从零开始构建自己的AI代理：成功的5个关键支柱

AI 智能体：构建一个简单的行程智能体

AI 智能体就像超级智能的助手，可以自主做出决策来实现目标。虽然人类设定了目标，但 AI 会找出最佳的实现方式，而无需持续的监督。例如，一个智能旅行规划 AI。它可以推荐目的地，找到最佳的航班和酒店优惠，根据您的偏好创建行程，甚至在航班取消时重新预订您的航班——无需您动手。如果遇到障碍，比如一个不寻常的请求，它就知道什么时候需要人类的帮助。

让我们回到它们是如何被制造的。虽然 PhiData、AutoGen、CrewAI、LangGraph、BeeAgent 和 Swarm 等框架提供了强大的快捷方式，但没有什么能比得上从头开始构建自己的 AI 智能体所带来的刺激和深刻的理解。

从头开始构建不仅仅是制造——更是发现可能性。

来源：Claude 3.5 sonnet

AI 智能体的五个核心支柱：

1. 感知 — AI 智能体如何处理和解释来自其环境的输入
2. 推理 — 逻辑处理和决策能力
3. 记忆 — 信息和经验的存储和检索
4. 行动 — 根据决策采取行动的能力
5. 学习 — 随时间的推移进行适应和改进

注意：本博客的目标不是创建一个终极智能体，而是一个简单、基础的智能体，以说明核心概念。我已将解释保持尽可能简单，以便让更广泛的受众能够理解。可以根据特定用例的需要添加复杂性。一旦我们了解了基本原理，我们就可以利用任何框架来构建它们。

这个 ItineraryAgent 提供了一种直接的方式来自动化代码生成和执行，特别适用于生成旅行行程、可视化或任何其他模板化任务，只需最少的人工干预。

1. 导入语句和环境设置

from openai import OpenAI
import os
from google.colab import userdata
import base64
import requests
from PIL import Image
from io import BytesIO
import subprocess
import tempfile
import re
import importlib
import sys
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

• OpenAI：提供与 OpenAI API 的接口（用于代码生成）。
• os, sys：用于环境操作，例如设置环境变量和处理文件路径。
• google.colab.userdata, base64, requests：这些工具可以分别帮助数据检索、编码/解码和发出 HTTP 请求。
• PIL（Python 图像库）：帮助进行图像处理和显示。
• tempfile：用于创建和管理生成的代码的临时文件。
• re：用于正则表达式（如提取代码段或搜索文件模式）。
• importlib：用于动态导入模块（尽管此处的使用最少）。
• subprocess：允许脚本从 Python 内部运行命令和其他 Python 文件。
• matplotlib：提供图像显示和绘图功能。

2. ItineraryAgent 类

此类封装了以下逻辑：

1. 根据用户提示生成 Python 代码。
2. 自动安装必要的库。
3. 在临时文件中安全地执行生成的代码。
4. 显示任何生成的图像（或处理其他输出文件）。

方法概述

• generate_code(prompt)
• install_libraries(code)
• execute_code(code)
• display_image(filename)
• run(prompt)

下面更深入地了解每种方法。

2.1 generate_code(self, prompt)

def generate_code(self, prompt):
    from openai import OpenAI  # Ensure OpenAI is properly imported

    client = OpenAI()
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[
            {"role": "system", "content": "You are a Python code generator. Respond only with executable Python code, ..."},
            {"role": "user", "content": f"Generate Python code to {prompt}. ..."}
        ],
        max_tokens=4000,
        temperature=0.7,
        top_p=1,
        frequency_penalty=0,
        presence_penalty=0
    )

    code = re.sub(r'^```python\n|^```\n|```$', '', response.choices[0].message.content, flags=re.MULTILINE)
    code_lines = code.split('\n')
    while code_lines and not (code_lines[0].startswith('import') or code_lines[0].startswith('from') or code_lines[0].strip().startswith('#')):
        code_lines.pop(0)

    return '\n'.join(code_lines)

它的作用：

1. 从 OpenAI 库创建一个 client 以与 OpenAI API 交互。

2. 向 OpenAI 的聊天补全端点发送一个 prompt，其中包含特定指令：

   • “system” 角色指示模型生成 可执行的 Python 代码。
   • “user” 角色传递实际的提示（例如：Python 代码来创建一个行程…”）。

3. 从模型接收响应，该响应应为用三个反引号 (```) 括起来的 Python 代码。

4. 使用 正则表达式 删除任何 markdown 格式（三个反引号或任何多余的文本）。

5. 删除开头不是 import 语句、from 语句或注释的任何行。此步骤实质上是修剪掉不需要的文本或免责声明，以便剩余的内容主要是直接的 Python 代码。

此方法仅返回一个包含模型生成的精炼代码的字符串。

2.2 install_libraries(self, code)

def install_libraries(self, code):
    import pkg_resources
    ...
    # Extract libraries from import statements
    imports = re.findall(r'^\s*(?:import|from) ([\w\d_]+)', code, re.MULTILINE)

2. 代码执行和库管理

2.1 generate_code(self, prompt)

def generate_code(self, prompt):
    response = openai.chat.completions.create(
        model="gpt-3.5-turbo",
        messages=[
            {"role": "system", "content": self.system_prompt},
            {"role": "user", "content": prompt}
        ]
    )
    code = response.choices[0].message.content
    return code

功能：

• 将 prompt（用户的请求）发送到 OpenAI API。
• 使用 system_prompt 引导 AI 生成代码。
• 将生成的代码作为字符串返回。

2.2 install_libraries(self, code)

import re
import pkg_resources
import subprocess
import sys

def install_libraries(self, code):
    imports = re.findall(r'import\s+(\w+)', code)
    from_imports = re.findall(r'from\s+(\w+)\s+import', code)
    libraries = re.findall(r'#\s*pip install\s+([\w-]+)', code)

    all_libraries = set(imports + libraries)
    for lib in from_imports:
        all_libraries.add(lib)

    if all_libraries:
        print("Checking required libraries...")
        for lib in all_libraries:
            package_name = lib.replace('-', '_')
            try:
                pkg_resources.require(package_name)
                print(f"{lib} is already installed.")
            except pkg_resources.DistributionNotFound:
                print(f"Installing {lib}...")
                subprocess.check_call([sys.executable, "-m", "pip", "install", lib])
        print("All required libraries are installed.")

关键步骤：

1. 提取库名称：

   • 读取代码中的 import ... 或 from ... import ... 行，猜测可能需要的库。
   • 查找带有 # pip install ... 的行，查看用户（或 AI）是否注释了明确的 pip 安装。

2. 检查库是否已安装：

   • 使用 pkg_resources.require 检查每个库是否已存在于环境中。

3. 安装缺失的库：

   • 运行一个子进程 pip 命令 (subprocess.check_call([...])) 来安装任何未找到的内容。

这种自动依赖项安装有助于确保 AI 生成的任何代码都可以运行，而无需手动设置库。

2.3 execute_code(self, code)

import tempfile
import os
import subprocess
import sys

def execute_code(self, code):
    with tempfile.NamedTemporaryFile(mode='w', suffix='.py', delete=False) as temp_file:
        temp_file.write(code)
        temp_file_path = temp_file.name

    try:
        result = subprocess.run([sys.executable, temp_file_path],
                                capture_output=True, text=True, timeout=50)
        output = result.stdout
        error = result.stderr
    except subprocess.TimeoutExpired:
        output = ""
        error = "Execution timed out after 50 seconds."
    finally:
        os.unlink(temp_file_path)

    return output, error

功能：

1. 创建一个临时文件 (.py)，并将生成的代码写入其中。

2. 使用 subprocess.run 运行该临时文件，并：

   • capture_output 捕获 stdout/stderr。
   • timeout 防止脚本无限期运行（50 秒）。

3. 返回脚本的 stdout 和 stderr。

最后，它会删除临时文件以保持环境整洁。

2.4 display_image(self, filename)

import matplotlib.pyplot as plt
import matplotlib.image as mpimg

def display_image(self, filename):
    try:
        img = mpimg.imread(filename)
        plt.imshow(img)
        plt.axis('off')
        plt.show()
    except Exception as e:
        print(f"Could not display image: {e}")

功能：

• 尝试使用 Matplotlib 加载和显示图像文件（例如 PNG 或 JPG）。
• 如果发生错误（例如，文件未找到，不支持的格式），它会打印错误消息。

如果生成的代码产生或期望显示图像（如流程图或行程图），这是一个方便的方法。

2.5 run(self, prompt)

def run(self, prompt):
    print(f"Generating code for: {prompt}")
    code = self.generate_code(prompt)
    print("Generated code:")
    print(code)

    print("\nInstalling required libraries if needed...")
    self.install_libraries(code)

    print("\nExecuting code...")
    output, error = self.execute_code(code)

    if output:
        print("Output:")
        print(output)
    if error:
        print("Error:")
        print(error)

高级流程：

1. 提示 用户或开发人员提供一些功能（例如，“创建从城市 A 到城市 B 的行程”）。
2. 生成 使用 generate_code 从 OpenAI 的 API 获取代码。
3. 安装 从该代码推断出的任何库。
4. 执行 生成的代码，捕获其输出或错误。

3. if __name__ == “__main__”: 块

这个最终的块是一个常见的 Python 模式，用于指示“仅当将此文件作为脚本执行而不是作为模块导入时才运行此代码。”

if __name__ == "__main__":
    agent = ItineraryAgent()
    agent.run("Create an itinerary outlining all the essential details for a trip from Orangeville to Niagara Falls, ...")

功能：

• 实例化一个 ItineraryAgent。
• 使用一个特定的提示调用 agent.run(...)，指示代理应该生成什么代码。
• 这会触发整个流程：生成代码、安装库和执行它。

输出

查看代理生成的代码的输出。

为以下内容生成代码：创建一个行程图，概述从 Orangeville 到尼亚加拉瀑布的所有重要细节，包括沿途所有可能的站点。确保记录重要的注意事项，并将最终文档保存为 PDF 格式。 生成的代码：

## Required pip installations:
## pip install reportlab

from reportlab.lib.pagesizes import letter
from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer
from reportlab.lib.styles import getSampleStyleSheet

def create_itinerary():
    doc = SimpleDocTemplate("itinerary.pdf", pagesize=letter)
    styles = getSampleStyleSheet()

    title = Paragraph("Trip Itinerary: Orangeville to Niagara Falls", styles['Title'])
    intro = Paragraph("This itinerary outlines the essential details and possible stops along the trip from Orangeville to Niagara Falls.", styles['Normal'])

    stops = [
        "1. Orangeville",
        "2. Belfountain Conservation Area - Scenic nature spot",
        "3. Forks of the Credit Provincial Park - Hiking trails",
        "4. Terra Cotta Conservation Area - Nature area with trails",
        "5. Royal Botanical Gardens, Burlington - Botanical museum",
        "6. Hamilton - Known for its waterfalls",
        "7. St. Catharines - Known for its wineries",
        "8. Niagara-on-the-Lake - Historic town with shops and restaurants",
        "9. Niagara Falls - Main destination"
    ]

    considerations = [
        "Check weather conditions before departure.",
        "Ensure vehicle is fueled and in good condition.",
        "Plan for rest stops and meals.",
        "Verify opening hours of parks and attractions.",
        "Consider purchasing tickets in advance for popular attractions.",
        "Take into account possible traffic delays."
    ]

    elements = [title, Spacer(1, 12), intro, Spacer(1, 12)]

    elements.append(Paragraph("Possible Stops:", styles['Heading2']))
    for stop in stops:
        elements.append(Paragraph(stop, styles['Normal']))

    elements.append(Spacer(1, 12))
    elements.append(Paragraph("Important Considerations:", styles['Heading2']))
    for consideration in considerations:
        elements.append(Paragraph(consideration, styles['Normal']))

    doc.build(elements)

create_itinerary()

这段代码会默默地为您创建 PDF 文档。

查看生成的 PDF 文档的屏幕截图。

来源：作者

如果您要求它以图表形式生成输出，它将是这样的。（根据输入类型而异）

来源：作者

您可以试用这段代码。这是笔记本的链接。

决定何时使用代理

在开发 LLM 驱动的应用程序时，建议从最简单的方法开始，并且仅在必要时引入复杂性。在许多情况下，根本不需要代理系统。由于代理通常会增加延迟和成本，以换取增强的任务性能，因此评估这种权衡是否适合您的用例至关重要。

对于需要结构和一致性的任务，预定义的流程通常更有效。另一方面，如果可扩展性、灵活性和模型驱动的决策是关键要求，那么代理就成为一个可行的解决方案。但是，在大多数情况下，使用检索技术和上下文学习来完善单个 LLM 调用通常就足够了。

在下一篇博文中，我们将探讨 ReAct 和 CoAct 代理，深入研究它们的基本概念、优点和缺点。我们还将讨论何时使用它们以及更多内容。敬请期待！