L01 — 认识 Agent：从问答到行动

本课目标：跑通一个最小 Agent，建立"Agent = LLM + 工具 + 决策"的直观认知。先看到效果，理论细节后面课再深入。

学完 RAG 课程，你已经能让大模型"基于文档回答"。这课开始，我们要让大模型"会做事"——查时间、做计算、甚至上网搜索。

1. 大模型的根本局限：只会说，不会做

你已经很熟悉大模型了（RAG 课程用了 9 课）。但它有个根本局限：

它只会生成文本，不能真正"做事"。

试想这些场景：

你问的问题	大模型的回答	问题在哪
"现在几点了？"	"我无法获取实时时间"	🚫 训练数据有截止日期，不知道"现在"
"123 × 456 等于多少？"	"56088"（可能算对，也可能算错）	🚫 大模型不擅长精确计算，经常算错
"今天北京天气怎么样？"	"我无法获取实时天气"	🚫 不能联网
"帮我建个待办事项"	"建议你这样列..."（只给建议）	🚫 只能说不能做

RAG 解决了"不知道你的私有数据"的问题（让它能查文档）。但它还是只会"说"，不会"做"——查不了时间、算不对数学、连不了网、改不了文件。

🎯 Agent 要解决的，就是让大模型从"只会说"变成"会做事"。

2. Agent 是什么？三个要素

Agent（智能体）= LLM（大脑）+ 工具（手脚）+ 自主决策循环（自己决定干嘛）

        ┌─────────────────────────────┐
        │         LLM（大脑）          │
        │  理解任务 → 决定用什么工具    │
        │  → 看工具返回的结果 → 再决策  │
        └──────────────┬──────────────┘
                       │ 决策："我要调用 get_time"
        ┌──────────────▼──────────────┐
        │       工具（手脚）           │
        │  get_time / calculator /    │
        │  search / file_write ...    │
        └──────────────┬──────────────┘
                       │ 结果："现在是 14:30"
                       │ 喂回给 LLM
                       ▼
                 （循环直到完成）

三个要素缺一不可： - LLM：负责理解、推理、决策（"这个任务该用什么工具"） - 工具：LLM 自己做不到的事，交给外部工具（查时间、计算、搜索、读写文件） - 决策循环：LLM 不是一次性给答案，而是"调用工具→看结果→再决定下一步"的循环

💡 一个类比：LLM 像一个聪明但被困在屋子里的顾问，什么都知道但碰不到外面的世界。Agent 就是给他配了电话、计算器、电脑——他能打电话问时间、用计算器算数、用电脑查资料，从而真正帮你解决问题。

3. 三种形态对比：Chatbot vs RAG vs Agent

	Chatbot	RAG	Agent
能做什么	聊天、回答训练知识	基于你的文档回答	执行任务、调用工具
知识来源	训练数据	你的文档库	训练数据 + 文档 + 实时工具
能查实时信息吗	❌	❌	✅（用工具）
能精确计算吗	❌（经常算错）	❌	✅（用计算器工具）
能"做事"吗	❌	❌	✅（写文件、发请求…）
有决策循环吗	❌（一问一答）	❌（检索一次）	✅（多轮决策）

可以看到 Agent 是能力最强的形态。而 RAG 和 Agent 不是对立的——后面 L07（Agentic RAG）你会学到，可以把 RAG 包装成 Agent 的一个工具，让 Agent 自主决定要不要检索。

4. Function Calling：让大模型"调用"工具的桥梁

Agent 是怎么让 LLM 调用工具的？核心机制叫 Function Calling（函数调用）。

原理（先有个印象，L02 会深入）：

1. 你告诉 LLM："你有这些工具可用"
   tools = [get_time（获取时间）, calculator（计算器）]

2. 用户问："现在几点？"
   LLM 不是直接回答，而是输出："我要调用 get_time，参数：无"

3. 你的代码执行真正的 get_time 函数，拿到 "14:30"

4. 把 "14:30" 喂回给 LLM

5. LLM 看到结果，组织成自然语言回答用户："现在是下午 2 点 30 分"

关键点：LLM 自己不执行函数，它只是"说"要调用什么。真正执行的是你的代码。 LLM 像指挥官下命令，你的代码是执行命令的士兵。

🎯 这个设计很巧妙：LLM 负责智能决策（该用什么工具、传什么参数），代码负责安全执行（真正去查时间/算数）。各司其职。

5. 本课代码会做什么

code.py 会跑通一个最小 Agent，让你亲眼看到上面的过程：

给 Agent 配两个工具

get_current_time：获取当前时间
calculator：做数学计算

问它两个问题，看它怎么"行动"

问题 1："现在几点了？" → 看 Agent 决定调用 get_current_time
问题 2："现在是几点？距离今天 18:00 还有多少分钟？" → 看 Agent 连续调用两个工具（先查时间，再算差值）

重点观察

代码会打印 Agent 的每一步决策： - 🤔 Agent 决定调用什么工具、传什么参数 - 🔧 工具执行后返回什么 - 💬 Agent 最终怎么组织回答

你会看到 Agent 不是一次性回答，而是一个"决策→执行→再决策"的过程——这就是 Agent 的核心。

6. 跑起来

python agent-lessons/01_what_is_agent/code.py

💰 省钱提示：本课调用 GLM 的 function calling。把代码里 CHAT_MODEL = "glm-4" 改成 "glm-4-flash" 可以免费（flash 也支持 function calling）。

下一课 L02 — Function Calling 深入会拆开讲：模型到底怎么"决定"调用工具、tools 怎么定义、参数怎么解析。