什么是大模型 Agent单纯的大模型只会基于自身知识生成文本存在两个明显短板知识有截止时间无法获取实时信息不能操作外部环境没法读写文件、执行计算、调用接口。而 Agent智能体就是给大模型装上「手脚」和「思考决策能力」。简单总结Agent 大模型 思考决策逻辑 外部工具集它不再是被动问答而是可以自主判断、自主选择工具、分步完成复杂任务。我们本次实战的代码就是最经典的 ReAct 架构 Agent也是目前工业界使用最广的智能体模式。技术栈说明及使用环境LangChain1.3.2 LangGraph1.2.2 模型DeepSeek 通用大模型整体架构拆解四大核心模块先看整体结构我们的 Agent 一共由 4 个部分组成缺一不可大模型 LLM负责思考、判断、生成调用指令自定义 Tools 工具集外部可执行能力文件、计算、查询等tool 装饰器LangChain 标准工具封装方式ReAct Agent 调度器串联「思考→调用工具→汇总结果」全流程大模型 LLMapikey sk-xxxxxxx baseurl https://api.deepseek.com/v1 llm ChatOpenAI( modeldeepseek-chat, temperature0.5, api_keyapikey, base_urlbaseurl )Tool 工具Agent 的手脚工具是 Agent 能落地业务的关键。LangChain 统一使用 tool 装饰器 来定义工具这是官方标准写法。tool def 工具名(入参: 类型) - 字符串: 工具描述非常重要模型靠这段文字理解工具用途 :param 参数名: 参数说明 # 业务逻辑 return 执行结果ReAct 调度器核心执行逻辑# 所有定义工具加入tools数组 tools [write_to_file,write_file,list_files,delete_file,calculate,get_weather] # 绑定agent agent create_react_agent(llm, tools)这一行代码背后就是整个 Agent 的决策循环逻辑。**ReAct Reason推理思考 Act执行动作**也是整个智能体最核心的运行机制。ReAct Agent 完整执行流程示例命令 今天的深圳天气怎么样帮信息存在weather.txt步骤 1接收用户输入用户提问被封装为消息格式送入 Agent{messages: [(user, 今天的深圳天气怎么样帮信息存在weather.txt)]}步骤 2大模型「推理 Reason」模型收到三类信息用户原始问题所有工具的名称、功能描述、入参要求历史执行记录模型自主判断这个任务无法直接回答需要调用工具 → 选择delete_file工具 → 提取参数file_namepoem.txt然后输出工具调用指令而非自然语言回答。步骤 3执行动作 Act调用工具Agent 调度器解析模型的调用指令找到对应工具函数传入参数并本地执行代码校验文件路径是否在安全目录判断文件是否存在执行删除逻辑返回工具执行结果成功 / 失败信息步骤 4结果回传给大模型二次汇总工具执行结果再次发回大模型。模型拿到执行状态后不再调用新工具整理信息生成最终自然语言回答返回给用户。完整个代码如下import os from dotenv import load_dotenv from langchain_openai import ChatOpenAI from langchain_core.tools import tool from langgraph.prebuilt import create_react_agent # 1. 加载环境变量 load_dotenv() # 2. 定义安全工作目录沙箱隔离 WORK_DIR rsafe_files os.makedirs(WORK_DIR, exist_okTrue) # 3. 初始化大模型Agent 大脑 api_key sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxx base_url https://api.deepseek.com/v1 llm ChatOpenAI( modeldeepseek-chat, temperature0.5, api_keyapi_key, base_urlbase_url ) # ---------------------- 自定义工具集Agent 手脚 ---------------------- tool def write_to_file(file_name: str, content: str) - str: 将内容写入指定文件仅允许写入安全目录内的文件 file_path os.path.abspath(os.path.join(WORK_DIR, file_name)) if not file_path.startswith(os.path.abspath(WORK_DIR)): return ❌ 错误禁止写入安全目录外的文件 try: with open(file_path, w, encodingutf-8) as f: f.write(content) return f✅ 成功写入文件{file_path} except Exception as e: return f❌ 写入失败{str(e)} tool def list_files() - str: 列出安全目录下所有文件 try: files os.listdir(WORK_DIR) return 当前目录文件\n \n.join(files) except Exception as e: return f列出失败: {str(e)} tool def delete_file(file_name: str) - str: 删除安全目录内指定文件 file_path os.path.abspath(os.path.join(WORK_DIR, file_name)) if not file_path.startswith(os.path.abspath(WORK_DIR)): return 错误禁止删除安全目录外的文件 if not os.path.exists(file_path): return 错误文件不存在 try: os.remove(file_path) return f已成功删除文件: {file_name} except Exception as e: return f删除失败: {str(e)} tool def calculate(expression: str) - str: 计算数学表达式示例(1020)*5 try: result eval(expression, {__builtins__: None}, {}) return f计算结果: {expression} {result} except Exception as e: return f计算失败: {str(e)} tool def get_weather(city: str) - str: 查询指定城市天气 data { 北京: 晴天 25℃湿度40%, 上海: 多云 27℃湿度65%, 广州: 小雨 30℃湿度85%, 深圳: 晴转多云 28℃湿度70% } return data.get(city, f{city} 暂无天气数据) # 注册所有工具 tools [write_to_file, list_files, delete_file, calculate, get_weather] # 4. 创建 ReAct 智能体调度核心 agent create_react_agent(llm, tools) # 5. 启动测试 if __name__ __main__: print(Agent 已启动请等待任务执行...) # 可自行修改测试指令 user_input 帮删除 safe_files 中的 poem.txt response agent.invoke({ messages: [(user, user_input)] }) print(\n 最终回答 ) print(response[messages][-1].content)学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】