大模型智能体（Agent）：从概念认知到工程落地

# 伪代码：最简Agent循环
class SimpleAgent:
    def __init__(self, llm, tools):
        self.llm = llm        # 大脑
        self.tools = tools    # 工具箱
    
    def run(self, user_query):
        # ReAct循环：思考 → 行动 → 观察 → 思考 ...
        while not finished:
            thought = self.llm.think(user_query, self.context)  # 思考
            action = self.llm.decide_action(thought, self.tools) # 决策
            observation = self.execute(action)                    # 执行
            self.context.append(observation)                      # 观察
        return self.llm.generate_answer(self.context)

你是一个能使用工具的智能助手。

你的工作流程：
1. 思考（Thought）：分析当前状态，决定下一步做什么
2. 行动（Action）：从工具列表中选择一个工具，并给出参数
3. 观察（Observation）：工具执行后返回的结果

可用工具：
- search(query): 搜索互联网
- calculate(expression): 执行数学计算
- get_weather(city): 查询天气

用户问题：{{.UserQuery}}

开始！
Thought: ...

# 工具的标准定义格式
{
    "name": "get_order_status",
    "description": "查询订单的当前状态，需要提供订单号",
    "parameters": {
        "order_id": {
            "type": "string",
            "description": "订单编号，格式如 ORD-2026-001"
        }
    },
    "returns": "订单状态（待支付/已支付/已发货/已完成）"
}

tools = [
    {
        "name": "get_weather",
        "description": "查询某个城市的实时天气",
        "parameters": {"city": "城市名称"},
        "execute": lambda city: f"{city}今日天气：晴，25°C"
    },
    {
        "name": "calculate",
        "description": "执行数学计算",
        "parameters": {"expression": "数学表达式"},
        "execute": lambda expr: eval(expr)  # 仅用于演示，生产环境需沙箱
    },
    {
        "name": "search",
        "description": "搜索互联网信息",
        "parameters": {"query": "搜索关键词"},
        "execute": lambda query: f"搜索结果：关于{query}的最新信息..."
    }
]

def agent_loop(user_query, max_steps=5):
    messages = [{"role": "system", "content": system_prompt}, {"role": "user", "content": user_query}]
    
    for step in range(max_steps):
        response = call_llm(messages)  # 调用大模型API
        messages.append({"role": "assistant", "content": response})
        
        # 解析LLM输出，判断是否有工具调用
        if "Action:" in response:
            tool_name, params = parse_action(response)
            result = execute_tool(tool_name, params)
            messages.append({"role": "user", "content": f"Observation: {result}"})
        else:
            # 没有工具调用，说明已得出最终答案
            return response
    
    return "任务执行超时，请简化您的请求"

Thought: 用户问了两个独立问题，我需要分别调用天气工具和计算工具。
Action: get_weather(city="北京")
Observation: 北京今日天气：晴，25°C

Thought: 天气已获取，现在处理数学计算。
Action: calculate(expression="123*456")
Observation: 56088

Thought: 两个任务都完成了，我可以整合答案回复用户。
Final Answer: 北京今天天气晴朗，气温25°C。另外，123 × 456 = 56088。