# 我今天想构建一个人工智能代理（完整课程）：
**作者**: hoeem
**日期**: 2023-03-26T14:56:10.000Z
**来源**: [https://x.com/hooeem/status/2037250422403113188](https://x.com/hooeem/status/2037250422403113188)
---
目前还没有人制作出一套完整的课程，让任何人（没错，就是你）都能从零开始创建一个人工智能代理。
如果你愿意，你可以阅读这篇文章，创建一个对你今天有用的代理，因为为了创建代理而创建代理毫无意义，它必须要有理由。
那我做了什么？
我从 Anthropic、OpenAI 和其他互联网专家那里收集了一些零散的有用信息，我把它们全部整理出来，和我的朋友 Claude 一起，为像我这样的外行创建了一个完整的课程，以便我们（你和我）今天就可以创建一个智能体。
这是一篇很长的文章，读完之后，你将能够创建你的第一个代理。为了帮助你浏览这篇文章，文章中大写加粗的是小标题，总共有 8 个，每个小标题都配有一张图片，方便你跳转到想要阅读的部分：
代理人如何工作
五种工作流程
打造你的代理
利用工具
赋予你的代理人记忆
让你的经纪人发挥作用
多代理
总结起来
好了，咱们直接进入正题吧……
## 1：代理人如何工作
了解这些很重要，否则你就不知道自己是否需要它……所以……
这是所有代理共享的核心循环：
用户输入 → LLM 思考 → LLM 决策（响应或调用工具） → 如果调用工具：执行工具，反馈结果 → 重复
模型（LLM）是负责推理的 “大脑” 工具是执行操作的“双手”（例如计算器、网络搜索、文件 I/O）。 内存
增强型 LLM
普通的 LLM 接收并输出文本。 增强型 LLM 增加了以下三个功能：
- 工具： 模型可以调用的函数（计算器、数据库、API、文件操作等）。Anthropic 和 OpenAI 通过 JSON 模式公开工具；Anthropic 传递 `input_schema`，而 OpenAI 将函数封装在带有参数的函数对象中。
- 检索： 从外部来源（搜索引擎、文档、矢量数据库）提取相关信息的能力。
- 记忆力： 能够通过消息历史记录或其他持久存储方式在交互过程中保留信息。
工作流与真正的代理
在选择方法时， 工作流和代理之间的区别至关重要。工作流是确定性的；你的代码控制执行，相同的输入总是产生相同的路径。它们非常适合步骤固定、定义明确的任务，而且成本更低（LLM 调用次数更少）。代理是动态的；LLM 决定下一步，并且可能会重复调用工具。它们最适合开放式任务，但成本更高。要确定是否需要创建代理，你应该先使用一个简单的工作流，然后观察它是否能够发展成为一个自主代理。
## 2：五种核心工作流程模式
信不信由你，大多数问题其实无需完全自主即可解决。Anthropic 记录并广泛采用的这五种模式涵盖了常见情况。每种模式都依赖于增强型逻辑逻辑模型 (LLM)。
> 模式 1：提示链
其原理： 将任务分解为一系列顺序步骤。每次 LLM 调用都会处理前一次调用的输出。在步骤之间添加程序化的“门”来验证质量。
何时使用： 能够清晰分解为固定子任务的任务。通过简化每次 LLM 调用，可以牺牲速度来换取准确性。
使用示例： 先撰写营销文案，然后进行翻译。先编写大纲，确认涵盖关键主题，然后再撰写完整文档。
> 模式 2：路由
功能： 对传入的输入进行分类，然后将其路由到专门的处理程序。每个处理程序都有其自身优化的提示符。
何时使用： 不同类别的输入需要截然不同的处理方式。客户服务分诊就是一个典型的例子。
> 模式 3：并行化
其原理： 同时运行多个 LLM 调用。处理将任务拆分为多个独立的子任务，并行处理。投票处理则多次运行同一任务，并将结果汇总以提高置信度。
何时使用： 当子任务相互独立时（分段）或当需要对关键决策达成共识时（投票）。
> 模式 4：协调者-工作者
其工作原理： 中央 LLM（协调器）动态地分解任务，并将子任务委派给各个工作 LLM。与并行化不同，子任务并非预先定义，而是由协调器在运行时决定。
何时使用： 无法预先预测结构的复杂任务。例如跨多个文件生成代码、研究任务和报告撰写。
> 模式 5：评估器-优化器
工作原理： 一个逻辑层模型（LLM）生成输出，另一个 LLM 对其进行评估并提供反馈。如果评估失败，反馈将循环返回。此过程重复进行，直至满足质量标准。
何时使用： 当存在明确的评估标准且迭代改进能够带来可衡量的价值时。例如翻译、代码生成和写作任务。
## 3：打造你的经纪人
这就是你们想看的部分……让我们开始吧：
那么，如何将“我希望代理人做 XYZ”变成现实呢？
最简单的理解方式是这样的：
写下这份工作
确定需要哪些工具
告诉模型如何表现
用 5 个真实案例进行测试
只有在失败的情况下才增加复杂性。
你不需要精通五种框架才能构建你的第一个代理。对我来说，对你来说，最好的起点是：
- 如果你想要一个像能干的操作员一样使用工具、文件、shell 命令、Web 操作和强大编码工作流程的代理，
- 如果您想要一个简洁的开发者 SDK，其中包含托管工具、交接流程、安全保障以及简单的生产部署路径，那么
本指南主要侧重于这两方面。
最简单的心智模型
构建代理时，请先回答以下四个问题：
1. 结果是什么？
代理人实际应该生产什么？
例如：
- “研究一个主题并写一篇摘要”
- “阅读我的笔记，并将它们制作成单词卡片。”
- “查看支持请求并正确路由”
- “比较产品，给我最佳选择”
- “请审阅我的内容，并用我的风格重写。”
2. 它需要哪些信息？
它需要网络搜索、文件、数据库、电子表格、客户关系管理系统，还是仅仅需要用户的消息？
3. 应该允许它采取哪些行动？
它只能回答吗？
它可以搜索吗？
它可以编辑文件吗？
它可以发送电子邮件吗？
它会编写代码吗？
它可以调用你自己的函数吗？
4. 它必须遵守哪些规则？
语气、格式、限制、安全规则、不确定时该怎么办，以及“好”的标准是什么。
如果你能清楚地回答这四个问题，通常一天之内就能构建出代理的第一个版本。
> 我们稍后会介绍一个快速技巧：你可以把你的想法交给你的 LLM（逻辑推理模型），让它深入思考，让它为你回答以上所有问题。
如何在构建智能体之前利用人工智能本身来设计智能体
在编写代码之前使用 Claude 或 ChatGPT
粘贴类似这样的内容：
这一个简单的提示就能帮助初学者将模糊的想法变成可行的计划。
一个适合初学者的代理设计公式
每次都使用这种结构：
代理 = 角色 + 目标 + 工具 + 规则 + 输出格式
例子：
- 职位： 加密货币项目研究助理
- 目标： 找到准确的信息并清晰地概括出来。
- 工具： 网页搜索、文件搜索、计算器
- 规则： 引用来源，不要猜测，标明不确定性。
- 输出格式： 摘要、风险、机遇、最终结论
这是大多数实用智能体的基础。
先从以下五种初级代理类型之一开始：
如果你是新手，不要一开始就构建多智能体集群。先从以下几种方案之一开始：
1. 研究代理
当您希望代理人收集信息并进行总结时，请使用此功能。
例如：
- “研究一下踝关节扭伤的最佳康复锻炼方法”
- “查找加密协议的最新动态”
- “比较三款笔记本电脑”
需求：
- 网络搜索
- 如果您希望使用自己的文档进行文件搜索，请联系我们。
- 清晰的输出格式
2. 内容代理
当您希望代理人撰写、重写、总结或转换内容时，请使用此功能。
例如：
- “把我的笔记整理成一份简报”
- “用我的品牌语气重写一遍”
- “总结本次会议记录”
需求：
- 通常只是一个强烈的系统提示
- 可选文件访问
- 您喜欢的风格示例
3. 工作流代理
当您希望代理人遵循可重复的业务流程时，请使用此方法。
例如：
- “对支持工单进行分类”
- “路径指向正确的类别”
- “检查表单提交内容并创建回复草稿”
需求：
- 清晰的类别
- 规则
- 有时需要自定义工具或 API 调用
4. 个人知识代理
当您希望代理人使用您的文件回答问题时，请使用此功能。
例如：
- “请仅使用我的 PDF 文件作答”
- “查找我的笔记并解释这个主题”
- “查找所有与此客户相关的记录”
需求：
- 文件搜索或 RAG
- 明确指示，要牢记所提供的材料。
5. 操作员代理
当您希望代理在特定环境中执行操作时，请使用此功能。
例如：
- “阅读并编辑这些文件”
- “搜索网络，收集信息，并保存报告”
- “运行 shell 命令并帮我调试代码”
需求：
- 工具
- 权限
- 强大的安全边界
人格化：构建你的第一个代理的最简单方法
当您希望模型使用工具并在特定环境中运行时，。Claude Code 于 2025 年 2 月发布，Claude Code SDK 随后于 2025 年 9 月更名为 Claude Agent SDK。截至 2026 年 3 月，GitHub 上列出的当前版本为 v0.1.50。
何时选择 Anthropic 是个不错的选择
如果您想要一位能够做到以下几点的经纪人，请首先选择 Anthropic：
- 读取、写入和编辑文件
- 使用 shell 命令
- 搜索网络
- 使用 MCP 工具
- 非常适合编码和技术任务
- 感觉自己像个能干的助手，一步一步地指导操作。
你到底在用人畜共患病做什么？
初学者主要做三件事：
给克劳德一份工作
给克劳德工具
让 Claude 循环执行任务直到完成。
就这些。
入门示例：研究和摘要代理
假设你想要：
> “一位能够研究某个课题并给我写出一份条理清晰的报告的代理人。”
您的建造计划如下：
- 职位： 高级研究助理
- 目标： 找到准确的信息并清晰地概括出来。
- 工具： 网络搜索，或许还需要文件访问
- 规则： 引用来源，如有疑问请说明，保持简洁。
- 输出： 要点总结 + 主要风险 + 结论
这将成为你的系统提示符：
现在用户可以问：
- “研究最新的 AI 代理 SDK”
- “比较 Anthropic 和 OpenAI 在构建入门级智能体方面的性能”
- “找到三个可靠的信息来源并进行概括”
那已经是一个真正的经纪人了。
入门示例：基于文件的写作代理
或许你想：
> “请阅读我的笔记，并用我的语言将其改写成一篇流畅的文章。”
那么你的设计就变成了：
- 职位： 写作助理
- 目标： 将草稿笔记转化为润色好的文字
- 工具： 文件读取，可能还有文件写入
- 规则： 保持原意，提高清晰度，语气一致
- 输出： 最终文章 + 可选标题创意
这比构建一个模糊的“内容代理”要容易得多。
在构建人类智能体之前，你应该向人工智能提出哪些问题：
利用你的 LLM（语言学习模型）来帮助你定义构建：
这条提示通常能帮你完成 80% 的工作。
OpenAI：构建你的第一个智能体的最简单方法。
OpenAI 于 2025 年 3 月 11 日发布了其 Agents SDK，同时发布的还有 Responses API 以及用于网页搜索、文件搜索和计算机使用的内置工具。Python 包 openai-agents 在 2026 年 3 月的版本为 0.13.1。
何时选择 OpenAI？
如果想要选择 OpenAI，请优先考虑：
- 非常简洁的代理 API
- 简易自定义功能工具
- 内置托管工具
- 专业特工之间的交接
- 护栏和追踪
- 从原型到生产的顺利路径
你用 OpenAI 到底在做什么？
对于初学者来说，构建过程如下：
创建代理
给它下指令
如有需要，
使用真实用户请求运行它
就是这样。
入门示例：支持分诊代理
假设你的目标是：
> “阅读收到的支持请求，并判断它们是账单问题、技术问题还是销售问题。”
这就变成了：
- 角色： 支持分诊助理
- 目标： 正确分类请求。
- 工具： 无，以后可能会用到客户关系管理工具。
- 规则： 只能选择一个类别，并简要说明。
- 输出： 类别 + 原因
效果大概是这样的：
这已经是一个很有用的代理了。
初学者示例：添加自定义工具
现在假设你想要：
> “根据需要为用户计算数值。”
现在，这个智能体不再只是聊天，它还会通过工具采取行动。
初学者示例：使用托管工具
OpenAI Agents SDK 还通过 SDK 文档中的辅助函数支持托管工具，例如网页搜索、文件搜索和代码解释器。初学者可以把这些视为“预构建功能”，只需将它们附加到 Agent 上，而无需从头开始编写所有代码。
这意味着您可以构建如下类型的代理：
- “请从网上查找有关此主题的信息并进行总结。”
- “搜索我的文件并从中回答”
- “运行代码分析这些数据”
在构建 OpenAI 智能体之前，你应该向你的法学硕士 (LLM) 咨询哪些问题：
如何自定义代理，使其真正按照您的意愿运行
这是初学者常犯的错误。他们构建的是通用助手，而不是特定的代理。
请使用这份清单。
1. 缩小工作范围
坏的：
- “帮忙处理一些商业事务”
好的：
- 将销售电话总结为行动要点
- “分类结果分为热、暖、冷”
- “研究加密货币项目，并分析其风险、催化剂和最终结论”
2. 定义输出格式
坏的：
- “给我一个答案”
好的：
- “回报：总结、证据、风险、后续步骤”
- 返回包含类别、置信度和解释的 JSON 数据
- “返回一个包含 5 个标题的列表”
3. 举例说明
如果你想了解语气、结构或分类质量，例子会很有帮助。
告诉模特：
- 以下是三个优秀成果的例子
- 以下是请求分类的 5 个示例
- “请按照这种风格写作”
4. 仅在需要时添加工具
如果任务只是重写笔记，则无需添加网络搜索。
如果仅凭提示就能得出答案，则无需添加文件访问权限。
每增加一个工具，就会增加复杂性。
5. 使用真实提示进行测试，而不是理想化的提示。
使用类似真实用户输入的混乱提示。
而不仅仅是测试：
- 请将此技术问题分类。
另请测试：
- “我的账户出了问题，但还是不断被扣款，怎么办？”
在那里你就能了解到你的经纪人实际是做什么的。
这是你的构建路径：
第一步： 用一句话描述代理人
步骤二： 请 Claude 或 ChatGPT 将其转换为：
- 代理人规格
- 系统提示
- 工具清单
- 10 个测试题
步骤 3： 构建最小工作版本
第四步： 用 10 个真实案例进行测试
第五步： 一次只改进一件事
- 迅速的
- 输出结构
- 示例
- 工具
- 记忆
- 检索
顺序很重要。别太纠结于此。
避免犯这个错误：
最大的错误是试图打造一个“万能超级代理”。
不要以以下内容开头：
- 网络搜索
- 文件搜索
- 数据库访问
- 记忆
- 多智能体交接
- 复杂的护栏
- 自定义仪表盘
- 20 种工具
首先：
- 一份工作
- 一名代理人
- 一个清晰的提示
- 最多一两件工具
- 五到十个真实测试案例
你成功的关键在于不要把事情想得太复杂。
实用建议：
您现在已完成第三部分，本部分将教您如何构建您的第一个代理，在本部分结束时，您应该能够说：
- 我知道我的经纪人是做什么的。
- 我知道它需要哪些工具。
- 我知道它应该遵循哪些规则。
- 我知道输出结果应该是什么样子。
- 我知道应该从 Anthropico 还是 OpenAI 入手。
- 我知道如何利用人工智能来帮助我设计第一个版本。
## 4：工具的使用
大多数人都会犯这个错误。
他们认为：
> “工具越多，代理越智能”
错误的。
更好的工具 = 更智能的代理。
工具越少，代理越可靠。
思考工具的最简单方法
工具就是：
> “人工智能无法独立完成的事情”
例如：
- 计算数字
- 搜索网络
- 请阅读您的文件
- 发送电子邮件
- 查询数据库
第一步：问问自己：“这需要工具吗？”
添加任何内容之前，请先询问：
- 该模型能否仅通过推理来回答这个问题？
- 或者它需要现实世界的数据或行动？
例子：
无需任何工具：
- “重写这封邮件”
- 请概括这段文字
- “解释一下这个概念”
所需工具：
- 现在天气怎么样？
- “搜索最新消息”
- “计算复利”
- “从我的电子表格中提取数据”
👉 规则：
> 如果需要外部数据或操作 → 使用工具
> 否则→不要添加
第二步：利用人工智能来辅助你的工具：
这将为你节省大量时间。
第三步：保持简单，笨蛋
糟糕的工具：
好用的工具：
👉 规则：
> 一个工具 = 一项明确的任务
第四步：告诉代理人何时使用该工具
这是大多数人失败的地方。
坏的：
> “计算器工具”
好的：
> “凡是需要进行数学运算的地方，都请使用这个工具。千万不要凭感觉计算。”
步骤五：让代理程序出现故障并进行修复。
进行实际测试，例如：
- “2^16 等于多少？”
- “计算未来十年7%的增长率”
如果：
- 未使用该工具 → 修复说明
- 使用不当 → 修复输入
- 出现幻觉 → 制定更严格的规则
你现在已经读到第四部分末尾了，你应该知道：
- 你不需要很多工具
- 你可以利用人工智能来设计它们。
- 更简单的工具 = 更优秀的代理人
- 工具说明书比工具本身更重要。
好了，我们继续……
## 5：给你的代理人记忆
人们把这件事想得太复杂了。
你只需要明白这一点：
> 内存有两种类型。
1. 短期记忆（对话）
这只是：
> “目前为止所说的”
您默认已经拥有此功能。
2. 长期记忆（外部知识）
这是：
> “经纪人之后可以查到的信息”
例如：
- 你的笔记
- PDF 文件
- 文件
- 数据库
你真正需要内存的时候是什么时候？
问：
- 代理是否需要跨消息记住信息？→ 是 → 短期
- 是否需要使用外部文档？→ 是 → 长期
- 否则→你可能不需要它
第一步：让人工智能帮助你决定你是否需要它
第二步：您有三种选择……
选项 A：无内存（从这里开始）
- 最适合大多数初学者。
- 适用于 70% 的使用场景
选项 B：对话记忆
- 大多数 SDK 已经处理过了。
- 千万不要重置消息
选项 C：基于文件的内存（简易 RAG）
- 上传文件
- 使用文件搜索工具
第三步：别做得太过火（过度）
大错：
- 添加向量数据库
- 嵌入
- 复杂的管道
甚至在你意识到自己是否需要它们之前
👉 规则：
> 如果你的代理程序无需内存即可运行 → 请勿添加内存。
好了，你已经读完第五部分了，现在你应该知道：
- 大多数智能体不需要复杂的记忆功能
- 从简单的开始
- 只有在出现故障时才添加内存。
## 6：让你的经纪人在现实生活中发挥作用
这就是为什么有些经纪人最终要么是废物，要么是留着山羊胡的那种，而很多经纪人之所以是废物，是因为：
- 糟糕的提示
- 无需测试
- 不切实际的期望
所以...
步骤 1：使用 AI 创建测试用例
步骤二：像真实用户一样进行测试
不要测试：
> 请对这份账单请求进行分类。
测试：
> “我为什么又被起诉了？”
步骤三：一次只解决一个问题
如果失败了，请问：
- 提示信息不清楚吗？
- 输出格式是否不够清晰？
- 是否缺少工具？
- 是否缺少规则？
步骤 4：使用 AI 调试您的代理
第五步：不要过早地陷入疯狂
请勿添加：
- 多代理
- 复杂的工作流程
- 自动化管道
直到：
- 你的简化版本运行稳定。
你已经读到第六部分末尾，现在你应该知道：
- 测试至关重要
- 人工智能可以帮助你调试自身。
- 在增加复杂性之前，先明确问题所在。
下一个...
## 7：多智能体
在这里很容易完全偏离轨道。
人们认为：
> “代理人越多，权力越大”
错误的。
先从一名代理人开始。
总是。
仅在以下情况下添加更多：
- 任务显然是分开的。
- 一名特工正面临困境。
- 角色截然不同
只有三种情况下需要多个代理人。
1. 不同技能
例子：
- 研究代理
- 写作代理
2. 清晰的管道
例子：
- 输入 → 分析 → 写入 → 输出
3. 不同的权限
例子：
- 一个代理可以读取数据
- 一个代理可以执行操作
第一步：利用人工智能判断是否需要多个代理。
最安全的模式：
主管模式：
用户 → 主代理 → （必要时呼叫其他代理）
不要以以下内容开头：
- 蜂群
- 完全自主的多智能体系统
它们很容易碎。
第二步：角色设定要简单明了。
坏的：
- “具有动态认知分层的 AI 策略代理”
好的：
- “研究代理人”
- “作家经纪人”
步骤 3：逐步添加代理
开始：
- 1个代理人
然后：
- 最多 2 个代理人
仅在以下情况下展开：
- 你看到了真正的好处
第七部分的主要内容是什么？
- 大多数人不需要多个代理人
- 单一特工 + 好工具 = 足够
- 仅在迫不得已的情况下才增加复杂性。
## 8：本文到此结束！
本指南最重要的见解是， 智能体的概念虽然简单，但实际操作起来却很复杂 。LLM 的核心循环是思考、调用工具、重复执行，整个过程可以用 50 行 Python 代码完成。真正的挑战在于工具设计、错误处理、性能评估，以及判断何时使用更简单的模式（例如提示链、路由）会比自主智能体更高效。
三个可立即付诸行动的要点：
首先从零开始构建代理 。理解底层循环能让每个框架都变得透明而非神秘。这样你就能更快地调试问题，并更明智地选择工具。
首先从最简单的有效模式入手。 提示链模式可以处理大多数多步骤任务。路由模式可以处理大多数先分类后执行的工作流程。只有当需要逻辑逻辑模型（LLM）动态决定执行路径时，才应升级到自主代理。
尽早投入工具设计和评估。 精心设计、名称清晰、描述准确、错误信息结构化的工具，比切换模型或框架更能提升代理的性能。此外，20 个高质量的测试用例比任何数量的手动测试都能发现更多 bug。
这个领域发展日新月异，MCP 在不到一年的时间内就成为了通用标准，两大供应商都发布了 Agent SDK，而且每月都有新的框架涌现。但本指南的基本原理却始终不变：代理循环、五种工作流模式、优秀工具设计的原则以及从简入手的理念。掌握这些，你就能适应未来的任何变化。
您现在可以创建代理。
最后……
顺便宣传一下我的电子报：
咱们开始做饭吧……
## 相关链接
- [hoeem](https://x.com/hooeem)
- [@hooeem](https://x.com/hooeem)
- [200万](https://x.com/hooeem/status/2037250422403113188/analytics)
- [Mar 26, 2023](https://x.com/hooeem/status/1640004722609225728)
- [2.2M](https://x.com/hooeem/status/1640004722609225728/analytics)
- [升级至高级版](https://x.com/i/premium_sign_up)
- [3:28 AM · Mar 27, 2026](https://x.com/hooeem/status/2037250422403113188)
- [2M Views](https://x.com/hooeem/status/2037250422403113188/analytics)
- [View quotes](https://x.com/hooeem/status/2037250422403113188/quotes)
---
*导出时间: 2026/3/28 22:21:41*