【中级】AI 智能体构建入门

更新日志

版本	日期	变更描述
1.0.0	2026-01-30	初始版本，包含在 MTT AIBOOK（型号 A141）上从零构建一个 AI 智能体的完整开发指南。

1. 项目简介

本教程将指导开发者从零开始构建一个极简但完整的 AI 智能体，通过分步拆解让您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原型。

难度：中级，适合有编程基础的开发者体验

AI 智能体简介： 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。无论多简单的 AI 智能体，都必须具备三大核心能力：

• 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。

2. 前置条件

在开始本教程之前，请确保您已满足以下所有条件：

• 硬件:
  • AI 算力本 MTT AIBOOK, 型号 A141
  • 网络连接（用于下载依赖包）
• 软件:
  • MTT AIBOOK 操作系统 AIOS(1.3.1-B15) 及以上版本。
  • 已安装 Python 3.10 或更高版本（python --version 验证）。
  • 已安装 pip 包管理工具（pip --version 验证）。
  • 已安装 Conda 环境管理工具（可选，推荐使用）。
  • 具备 Python 编程基础知识（熟悉类、方法、循环等基本概念）。
  • 了解面向对象编程的基本原理（可选，教程中会详细说明）。

3. 环境部署

本章节描述如何创建项目目录并安装必要的依赖组件。

3.1 创建项目目录

1. 打开终端（Linux Terminal）。

2. 创建项目目录并进入：

   mkdir my_first_agent && cd my_first_agent

项目目录将用于存放所有代码文件。

3.2 安装依赖

1. 安装依赖包：

   pip install colorama pyfiglet

   依赖说明：

   • colorama：用于控制台彩色输出
   • pyfiglet：用于生成艺术字体，美化控制台输出

2. 验证依赖安装成功：

   pip list | grep -E "colorama|pyfiglet"

   若输出包含这两个包及其版本信息，说明依赖安装成功。

4. 最佳实践

本章节指导您逐步构建 AI 智能体的核心功能模块。

场景 1: 构建智能体基础框架

创建 SimpleAgent 类并实现初始化功能：

1. 创建代码文件：

   touch simple_agent.py

   或使用您喜欢的编辑器创建 simple_agent.py 文件。

2. 编写基础框架代码：

   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！")

3. 添加主程序入口（用于测试）：

   if __name__ == "__main__":
       agent = SimpleAgent("SimpleBot")

4. 运行测试：

   python simple_agent.py

   预期效果： 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。

   代码解析：

   • __init__ 方法定义了 SimpleAgent 类的构造函数。
   • 当创建智能体实例时，会传入 name 参数作为智能体的名称。
   • self.memory = [] 初始化一个空列表，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。

场景 2: 实现思考能力

为智能体添加 think 方法，实现意图识别功能：

1. 在 SimpleAgent 类中添加 think 方法：

   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

2. 测试思考功能：

   if __name__ == "__main__":
       agent = SimpleAgent("SimpleBot")
       # 测试思考功能
       print(agent.think("你好"))            # 输出：greeting
       print(agent.think("今天天气如何？"))  # 输出：weather
       print(agent.think("你能做什么？"))    # 输出：default

   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）。

   代码解析：

   • 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。
   • 通过条件判断检查输入中是否包含特定关键词。
   • 返回意图标签（"greeting"、"weather" 或 "default"），而不是直接返回回复内容。

场景 3: 实现行动能力

为智能体添加 act 方法，根据意图生成具体回复：

1. 在 SimpleAgent 类中添加 act 方法：

   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

2. 测试行动功能：

   if __name__ == "__main__":
       agent = SimpleAgent("SimpleBot")
       # 测试完整流程
       plan = agent.think("你好")
       response = agent.act(plan)
       print(response)  # 输出：你好！我是 SimpleBot，很高兴为你服务！

   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。

   代码解析：

   • 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。
   • 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。

场景 4: 构建主循环

实现智能体的核心交互循环，完成「感知 → 思考 → 行动 → 记忆」的完整流程：

1. 在 SimpleAgent 类中添加 run 方法：

   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
           })

2. 更新主程序入口：

   if __name__ == "__main__":
       agent = SimpleAgent("SimpleBot")
       agent.run()  # 启动主循环

   循环解析：

   • 感知：获取用户输入（通过 input 函数）。
   • 思考：调用 think 方法生成行动计划。
   • 行动：调用 act 方法生成回复。
   • 记忆：以字典形式存储对话记录（含时间戳）。

   代码解析：

   • 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。
   • 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。

场景 5: 测试与验证

运行完整的智能体程序并进行功能测试：

1. 运行智能体程序：

   python simple_agent.py

2. 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～可以换个话题吗？”
“exit”	“再见！期待下次相遇～”

3. 验证记忆功能：

   在程序运行过程中，所有对话记录都会自动保存到 self.memory 列表中。

   可在 run 方法中添加以下代码查看记忆内容：

   # 在 run 方法中添加（可选）
   if len(self.memory) > 0:
       print(f"\n[记忆] 已记录 {len(self.memory)} 条对话")

完整代码清单

以下是完整的 simple_agent.py 代码：

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 = []
        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:
        """
        分析用户输入，生成行动计划
        """
        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:
        """
        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")

    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
            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()

常用操作命令

操作	命令
创建项目目录	mkdir my_first_agent && cd my_first_agent
安装依赖	pip install colorama pyfiglet
运行智能体	python simple_agent.py
退出智能体	在交互界面输入 exit

5. 附录

5.1 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。

5.2 核心学习成果

通过本项目，您将扎实掌握：

• AI 智能体的「感知 - 决策 - 执行」核心循环：理解智能体的基本工作原理
• 基于规则的意图识别方法：学会使用关键词匹配实现简单的意图分类
• 对话记忆系统的设计与实现：掌握如何存储和管理对话历史
• 面向对象编程在智能系统中的应用模式：理解如何使用类和方法组织智能体代码

5.3 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

5.4 扩展挑战（进阶方向）

完成基础实现后，您可以尝试以下升级：

1. 意图扩展

在 think 方法中添加更多意图（如时间查询、数学计算）：

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"
    elif "时间" in user_input or "time" in user_input:
        return "time_query"
    elif "计算" in user_input or "calculate" in user_input:
        return "calculation"
    else:
        return "default"

2. 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？"）：

def think(self, user_input: str) -> str:
    user_input = user_input.lower()
    # 检查记忆中的上下文
    if "刚才" in user_input or "之前" in user_input:
        if len(self.memory) > 0:
            last_topic = self.memory[-1].get("response", "")
            # 基于上下文进行回复
            return "context_followup"
    # ... 其他意图识别逻辑

3. 工具集成

在 act 方法中调用外部 API（如天气接口、计算器接口）：

def act(self, plan: str) -> str:
    if plan == "weather":
        # 调用天气 API
        weather_data = get_weather_api()
        return f"今天天气：{weather_data}"
    elif plan == "calculation":
        # 调用计算器功能
        result = calculate_expression(user_input)
        return f"计算结果：{result}"
    # ... 其他回复逻辑

4. 个性化定制

为智能体添加性格设定（如幽默风、专业风）：

class SimpleAgent:
    def __init__(self, name, personality="friendly"):
        self.name = name
        self.personality = personality  # "humorous", "professional", "friendly"
        # ...

    def act(self, plan: str) -> str:
        if self.personality == "humorous":
            response_map = {
                "greeting": f"哈哈，你好！我是{self.name}，一个有趣的 AI 助手！",
                # ...
            }
        # ...

5.5 常见问题

问题描述	可能原因	解决方案
运行时报错 ModuleNotFoundError: No module named 'colorama'	依赖包未安装	执行 pip install colorama pyfiglet 安装依赖。
控制台输出乱码	终端编码设置问题	Linux：确保终端支持 UTF-8 编码。
艺术字体显示异常	pyfiglet 字体问题	尝试修改字体：f = Figlet(font='standard') 或 f = Figlet(font='small')。
输入中文后程序报错	Python 版本或编码问题	1. 确保使用 Python 3.10+；2. 在文件开头添加 # -*- coding: utf-8 -*-。
记忆功能不工作	代码逻辑错误	检查 self.memory.append() 是否在 run 方法中正确调用。
意图识别不准确	关键词匹配过于简单	1. 添加更多关键词；2. 考虑使用正则表达式或更复杂的匹配逻辑。

5.6 相关资源

• Python 官方文档：https://docs.python.org/3/（学习 Python 基础语法）
• LangChain 框架：https://python.langchain.com/（深入学习复杂智能体框架）

5.7 学习路径建议

通过亲手搭建这个极简智能体，您将打通从「理论认知」到「代码实现」的关键链路。建议后续学习路径：

1. 巩固基础：深入理解面向对象编程和设计模式
2. 扩展功能：尝试实现上述扩展挑战中的功能
3. 学习框架：深入学习 LangChain、AutoGPT 等复杂智能体框架
4. 实战项目：将智能体应用到实际场景中（如客服机器人、个人助手等）

立即开始您的 AI 开发之旅吧！