Agents 智能体

Agent 的核心是：模型可以根据目标，自主选择工具、观察工具结果，再决定下一步。它不是单次问答，而是一个“思考 - 行动 - 观察 - 再行动”的循环。

Agent 适合什么场景

• 用户问题不固定，需要模型判断该调用哪个工具。
• 任务需要多步完成，比如先查订单，再查物流，再生成回复。
• 需要根据中间结果动态决定后续步骤。

不适合什么场景

• 流程完全固定、规则明确的业务，不必上 Agent。
• 高风险写操作不能全自动交给 Agent。
• 对稳定性要求极高但无法评估的场景，应谨慎使用。

最小示例

from langchain.agents import create_agent

def query_order(order_id: str) -> str:
    """查询订单状态"""
    return "已发货，预计明天送达"

agent = create_agent(
    model="openai:gpt-4.1-mini",
    tools=[query_order],
    system_prompt="你是电商客服助手，回答要简洁。"
)

result = agent.invoke({
    "messages": [{"role": "user", "content": "帮我查订单 10001 到哪了"}]
})

工程落地建议

1. 给 Agent 设置最大步数，避免无限循环。
2. 所有工具调用都要打日志。
3. 对工具异常做友好降级。
4. 高风险工具前加人工审批。
5. 使用评估集验证 Agent 的工具选择准确率。

非官方声明

本站为个人维护的非官方中文学习文档，不代表 LangChain 官方。页面内容是基于公开文档、源码实践和中文开发者视角重新整理的学习资料。涉及 API 细节时，请以官方文档和实际安装版本为准。

参考来源

• LangChain / LangGraph 官方文档：https://docs.langchain.com/
• LangChain API Reference：https://reference.langchain.com/
• 本站内容为中文学习整理，不做官方身份声明。