AIAgent学习笔记

yangyongdehao30

711人浏览 · 2026-02-26 21:00:00

yangyongdehao30 · 2026-02-26 21:00:00 发布

AIAgent 定义

AIAgent（人工智能代理）是一种能够感知环境、自主决策并执行任务的智能系统。它通过结合机器学习、自然语言处理（NLP）和自动化技术，模拟人类行为或完成特定目标。AIAgent 的核心特征包括：

自主性：无需人工干预即可运行。
适应性：通过数据反馈优化行为。
目标导向：围绕明确任务设计。
简单来说：AI大模型+思维模型+本地交互+接口调用

常用协议

AIAgent 的开发和交互通常依赖以下协议：

OpenAI API：提供与 GPT 系列模型的标准化接口，支持文本生成、对话等任务。
RESTful API：基于 HTTP 的通用协议，用于 AIAgent 与外部服务的通信。
WebSocket：实现实时双向数据传输，适用于需要持续交互的场景。
gRPC：高性能远程过程调用协议，适合低延迟要求的微服务架构。

DashScope和OpenAI标准

🚀 API 设计

Dashscope：采用类似 OpenAI 的 API 风格（如 qwen-max），但部分接口有自定义规范（如 messages 格式）。
OpenAI：标准化的 gpt-3.5-turbo 或 gpt-4 接口，生态工具链更成熟（如 LangChain 深度集成）。

# Dashscope 调用示例（Python）
from dashscope import Generation
response = Generation.call(
    model="qwen-max",
    messages=[{"role": "user", "content": "解释快排的时间复杂度"}]
)

# OpenAI 调用示例（Python）
from openai import OpenAI
client = OpenAI()
response = client.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "解释快排的时间复杂度"}]
)

🧠 模型能力

Dashscope：主打千问系列（如 Qwen1.5-72B），中文场景优化强，支持国产芯片适配。
OpenAI：GPT-4 仍是通用任务标杆，插件生态丰富（如代码解释器、多模态）。

🌍 部署与合规

Dashscope：国内服务器，低延迟，符合数据本地化要求（适合需备案的应用）。
OpenAI：国际服务，部分地区访问受限（需代理/合规审核）。

💰 成本对比

服务	输入单价（每百万 token）	输出单价（每百万 token）
Dashscope	¥0.2 (qwen-turbo)	¥0.2
OpenAI	$5 (gpt-3.5-turbo)	$15

💡 程序员选型建议：

强中文需求/数据合规 → Dashscope
生态工具链/英文优先 → OpenAI

AgentScope详解

AgentScope是阿里推出的面向开发人员的工具，包含了上下文封装（长短期记忆）、工具管理抽象（MCP等）、钩子工具、及兼容dashscope交互标准和openai交互标准。

上下文封装（长短期记忆）

AgentScope通过智能的上下文管理机制，帮助开发者处理对话或任务中的长期和短期记忆需求。长期记忆通常用于存储用户的历史交互数据或系统配置，而短期记忆则处理当前会话的临时信息。这种分层设计使得系统能够更有效地利用资源，同时保持对话的连贯性。

短期记忆和长期记忆都可以定制使用数据库，常见内存数据库和ReMe数据库，ReMe数据库后端则可配置不同类型的向量数据库，如qdrant（底层Sqlite） milvus（外接其他存储）

工具管理抽象（MCP等）

工具管理抽象层，如MCP（Module-Component-Plugin）架构，允许开发者以模块化的方式组织和管理功能组件。这种设计提升了代码的可复用性和系统的可扩展性，开发者可以快速集成或替换特定功能而不影响整体架构。

钩子工具

钩子工具提供了一种灵活的方式，允许开发者在特定事件或流程中插入自定义逻辑。这包括预处理、后处理或中间处理步骤，使得开发者能够在不修改核心代码的情况下，扩展或调整系统行为。

#用java构建一个Agent
ReActAgent agent =
                ReActAgent.builder()
                        .name("Assistant")
                        .sysPrompt("You are a helpful AI assistant. Be friendly and concise.")
                        .model(OpenAIChatModel.builder()
                                        .apiKey(apiKey)
                                        .modelName("deepseek-v3.2")
                                        .stream(true)
                                        .baseUrl("xxxx")
                                        .build()
                        )
                        .longTermMemory(localMemory)
                        .memory(new InMemoryMemory())
                        .toolkit(new Toolkit())
                        .hook(new StudioMessageHook(StudioManager.getClient()))
                        .build();