你可能听说过“Agent”这个词，它听起来很神秘，但其实可以理解为一个能够自主思考、做出决策并使用工具来完成任务的“智能小助手”。本文将带你了解如何创建这样的 Agent，并教会它使用各种“工具”来提高办事效率！

🛠️ 第一步：理解 Agent、工具和调用的关系

在开始编程之前，我们先用一个简单的比喻来理解这三个核心概念：

概念	比喻	作用
Agent（智能体）	“聪明的大脑”	负责思考和规划。它接收你的任务，分析需要哪些步骤，并决定使用哪个工具（如果需要）。
Tool（工具）	“能干的双手”	负责执行特定的、重复性的操作。例如，计算器、地图App、搜索引擎等。
调用 (Invocation)	“大脑对手下说：去干活！”	Agent 决定使用某个工具，并将必要的输入（例如：搜索的关键词）交给工具，然后等待结果。

🏗️ 第二步：Agent 的创建与核心配置

创建一个 Agent，本质上就是给它一个身份、一个目标和一个大脑（一个强大的语言模型，如 GPT-4 或 Gemini）。

       1. Agent 的创建

  在大多数 Agent 框架（如 LangChain、LlamaIndex 或各种 SDK）中，创建 Agent 的代码非常简洁。

• 身份与目标（Prompt）： 这是 Agent 的“灵魂”，告诉它自己是谁，应该做什么。示例指令：“你是一个专业的旅行规划师。你的任务是根据用户的需求，搜索最新的信息（使用工具），并给出详细的行程建议。”
• 大脑（Model）： 这是 Agent 的“智能核心”，让它能够理解、推理和生成文本。

# 创建agent
from agent_framework import Agent, LanguageModel
# 1. 声明模型（大脑）
llm = LanguageModel(model_name="powerful_model_name")
# 2. 定义Agent的身份和目标（灵魂）
system_prompt = (
"你是一个善于使用工具的助手。你的目标是高效地回答用户的问题。"
"在回答前，请务必思考是否需要使用工具来获取最新或准确的信息。"
)
# 3. 创建Agent实例
my_agent = Agent(
model=llm,
system_message=system_prompt,
tools=[] # 工具列表，初始为空，下一步添加
)

⚙️ 第三步：工具的声明与定义

    工具是 Agent 的能力延伸。一个好的工具应该**功能单一**且**描述清晰**。

       1. 声明工具的要素

声明一个工具，你需要定义以下三个关键部分：

要素	作用	示例
函数（Function）	实际执行操作的代码块。	实际运行 Python 代码、调用外部 API 等。
名称（Name）	Agent 内部识别工具用的唯一标识符。	web_search calculator、map_finder
描述（Description）	最重要的一点！ 告诉 Agent 这个工具能做什么，以及什么时候应该用。	“当你需要获取最新实时信息或搜索网页时，请使用此工具。”
参数（Parameters）	工具工作时需要的输入。	query: str (要搜索的关键词)

2. 代码示例：声明一个“天气查询”工具

   我们创建一个能够查询天气的工具。

# 定义一个工具
def get_current_weather(city: str) -> str:
"""
一个用于查询指定城市当前天气的工具。
Agent 必须在参数中提供 'city' (城市名称)。
"""
if city == "北京":
return "北京今日天气：晴朗，气温 25°C。"
elif city == "上海":
return "上海今日天气：多云转阴，气温 20°C，湿度较高。"
else:
return f"抱歉，暂时无法查询 {city} 的天气信息。"
# Agent 框架会自动将这个函数和其描述包装成一个可用的 Tool 对象
weather_tool = Tool(
name="weather_checker",
func=get_current_weather,
description="当用户询问**实时**天气、温度或**特定城市**气候时，请使用此工具。"
)

📞 第四步：工具与 Agent 的调用流程

        现在，Agent 有了“大脑”和“双手”，接下来看看它们如何协作。

           1. 将工具添加到 Agent

        首先，我们把刚才声明的工具交给 Agent。

# 将工具添加到 Agent 的工具列表
my_agent.tools.append(weather_tool)
# 或者在创建时直接传入： my_agent = Agent(..., tools=[weather_tool])

           2. Agent 的工作流程（一个请求的旅程）

        当用户提问时，Agent 会经历一个“**思考-行动-观察-回答**”的循环：

步骤	行为	思考过程
用户提问	“请问上海今天天气怎么样？”	-
Agent 思考	（规划阶段）	“用户问的是天气信息。根据我的工具清单和描述，我需要使用 weather_checker 工具。”
Agent 行动	（发出工具调用）	Agent 向系统发出指令：调用 weather_checker，参数是 city="上海"。
系统观察	（执行工具）	运行 get_current_weather("上海") 函数，得到结果：“上海今日天气：多云转阴，气温 20°C，湿度较高。”
Agent 总结	（生成最终回答）	Agent 接收到工具输出，然后用自然语言组织回答：“好的，根据查询结果，上海今天的天气是多云转阴，气温 20°C，湿度较高。”

       3. 实际调用 Agent

    最后一步，我们向 Agent 提问：

# 伪代码示例：调用 Agent
user_query = "请帮我查一下上海今天的天气如何？"
# 开始运行 Agent
response = my_agent.run(query=user_query)
# 输出结果
print(response)
# 预期输出：好的，根据查询结果，上海今天的天气是多云转阴，气温 20°C，湿度较高。

总结

对于 Agent 的学习，你只需要记住三个核心要点：

1. Agent = 大脑 (LLM) + 身份 (Prompt)。
2. Tool = 功能 (Function) + 清晰的说明 (Description)。 说明是 Agent 能否正确使用工具的关键。
3. 调用 = 思考（规划）→ 行动（执行工具）→ 观察（获取结果）→ 总结（回答）。

现在，你已经掌握了 Agent 和工具协作的基本原理。下一步，你可以尝试在你选择的 AI 框架中实现这些代码，让你的智能小助手动起来！

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！