L01 练习

改 code.py 里的代码，运行 python agent-lessons/01_what_is_agent/code.py 观察变化。重点观察 Agent 的每一步决策（🤔）、工具执行（🔧）、最终回答（💬）。

练习 1：加一个新工具（热身）

在代码里加一个新工具 get_day_of_week，返回今天是星期几：

def get_day_of_week() -> str:
    """获取今天是星期几。"""
    days = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
    return days[datetime.now().weekday()]

别忘了在 TOOLS 里加上它的定义（参考 get_current_time 的格式），在 execute_function 里加上分支。

然后问 Agent："今天是星期几？"，看它会不会选你新加的工具。

观察重点：你写的 description 决定了 LLM 会不会选对工具。试试把 description 写得很模糊（比如只写"一个功能"），看 LLM 还能不能选对——这预示了 L04（工具设计）的重要性。

问一个需要多个工具配合的问题，比如：

"今天是几号？把这个日期的数字乘以 2 等于多少？"

观察：Agent 应该先调 get_current_time 拿到日期，再调 calculator 算乘法。看它能不能正确地"先查再算"。

思考：Agent 怎么知道要分两步、而不是一步到位？这就是"决策循环"的价值——它能根据上一步的结果决定下一步。

看问题 3（自我介绍）的输出。Agent 有没有调用工具？

思考：tool_choice="auto" 让 LLM 自己判断。如果问题不需要工具（比如"你是谁"），LLM 会跳过工具直接回答。这就是 Agent 的"智能"——不是无脑调用工具，而是按需调用。

试试把 tool_choice 改成 "none"（强制不调用工具），再问"现在几点"，看 LLM 怎么回答（它应该说"我不知道"）。

问 Agent 一个有点刁钻的问题，看它怎么处理：

"帮我算一下 abc + 123"

观察：Agent 会调用 calculator 吗？如果调了，传的 expression 是什么？calculator 函数能处理这种非法输入吗？

思考：好的工具要有"错误兜底"——传了非法参数要返回友好的错误信息，而不是崩溃。这正是 L02（Function Calling 深入）要讲的"参数解析与错误处理"。