}# OpenAI 工具定义TOOL_DEFINITIONS [ {type: function， max_iterations: int 10): Agent 主循环 messages [{role: system， 面试问题核心答案要点 Agent 的核心架构 感知-推理-行动-记忆循环 ReAct 的原理 推理和行动交替Thought→Action→Observation 循环 Agent 和 Workflow 的区别 Agent 自主决策动态调整Workflow 预设流程固定路径 怎么保证 Agent 的可靠性 设置迭代上限、工具重试、错误降级、人工兜底 Agent 工程师 vs 传统后端工程师的核心差异 不确定性，function: {name: search_web， 零基础转型 非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界，description: 执行数学计算， 总结 – Agent 定义 能自主决策、使用工具、完成复杂任务的 AI 系统 架构模式 ReAct最通用、Plan-and-Execute复杂任务、Reflexion可验证任务、多 Agent大型项目 框架选择 理解原理用纯代码快速原型用 Dify生产用 LangGraph/Claude SDK 核心循环 LLM 决策 → 工具执行 → 结果反馈 → 继续或结束 生产要点 成本、延迟、可靠性、可观测性、安全性缺一不可 普通人如何抓住AI大模型的风口 领取方式在文末 为什么要学习大模型 目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 大模型作为其中的重要组成部分 正逐渐成为推动人工智能发展的重要引擎 ，properties: {query: {type: string，当你有足够的信息回答用户问题时直接给出最终回答， 希望这份系统、实用的大模型学习路径能够帮助你从零入门进阶到实战真正掌握AI时代的核心技能 01 教学内容 从零到精通完整闭环 【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块内容比传统教材更贴近企业实战 大量真实项目案例 带你亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事 02 适学人群 应届毕业生 无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术，content: str(result)})return 达到最大迭代次数任务未完成，function: {name: calculate， import jsonimport openaifrom typing import Callableclient openai.OpenAI()# 1. 定义工具 def search_web(query: str) - str: 模拟网页搜索 # 实际项目中对接搜索 API return f搜索{query}的结果: [模拟搜索结果]def calculate(expression: str) - str: 安全的数学计算 try:result eval(expression，tool_call_id: tool_call.id，required: [expression]}} }，description: 读取本地文件的内容，required: [query]}} }， 业务赋能突破瓶颈 传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型， read_file: read_file，# 3. 运行 if __name__ __main__: answer run_agent(帮我搜索一下 2026 年最新的 AI Agent 框架然后算一下如果每个框架学习需要 2 周学完前 3 个需要多少天) print(f\n{*50}\n最终回答:\n{answer}) 这个 Agent 虽然简单但已经具备了核心能力 • 感知 理解用户问题 • 推理 决定用什么工具、按什么顺序 • 行动 调用工具获取信息 • 循环 根据结果决定下一步 五、生产部署注意事项 维度措施 成本控制 Token 用量监控、设置 max_iterations 上限、用便宜模型做简单判断 延迟优化 流式输出、并行工具调用、缓存常见查询结果 可靠性 工具调用重试(3次)、超时处理(30s)、降级策略 可观测性 记录每轮的 thought/action/observation、追踪 Token 消耗 安全性 工具权限控制、沙箱隔离、高风险操作人工确认 评测 构建评测数据集定期回归测试 六、职业视角 Agent 开发工程师是 2026 年最热门的技术岗位方向之一， 真诚无偿分享 vx扫描下方二维码即可 加上后会一个个给大家发 【附赠一节免费的直播讲座技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等欢迎大家~】 大模型全套学习资料展示 自我们与 MoPaaS魔泊云 合作以来我们不断打磨课程体系与技术内容在细节上精益求精同时在技术层面也新增了许多前沿且实用的内容力求为大家带来 更系统、更实战、更落地 的大模型学习体验， Thought: 用户想知道最新的 AI 论文我需要搜索，function: {name: read_file，Answer: 以下是最新的 AI Agent 研究进展... 2. Plan-and-Execute 模式 先制定完整计划再按步骤执行， description: 文件路径}}， Action: 生成代码Check: 运行测试 → 失败Reflect: 分析错误原因是边界条件没处理Action: 修改代码加上边界条件处理Check: 运行测试 → 通过 ✓ 4. 多 Agent 协作 多个专业化 Agent 分工合作， description: 搜索关键词}}，{role: user，传统后端的输入输出是确定的Agent 的每一步都有不确定性——你必须学会设计容错和兜底的系统，parameters: {type: object，properties: {path: {type: string，我国对高水平AI人才的需求也日益增长真正懂技术、能落地的人才依旧紧缺，def run_agent(user_message: str，description: 搜索互联网上的信息， 目前开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景其中应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%， Manager Agent ├── Research Agent负责搜索和调研 ├── Coding Agent负责写代码 ├── Review Agent负责代码审查 └── Testing Agent负责测试2.2 选择指南 模式适用场景复杂度 ReAct 大部分单 Agent 场景 ★★ Plan-and-Execute 步骤明确的复杂任务 ★★★ Reflexion 代码生成、写作等可验证任务 ★★★ 多 Agent 大型项目、需要不同专业能力 ★★★★★ 三、主流 Agent 框架对比 框架出品学习曲线功能特点 LangGraph LangChain ★★★ ★★★★★ 状态图、最灵活 Claude Agent SDK Anthropic ★★ ★★★★ 官方框架、集成好 CrewAI 社区 ★★ ★★★★ 多 Agent 协作最简单 AutoGen 微软 ★★★ ★★★★ 多 Agent 对话 Dify / Coze 各厂商 ★ ★★★ 低代码、快速原型 纯代码 自己写 ★★★★ ∞ 最灵活、理解原理 选择建议 • 理解原理 先用纯代码实现一遍本文会带你做 • 快速原型 Dify / Coze • 生产系统 LangGraph复杂流程或 Claude Agent SDKClaude 生态 • 多 Agent CrewAI 或 AutoGen 四、实战从零构建一个完整 Agent 不依赖任何框架用纯 Python OpenAI API 实现一个 ReAct Agent，)message response.choices[0].messagemessages.append(message)# 如果没有工具调用说明 Agent 已经给出了最终回答if not message.tool_calls:print(f最终回答: {message.content})return message.content# 执行工具调用for tool_call in message.tool_calls:func_name tool_call.function.namefunc_args json.loads(tool_call.function.arguments)print(f调用工具: {func_name}({func_args}))# 执行if func_name in TOOLS:result TOOLS[func_name](**func_args)else:result f未知工具: {func_name}print(f工具结果: {result[:200]})# 将结果加入对话messages.append({role: tool，如果工具返回的结果不理想可以尝试换一种方式，如果你是技术人尤其是互联网从业者现在就开始学习AI大模型技术真的是给你的人生一个重要建议 最后 只要你真心想学习AI大模型技术这份精心整理的学习资料我愿意无偿分享给你但是想学技术去乱搞的人别来找我 在当前这个人工智能高速发展的时代AI大模型正在深刻改变各行各业， 随着AI大模型技术的迅速发展相关岗位的需求也日益增加， vx扫描下方二维码即可 【附赠一节免费的直播讲座技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等欢迎大家~】 本教程比较珍贵仅限大家自行学习不要传播更严禁商用 03 入门到进阶学习路线图 大模型学习路线图整体分为5个大的阶段 04 视频和书籍PDF合集 从0到掌握主流大模型技术视频教程涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向 新手必备的大模型学习PDF书单来了全是硬核知识帮你少走弯路不吹牛真有用 05 行业报告白皮书合集 收集70报告与白皮书了解行业最新动态 06 90份面试题/经验 AI大模型岗位面试经验总结谁学技术不是为了赚$呢找个好的岗位很重要 07 deepseek部署包技巧大全 由于篇幅有限 只展示部分资料 并且还在持续更新中… 真诚无偿分享 vx扫描下方二维码即可 加上后会一个个给大家发 【附赠一节免费的直播讲座技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等欢迎大家~】 ， Planning Phase: Step 1: 搜索最新 AI 论文 Step 2: 筛选前 3 篇最相关的 Step 3: 阅读并总结每篇要点 Step 4: 整合成一份综述Execution Phase: 执行 Step 1... ✓ 执行 Step 2... ✓ 执行 Step 3... ✓可能根据结果调整计划 执行 Step 4... ✓ 3. 反思模式Reflexion 执行后自我评估从错误中学习， content: SYSTEM_PROMPT}， 关键词是自主——你给它一个目标它自己决定怎么实现而不是你一步步告诉它做什么， {__builtins__: {}}，parameters: {type: object， 一、什么是 Agent从概念到定义1.1 核心定义 Agent 是能 自主感知环境、做出决策、采取行动 来完成任务的 AI 系统，required: [path]}} }]# 2. Agent 核心循环 SYSTEM_PROMPT 你是一个智能助手可以使用工具来完成任务，大模型产业链催生了一批高薪新职业 人工智能大潮已来不加入就可能被淘汰， {type: function， calculate: calculate， 2026 年Agent 是 AI 领域最热的方向没有之一， {})return str(result) except Exception as e:return f计算错误: {e}def read_file(path: str) - str: 读取文件内容 try:with open(path) as f:return f.read()[:2000] except Exception as e:return f读取失败: {e}# 工具注册表TOOLS { search_web: search_web， 但Agent这个词被用得太泛了——ChatBot 是 Agent 吗自动化脚本是 Agent 吗一个套了 System Prompt 的聊天窗口就能叫 Agent 吗 这篇文章帮你彻底搞清楚Agent 到底是什么主流架构模式有哪些怎么选框架以及—— 怎么从零开发一个能在生产环境跑的 Agent ， description: 数学表达式如 23*4}}，properties: {expression: {type: string。
请仔细分析用户的需求选择合适的工具逐步完成任务，Action: read_paper(2026.12345)Observation: 论文主要讲...Thought: 我有足够的信息来回答了，Action: search_arxiv(LLM agent 2026)Observation: 找到 5 篇相关论文...Thought: 需要筛选出最相关的 2 篇总结要点，大模型以其强大的数据处理和模式识别能力 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 为各行各业带来了革命性的改变和机遇 ， {type: function，tool_choiceauto，parameters: {type: object，我也希望通过这份资料能够帮助更多有志于AI领域的朋友入门并深入学习，toolsTOOL_DEFINITIONS， 1.2 Agent vs ChatBot vs Workflow 维度ChatBotWorkflowAgent 决策方式 人主导对话 预设流程 AI 自主决策 灵活性 低一问一答 中固定路径 高动态调整 工具使用 不用/很少 预设顺序 按需选择 错误处理 依赖人类 预设分支 自主重试/换策略 复杂任务 不擅长 固定复杂度 开放式复杂任务 类比 客服接线员 流水线工人 独立负责项目的员工 1.3 Agent 的核心能力┌─────────────────────────────────────────┐│Agent 核心架构││││┌──────────────┐│││ 感知 Perceive ││││ 理解环境和任务 │││└──────┬───────┘│││││┌──────▼───────┐│││ 推理 Reason ││││ 分析规划方案 │││└──────┬───────┘│││││┌──────▼───────┐ ┌──────────┐ │││ 行动 Act│───│ 工具调用 │ │││ 执行具体操作 │ │ API/DB.. │ ││└──────┬───────┘ └──────────┘ │││││┌──────▼───────┐│││ 记忆 Memory ││││ 积累经验教训 │││└──────────────┘││││↻ 循环直到任务完成或达到限制│└─────────────────────────────────────────┘二、Agent 的架构模式2.1 四种主流模式 1. ReAct 模式Reasoning Acting 推理和行动交替进行最经典的 Agent 模式，messagesmessages， content: user_message} ]for i in range(max_iterations):print(f\n--- 迭代 {i1} ---)# 调用 LLMresponse client.chat.completions.create(modelgpt-4o，。