始之前，确保你的环境满足以下条件：

# Python 3.10+
python --version

# 安装核心依赖
pip install openai langchain langchain-community duckduckgo-search python-dotenv

# 克隆ai-agent-book源码（获取配套示例）
git clone https://github.com/bojieli/ai-agent-book.git
cd ai-agent-book/code/chapter-03

第一步：理解Agent的核心循环

任何AI Agent都遵循同一个基本循环——感知→思考→行动→观察。我们可以用一段伪代码来理解：

while task_not_complete:
    context = gather_observations()      # 感知：收集环境和工具返回的信息
    thought = llm.reason(context)        # 思考：LLM决定下一步做什么
    action = parse_action(thought)       # 解析：从LLM输出中提取具体行动
    result = execute_tool(action)        # 行动：调用工具（搜索/计算/查询）
    memory.append(result)                # 观察：把结果存入记忆

这个循环是所有Agent框架的基石。接下来我们用LangChain实现一个具体版本。

第二步：创建你的第一个研究助手Agent

将以下代码保存为 `research_agent.py`：

import os
from langchain_openai import ChatOpenAI
from langchain.agents import AgentExecutor, create_react_agent
from langchain.tools import Tool
from langchain_community.tools import DuckDuckGoSearchRun
from langchain.prompts import PromptTemplate

# 1. 初始化LLM
llm = ChatOpenAI(
    model="gpt-4o",
    temperature=0.3,
    api_key=os.getenv("OPENAI_API_KEY")
)

# 2. 定义工具集
search = DuckDuckGoSearchRun()
tools = [
    Tool(
        name="WebSearch",
        func=search.run,
        description="搜索互联网获取最新信息。输入自然语言查询。"
    ),
]

# 3. 构建ReAct提示模板
prompt = PromptTemplate.from_template("""
你是一个研究助手Agent。使用以下工具完成任务：

工具列表：
{tools}

使用格式：
Question: 用户的问题
Thought: 我应该做什么
Action: 工具名称
Action Input: 工具输入
Observation: 工具返回的结果
... (重复 Thought/Action/Action Input/Observation)
Thought: 我现在知道最终答案了
Final Answer: 用中文回答用户的最终问题

开始！
Question: {input}
Thought: {agent_scratchpad}
""")

# 4. 创建Agent
agent = create_react_agent(llm, tools, prompt)
agent_executor = AgentExecutor(
    agent=agent,
    tools=tools,
    verbose=True,
    max_iterations=5,
    handle_parsing_errors=True
)

# 5. 运行
result = agent_executor.invoke({
    "input": "请搜索2026年7月AI领域的重大新闻，并总结三个最重要的趋势。"
})
print(f"\n最终结果：\n{result['output']}")

第三步：运行并观察Agent的思考过程

export OPENAI_API_KEY="your-key-here"
python research_agent.py

你应该会看到类似这样的输出：

> Entering new AgentExecutor chain...
Thought: 用户想知道2026年7月的AI重大新闻，我需要搜索。
Action: WebSearch
Action Input: 2026年7月 artificial intelligence major news
Observation: [搜索结果...]
Thought: 从结果中我看到了几个关键事件...
Final Answer: 2026年7月AI领域的三大趋势...

**关键洞察：** Agent的”verbose”模式让你能**看到LLM的每一步推理**——这是调试Agent行为最有效的方式。如果Agent在第3步就走偏了，你可以精确调整提示词或工具描述。

第四步：给你的Agent添加记忆

基础Agent有一个致命缺陷：每次对话都是失忆的。下面添加对话记忆：

from langchain.memory import ConversationBufferMemory

memory = ConversationBufferMemory(
    memory_key="chat_history",
    return_messages=True
)

agent = create_react_agent(llm, tools, prompt)
agent_executor = AgentExecutor(
    agent=agent,
    tools=tools,
    memory=memory,  # 添加记忆
    verbose=True,
    max_iterations=5
)

# 多轮对话测试
agent_executor.invoke({"input": "搜索OpenAI最近的新闻"})
agent_executor.invoke({"input": "基于刚才的搜索结果，分析对行业的影响"})

现在Agent能记住之前搜到了什么，第二次对话不需要重复搜索。

第五步：生产环境避坑指南

在实验中跑通的Agent，到了生产环境往往原形毕露。三个最常见的坑：

坑一：工具调用死循环。 Agent有时会反复调用同一个工具而不推进任务。解决方案：设置`max_iterations=5`，超过则强制输出当前最佳答案。

坑二：API成本爆炸。 一个复杂的Agent任务可能消耗$0.5-2的API费用。监控每个任务的token消耗，对大任务设置预算上限。

坑三：幻觉放大。 LLM本身就有幻觉，Agent的多步推理会放大这个错误——第一步的小偏差到第五步可能变成完全错误的方向。关键防御：在关键决策步骤之后加入验证环节。

从ai-agent-book的源码出发，我们只用不到100行Python代码就构建了一个可用的研究助手Agent。真实场景下，你可以替换搜索工具为内部知识库查询、添加数据分析工具、接入邮件系统——Agent的能力上限取决于你给它的工具和你的想象力。

进阶玩法：让Agent调用自定义API

当你熟练掌握了基础Agent的构建后，下一步是接入你自己的业务系统。假设你有一个内部知识库API，想让Agent能搜索其中的文档：

import requests
from langchain.tools import Tool

def search_internal_kb(query: str) -> str:
    """搜索内部知识库"""
    response = requests.post(
        "https://your-api.example.com/kb/search",
        json={"query": query, "top_k": 5},
        headers={"Authorization": f"Bearer {os.getenv('KB_API_KEY')}"}
    )
    results = response.json()
    return "\n\n".join([f"- {r['title']}: {r['snippet']}" for r in results])

# 将自定义工具加入Agent的工具集
kb_tool = Tool(
    name="InternalKB",
    func=search_internal_kb,
    description="搜索公司内部知识库。当用户询问公司内部文档、产品规格、技术规范时使用。"
)
tools.append(kb_tool)

这样，你的Agent就能同时搜索互联网和内部知识库，在两种信息来源之间自由切换。

常见踩坑与解决方案

在实际项目中，新手最容易遇到的三个问题及对应解法：

问题一：Agent”答非所问”。 根源往往是工具描述不够精确。如果你的搜索工具描述写的是”搜索信息”，Agent可能用它来搜索任何东西，包括计算题。正确做法是明确边界——”用于搜索互联网上的实时信息，不应用于数学计算或代码执行”。

问题二：API费用失控。 一个简单的测试对话消耗$0.3看似不多，但如果你的Agent在生产环境中每天处理1000次对话，日成本就可能达到$300。解决思路：(a) 给高频任务加缓存；(b) 用更便宜的小模型做简单判断；(c) 设置每用户每日token预算上限。

问题三：Agent的安全边界。 当你的Agent能执行Shell命令、调用数据库、发送邮件时，一个prompt注入攻击就可能造成灾难。防御原则：(a) 所有高风险操作加人工确认；(b) 限制Agent的文件系统访问范围；(c) 所有API调用走网关进行审计和限流。

以上这些进阶技巧，在ai-agent-book的第四章和第七章有更系统的阐述。从开源书籍的理论到实战代码的验证，再到生产环境的打磨——这是成为AI Agent工程师的最短路径。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn