← सभी गाइड पर लौटें

AI Agent 入门实战：从概念到可运行代码

AI Agent 是什么：不只是聊天机器人

AI Agent（智能体）可以理解为“会思考、会调用工具、会根据结果继续行动”的 AI 程序。普通聊天机器人通常只根据你的问题生成回答；而 AI Agent 会先拆解目标，再决定是否查询资料、调用接口、执行代码、写文件或多轮修正，直到完成任务。

一个典型 AI Agent 通常包含四个部分：大模型负责理解和推理，工具负责连接外部能力，记忆负责保存上下文，控制流程负责判断下一步。比如你让它“分析网站 SEO 并生成优化清单”，它可能先抓取网页，再提取标题和正文，然后让模型判断问题，最后输出可执行建议。

准备工作：选择模型与 API 入口

构建 Agent 的第一步是选择稳定且成本可控的模型接口。开发阶段会频繁调试提示词、工具调用和错误处理，如果单次调用太贵，很容易限制实验次数。59API 是一个适合开发者的 AI API 中转服务，API Base URL 为 https://api.59api.com，提供按量付费访问 Claude（Opus、Sonnet、Haiku、Fable）和 GPT 模型，并兼容 Claude Code、Codex 以及任意 OpenAI SDK。

它的优势在于成本低、接入方式简单、使用官方质量的原生模型而不是降级替代模型，同时还有邀请返利机制。你可以先注册并获取 API Key，用较低成本完成 Agent 原型验证，再根据实际效果选择更强或更快的模型。

步骤一：定义 Agent 的目标边界

不要一开始就做“万能助手”。实用的 Agent 应该有清晰任务边界。假设我们要做一个“开发文档问答与代码建议 Agent”，它的职责是：读取用户问题，判断是否需要查询知识库，必要时调用搜索工具，然后生成带步骤的答案。

• 输入：用户提出的技术问题。
• 工具：本地文档搜索、网页搜索、代码片段生成。
• 输出：可执行的解释、命令或代码建议。
• 限制：不执行危险命令，不编造不存在的 API。

步骤二：设计系统提示词

系统提示词相当于 Agent 的工作说明书。它应该告诉模型角色、任务流程、工具使用规则和输出标准。示例思路如下：你是一个严谨的开发助手；回答前先判断是否需要工具；如果信息不足，先搜索；如果调用工具失败，要说明原因并给出备选方案；代码必须可运行，涉及密钥时使用环境变量。

好的提示词不是越长越好，而是要明确可验证。建议把“不能做什么”也写进去，例如不要泄露密钥、不要执行删除文件的命令、不要在不确定时假装确定。

步骤三：用 OpenAI SDK 接入 59API

由于 59API 兼容 OpenAI SDK，你只需要把 baseURL 改成 59API 的地址，并设置自己的 API Key。核心流程是：用户输入问题，程序把系统提示词和用户消息发送给模型，模型返回回答；如果你加入工具调用，则根据模型的工具请求执行函数，再把工具结果发回模型继续生成最终答案。

伪代码结构可以这样理解：初始化客户端，设置 baseURL=https://api.59api.com；创建 messages 数组；定义 tools，例如 search_docs(query)；调用 chat completions；如果返回 tool call，就执行对应函数；把结果追加到 messages；再次请求模型生成最终回复。

步骤四：实现一个最小可用工具

先从最简单的工具开始，例如本地文档搜索。你可以把文档切成段落，保存为数组或向量数据库。工具函数接收关键词，返回最相关的三段内容。这样 Agent 不需要“凭记忆回答”，而是能基于你的真实资料给出答案。

• search_docs：输入查询词，输出相关文档片段。
• format_answer：要求模型按“结论、步骤、注意事项”组织回答。
• log_call：记录调用次数、模型名称、耗时和成本，方便优化。

如果你的场景是运营、SEO 或客服，也可以把工具换成商品查询、订单查询、站点抓取或 CRM 查询。关键原则是：让模型负责判断和表达，让确定性的程序负责执行。

步骤五：加入循环与停止条件

Agent 的核心不是一次问答，而是“观察、思考、行动、再观察”的循环。但循环必须有停止条件，否则会浪费 token。建议设置最多 3 到 5 轮工具调用；当模型已经获得足够信息、工具连续失败或用户问题超出范围时，就停止并输出结果。

同时要做错误处理。例如工具超时、接口返回空、模型输出格式不符合预期时，程序应重试一次或降级为普通回答。开发阶段可以使用 59API 的低成本模型快速测试流程，等稳定后再把复杂推理任务切到更强的 Claude Sonnet、Opus 或 GPT 模型。

步骤六：评估效果并降低成本

一个可上线的 Agent 至少要评估三件事：回答是否正确，工具是否被合理调用，成本是否可接受。你可以准备 30 到 50 个真实问题作为测试集，记录每次回答质量、调用轮数、总 token 和用户是否满意。

• 简单问题：直接回答，避免无意义搜索。
• 复杂问题：先检索资料，再综合分析。
• 高风险问题：要求确认，或只给建议不执行。
• 长文档问题：先摘要，再分段推理，减少上下文浪费。

成本优化通常从三处入手：选择合适模型、压缩上下文、缓存重复结果。59API 按量付费且价格友好，非常适合频繁迭代 Agent。你可以用便宜模型处理分类、摘要和路由，用强模型处理复杂推理，从而在效果和预算之间取得平衡。

下一步：把 Agent 变成真实产品

当最小版本跑通后，可以继续加入用户会话记忆、权限控制、审计日志、Webhook、任务队列和前端界面。真正有价值的 AI Agent 不在于“看起来聪明”，而在于能稳定完成具体工作，并且结果可追踪、成本可控制、错误可恢复。

如果你想快速开始，可以使用 59API 获取 API Key，把 OpenAI SDK 的 base URL 指向 https://api.59api.com，先搭建一个能调用搜索工具的小型 Agent。等流程验证成功，再逐步扩展工具和模型能力，这会比一开始追求复杂架构更高效。

मूल्य · दस्तावेज़