芯耀
与非AI
172
01、一个让人emo的深夜
SCENE · 一次深夜的追问
先说个场景。
晚上十一点，你让 ChatGPT帮你查一下“北京到上海高铁最早一班是几点”。它回答得很流畅，甚至还贴心地提醒你“具体时刻表建议以12306为准”。
你心里咯噔一下：
它其实不知道答案，它只是知道该怎么说话得体
这就是绝大多数人对大模型的第一印象——一个很会说话、但手脚被绑住的“嘴替”。它能陪你聊天、帮你写文案、给你出主意，但你让它“帮我订一张明天早上的高铁票”，它做不到。它没有手，摸不到12306的网站，也没法替你点下“支付”按钮。
而“智能体“（Agent），说白了，就是给这张嘴装上一双手。
今天这篇文章，我们就来彻底搞清楚：智能体和普通聊天机器人，到底差在哪一步？以及，怎么用不到50行代码，亲手搭出你的第一个“有手有脚”的智能体。
02、Chat 和 Agent，一字之差，天壤之别
DEFINITION · 从对话到闭环
我们平时用的 ChatGPT、文心一言这种对话产品，本质上是这样一个流程：
你输入文字 → 模型理解 → 模型生成文字 → 输出给你
它是一个纯粹的“信息加工厂”。输入是文字，输出还是文字。它无论多聪明，都被锁死在“文字进、文字出”这个牢笼里。你问它今天天气怎么样，它给不出准确答案，因为它的世界里没有“今天”这个概念，它活在训练数据的那个时间切片里，像一个被冰冻在琥珀里的智者——学识渊博，但与外界彻底隔绝。
而智能体，是打破这个牢笼的东西。它的流程变成了这样：
你输入需求 → 模型思考“我该做什么” → 模型调用外部工具（查天气、搜网页、执行代码…） → 拿到工具返回的真实结果 → 模型基于真实结果继续思考 → ……如此循环 → 最终给你答案或完成任务
看出区别了吗？关键的变化不是模型变聪明了，模型可能还是同一个模型，关键变化是它多了一个“闭环”：它可以主动伸手去摸一下真实世界，看看外面到底发生了什么，然后根据这个反馈调整自己接下来要做的事。
打个比方最贴切：
普通对话模型像一个被关在密室里的顾问，你隔着门缝递纸条问问题，他凭脑子里的知识给你写回信。
智能体则像是给了这个顾问一部手机、一台电脑、还有出门的钥匙。他可以打电话核实信息、上网查资料、甚至亲自出门帮你办事，办完事再回来告诉你结果。
这就是从“Chat”到“Agent”最本质的跃迁：
从纯语言生成，变成了“感知世界—做出决策—采取行动”的闭环
03、感知-决策-行动：智能体的“呼吸节奏”
THE LOOP · 感知思考行动
学术上给这个循环起了个名字，叫 Perceive-Think-Act（感知-思考-行动），有的资料里也叫 Sense-Plan-Act。名字不重要，重要的是理解这个节奏——它其实就是我们人类做事的方式，只不过被搬到了模型身上。
我们拆开来看这三步：
1. 感知（Perceive）
智能体获取当前的信息。这可能是用户的提问，也可能是上一步工具调用返回的结果。比如你问“帮我查下明天上海天气，如果下雨提醒我带伞”，第一次的“感知”就是这句话本身。
2. 决策（Think）
模型根据当前信息，判断“我现在该做什么”。是直接回答？还是需要先调用一个工具去获取信息？这一步是纯粹的“内心戏”，模型在心里盘算：“用户要知道明天天气，但我脑子里没有明天的天气数据，所以我得调用一个查天气的工具。”
3. 行动（Act）
模型把决策付诸实践——调用某个具体的工具/函数，比如 get_weather(“上海”, “明天”)。
行动执行完，工具会返回一个结果，比如 {“weather”: “小雨”, “temp”: “18-24℃”}。这个结果又变成了下一轮的“感知”输入，模型再看一眼这个结果，继续“思考”：现在有天气数据了，是不是该提醒用户带伞？于是它生成最终回复：“明天上海有小雨，记得带伞哦～”
这个循环可能只转一圈就结束（简单任务），也可能要转十几圈才能完成（复杂任务，比如“帮我调研一下新能源汽车电池技术的最新进展并写一份报告”，这背后可能要经历“搜索—筛选—再搜索—总结—校验”好几轮循环）。
智能体和普通对话最大的分水岭，就在于它有没有能力“多转几圈”这个循环，而不是一次性把话说完
04、亲手搭一个“最小可用”的智能体
HANDS-ON · 50行代码实战
说了这么多概念，咱们来点真的。这一节我们不依赖任何 Agent 框架（LangChain之类的后面会讲，但第一篇我们要“祛魅”，看清楚底层到底发生了什么），纯手写 Python，用 OpenAI 兼容的 API，做一个能查天气的最简智能体。
思路很简单：
1、定义一个“工具”（一个普通的 Python 函数）；
2、把这个工具的说明书（名字、参数、用途）用 JSON 的格式告诉模型；
3、模型看到用户问题后，判断要不要调用这个工具，如果要调用，它会返回一个“我要调用xxx工具，参数是xxx”的结构化信息，而不是直接生成大白话；
4、我们的代码检测到这个信息，真正去执行那个 Python 函数，拿到结果；
5、把结果喂回给模型，让它生成最终的自然语言回答。
代码如下：
...python
import json
from openai import OpenAI
client = OpenAI() # 假设已配置好 API Key
# 第一步：定义一个真实可执行的工具函数
def get_weather(city: str) -> str:
"""假装调用了天气API，实际项目里这里应该是真实的网络请求"""
fake_weather_db = {
"上海": "小雨，18-24℃",
"北京": "晴，20-28℃",
}
return fake_weather_db.get(city, "暂无该城市天气数据")
# 第二步：把工具的"说明书"写成模型能理解的格式
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "查询指定城市的实时天气情况",
"parameters": {
"type": "object",
"properties": {
"city": {"type": "string", "description": "城市名称，例如'上海'"}
},
"required": ["city"],
},
},
}
]
def run_agent(user_input: str):
messages = [{"role": "user", "content": user_input}]
# 第三步：把用户问题连同"工具箱"一起交给模型，让它自己判断要不要用工具
response = client.chat.completions.create(
model="gpt-5",
messages=messages,
tools=tools,
)
reply = response.choices[0].message
# 第四步：检查模型是不是决定要调用工具
if reply.tool_calls:
messages.append(reply) # 把模型的"调用请求"存进对话历史
for call in reply.tool_calls:
args = json.loads(call.function.arguments)
# 真正去执行那个 Python 函数——这就是智能体"伸手摸世界"的瞬间
result = get_weather(**args)
# 把工具执行的真实结果，作为新的一条消息，喂回给模型
messages.append({
"role": "tool",
"tool_call_id": call.id,
"content": result,
})
# 第五步：模型拿到真实数据后，重新生成一句人话回复给用户
second_response = client.chat.completions.create(
model="gpt-5",
messages=messages,
)
return second_response.choices[0].message.content
# 如果模型觉得不需要工具，直接回答
return reply.content
if __name__ == "__main__":
answer = run_agent("上海明天要下雨吗？需要带伞吗？")
print(answer)
运行一下，你大概会得到类似这样的输出：
output
上海明天是小雨天气，气温18-24℃，建议出门带把伞～
看似简单，但这短短几十行代码，已经完整跑通了一个“智能体”的全部核心要素：它自己判断了需要查天气（决策），真的去执行了一个函数拿到了外部世界的真实数据（行动+感知），然后基于真实数据组织语言回答你（再决策）。
这就是所有智能体系统——不管后面套了多复杂的框架、多花哨的名字——最底层都在做的事情。LangChain、AutoGPT、各种Agent框架，说到底都是在这个基础循环上面，做了更多的封装和增强。
这个“毛坯房”缺了什么？
写在最后
跑通这个最小例子后，你可能已经能感觉到一些明显的短板了。别急，这些正是我们接下来几篇要一个个解决的问题：
记忆
它只能记住这一轮对话。你下一次再问它“那后天呢？”，它压根不知道你在说上海。第4篇会讲。
ReAct 推理范式
它只会一步到位地调用工具，不会“多想几步”。如果任务需要先搜索、再根据结果决定下一步查什么，现在这个简单结构就不够用了。第3篇见。
错误处理与自我纠正
如果工具调用失败了怎么办？比如天气API超时，或者返回了一个模型解析不了的怪格式，现在这段代码是直接崩掉的。第7篇专门讲。
任务规划（Planning）
复杂任务需要拆解成多个步骤统一规划，而不是走一步看一步。第5篇见。
不用担心，这些能力我们会在接下来的文章里，一块一块地垒上去，最终拼出一个真正能干活、能兜底、能上生产环境的智能体系统。
这一篇的目标只有一个
让你亲手感受到，智能体没有那么玄乎，它的核心就是“给LLM的嘴装上手”
剩下的一切复杂设计，都是为了让这只手伸得更准、走得更稳、摔倒了还能爬起来。
下一篇，我们正式拆解这只“手”是怎么运作的——Function Calling 的底层机制，以及当模型输出格式抽风时你该怎么兜底。我们不见不散。
我是写代码的中年人，写代码，也写技术；研究 AI，也分享实践，希望让复杂技术变得简单。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。
