【AI百炼实训】008：手把手教你写个 AI 智能体！
前言
想亲手搭建属于自己的Agent吗？让AI跳出对话框，成为你的得力助手。
本期为大家带来【AI百炼实训】的第八弹！让我们一起用AIBOOK算力本打造全新智能体。
📄 项目介绍
** 什么是 AI 智能体（AI Agent ) ** AI 智能体是一种能够通过「感知环境→思考决策→执行动作」循环实现目标的智能系统。想要深入理解其核心原理？最好的方式就是亲手搭建一个！
本项目将引导你从零开始构建一个极简但完整的 AI 智能体。我们不提供现成代码，而是通过分步拆解，让你理解每个模块的设计逻辑，最终独立完成一个包含「思考 - 行动 - 记忆」核心要素的 智能助手。即使功能简单，却能让你透彻掌握 AI 智能体的底层工作机制。
🧠 项目难度
中级。本项目推荐有编程基础知识的用户体验，无需复杂算法基础，重点聚焦原理理解与流程实现。
🎓 适用人群
-
具有编程基础知识和实作能力者
-
想了解 AI 智能体原理的技术爱好者
-
学生课程项目开发者
-
希望构建 AI 应用底层框架的入门工程师
✨ 项目亮点
● 原理导向学习： 从基础概念到代码实现逐步拆解，拒绝「复制粘贴」，确保知其然且知其所以然。
● 渐进式成就感： 每完成一个方法即可看到智能体能力提升，学习过程充满反馈。
● 极简完整架构： 包含「思考 (Think)- 行动 (Act)」核心循环（即AI智能体的「感知 - 决策 - 执行」核心循环），代码简洁但原理清晰易读。
● 可扩展框架： 预留功能扩展接口，为后续添加复杂能力（如多轮对话、工具调用）奠定基础。
● 核心学习成果保障： 通过本项目，你将扎实掌握：
-
AI 智能体的「感知 - 决策 - 执行」核心循环
-
基于规则的意 图识别方法
-
对话记忆系统的设计与实现
-
面向对象编程在智能系统中的应用模式
📚 小知识：
**AI 智能体的三要素：**无论多简单的AI智能体，都必须具备如下三大核心能力
-
思考（Think）- 分析用户输入，识别意图并生成行动计划；
-
行动（Act）- 根据计划执行具体动作（如回复、调用工具）；
-
记忆（Memory）- 存储历史对话，为多轮交互提供上下文支持。
🛠️ 操作步骤与代码解析
第一步：环境准备
1.1 打开终端并创建项目目录
mkdir my_first_agent && cd my_first_agent
1.2 激活musa环境并安装依赖包
conda activate musa&&pip install colorama pyfiglet # 用于控制台美化输出
第二步：构建智能体基础框架
2.1 代码实现 （simple_agent.py）
此代码块定义了SimpleAgent类及其构造函数。当创建智能体实例时，会传入name参数作为智能体的名称，并将其存储在实例变量self.name中。同时，初始化一个空列表self.memory，用于存储后续的对话历史。通过Figlet类创建艺术字体生成器，将智能体名称转换为斜体艺术字并以青色打印输出，随后打印绿色的欢迎语，完成智能体的初始化展示。
import time
from typing import List, Dict
from colorama import Fore, Style, init
from pyfiglet import Figlet
# 初始化控制台美化工具
init()
class SimpleAgent:
def __init__(self, name):
self.name = name
self.memory = [] # 记忆存储列表
# 欢迎语
f = Figlet(font='slant')
print(Fore.CYAN + f.renderText(self.name) + Style.RESET_ALL)
print(f"我是 {Fore.GREEN}{self.name}{Style.RESET_ALL}，一个简单的AI助手！")
if __name__ == "__main__":
agent = SimpleAgent("SimpleBot")
2.2 运行效果
控制台将打印艺术字标题和欢迎语，标志智能体初始化完成。
第三步：实现思考能力 ——think 方法
3.1 代码增强（添加到 SimpleAgent 类中）
think方法负责分析用户输入并识别其意图。首先将用户输入转换为小写，以避免大小写敏感问题。接着通过条件判断检查输入中是否包含特定关键词：若包含 "你好" 或 "hello"，则识别为问候意图，返回 "greeting"；若包含 "天气" 或 "weather"，则识别为天气查询意图，返回 "weather"；若均不匹配，则返回 "default" 作为默认意图。这种设计将意图识别与后续的回复生成解耦，便于系统的扩展和维护。
def think(self, user_input: str) -> str:
"""分析用户输入，生成行动计划"""
user_input = user_input.lower() # 统一小写处理
if "你好" in user_input or "hello" in user_input:
return "greeting" # 问候意图
elif "天气" in user_input or "weather" in user_input:
return "weather" # 天气查询意图
else:
return "default" # 默认意图
🤔 设计思考：
-
通过关键词匹配实现意图分类，返回字符串作为「行动指令」
-
解耦「意图识别」与「回复生成」，便于后续扩展复杂逻辑
-
思考题：为何不直接返回回复内容？（提示：分离决策与执行）
第四步：实现行动能力 ——act 方法
4.1 代码增强（添加到 SimpleAgent 类中）
act方法根据think模块返回的意图标签生成具体回复。通过字典response_map建立意图标签与对应回复内容的映射关系：对于 "greeting" 意图，返回包含智能体名称的问候语，名称以黄色高亮显示；对于 "weather" 意图，返回表示暂不支持天气查询的提示；对于 "default" 意图，返回表示正在学习的默认回复。使用字典的get方法获取对应回复，若意图标签不存在则返回错误提示，确保系统的健壮性。
def act(self, plan: str) -> str:
"""根据计划执行具体动作"""
response_map = {
"greeting": f"你好！我是{Fore.YELLOW}{self.name}{Style.RESET_ALL}，很高兴为你服务！",
"weather": "抱歉，我暂时还不具备查询天气的能力 😔",
"default": "对不起，这个问题我还在学习中～可以换个话题吗？"
}
return response_map.get(plan, "发生未知错误，请重新输入") # 安全兜底
🤔 设计思考：
-
使用字典映射计划与回复，提高可维护性
-
分离「意图」与「回复内容」，方便后续修改话术或添加多语言支持
第五步：构建主循环 ——run 方法
5.1 代码增强（添加到 SimpleAgent 类中）：
run方法实现了智能体的核心交互循环。通过无限循环持续获取用户输入，当检测到用户输入 "exit" 时，打印红色 的退出提示并终止循环。在每次循环中，先调用think方法分析用户意图，再将意图标签传递给act方法生成回复，随后以绿色打印智能体的回复内容。最后，将当前对话的时间戳、用户输入和智能体回复以字典形式存入memory列表，实现对话历史的记录功能。
def run(self):
"""智能体主循环：感知→思考→行动→记忆"""
while True:
user_input = input(f"\n{Fore.BLUE}[{self.name}] 请输入你的问题（输入'exit'退出）：{Style.RESET_ALL}")
if user_input.lower() == "exit":
print(Fore.RED + "再见！期待下次相遇～" + Style.RESET_ALL)
break
# 核心循环
plan = self.think(user_input)
response = self.act(plan)
print(f"\n{Fore.GREEN}[{self.name}回复]{Style.RESET_ALL} {response}")
# 存储对话到记忆
self.memory.append({
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S"),
"user_input": user_input,
"response": response
})
5.2 循环解析：
（1）感知：获取用户输入
（2）思考：调用 think 方法生成行动计划
（3）行动：调用 act 方法生成回复
（4）记忆：以字典形式存储对话记录（含时间戳）
第六步：启动智能体
6.1 主程序入口（修改最后一行）：
这部分代码作为程序的执行入口，当脚本被直接运行时，会创建一个名为 "SimpleBot" 的SimpleAgent实例，并调用其run方法启动智能体的交互循环。通过if name == "main":条件判断，确保代码作为脚本直接执行时才会启动智能体，若被其他模块导入则不会触发运行，提高了代码的可复用性。
if __name__ == "__main__":
agent = SimpleAgent("SimpleBot")
agent.run() # 启动主循环
6.2 测试与验
运行命令：
python simple_agent.py
测试用例：
| 用户输入 | 预期回复 |
|---|---|
| "你好" | "你好！我是 SimpleBot，很高兴为你服务！" |
| "今天天气如何？" | "抱歉，我暂时还不具备查询天气的能力 😔" |
| "你能做什么？" | "对不起，这个问题我还在学习中～..." |
| "exit" | "再见！期待下次相遇～" |
🖼️ 最终效果展示
（图示：控制台显示智能体与用户的对话交互）
📜 完整代码清单
import time
from typing import List, Dict
from colorama import Fore, Style, init
from pyfiglet import Figlet
init()
class SimpleAgent:
def __init__(self, name):
self.name = name
self.memory = []
f = Figlet(font='slant')
print(Fore.CYAN + f.renderText(name) + Style.RESET_ALL)
print(f"我是 {Fore.GREEN}{name}{Style.RESET_ALL}，一个简单的AI助手！")
def think(self, user_input: str) -> str:
user_input = user_input.lower()
if "你好" in user_input or "hello" in user_input:
return "greeting"
elif "天气" in user_input or "weather" in user_input:
return "weather"
else:
return "default"
def act(self, plan: str) -> str:
response_map = {
"greeting": f"你好！我是{Fore.YELLOW}{self.name}{Style.RESET_ALL}，很高兴为你服务！",
"weather": "抱歉，我暂时还不具备查询天气的能力 😔",
"default": "对不起，这个问题我还在学习中～可以换个话题吗？"
}
return response_map.get(plan, "发生未知错误，请重新输入")
def run(self):
while True:
user_input = input(f"\n{Fore.BLUE}[{self.name}] 请输入你的问题（输入'exit'退出）：{Style.RESET_ALL}")
if user_input.lower() == "exit":
print(Fore.RED + "再见！期待下次相遇～" + Style.RESET_ALL)
break
plan = self.think(user_input)
response = self.act(plan)
print(f"\n{Fore.GREEN}[{self.name}回复]{Style.RESET_ALL} {response}")
self.memory.append({
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S"),
"user_input": user_input,
"response": response
})
if __name__ == "__main__":
agent = SimpleAgent("SimpleBot")
agent.run()
🚀 扩展挑战（进阶方向）
完成基础实现后，你可以尝试以下升级：
-
意图扩展：在 think 方法中添加更多意图（如时间查询、数学计算）
-
记忆增强：利用 memory 实现多轮对话上下文（如："刚才你说天气不具备能力，那其他功能呢？"）
-
工具集成：在 act 方法中调用外部 API（如天气接口、计算器接口）
-
个性化定制：为智能体添加性格设定（如幽默风、专业风）
通过亲手搭建这个极简智能体，你将打通从「理论认知」到「代码实现」的关键链路，为深入学习 LangChain、AutoGPT 等复杂智能体框架奠定坚实基础！立即开始你的 AI 开发之旅吧 🚀
