本文是 AI Agent 入门系列的第 1 篇。适合有 Python 基础、想学习 AI Agent 开发的读者。学完本篇你会理解 AI Agent 的核心概念并跑通第一个 LLM API 调用。本课目标理解 AI Agent 的定义与核心组成清楚 LLM 与 Agent 的区别跑通第一个 LLM API 调用本课产出新建文件lesson01_hello_llm.py粘贴下文完整代码运行python lesson01_hello_llm.pyLinux/macOS 可能需用python3效果向 LLM 发送消息获取回复对比不同 system prompt 的输出差异一、从 LLM 到 Agent如果你用过 ChatGPT、Claude 这类产品那你已经接触过LLMLarge Language Model大语言模型了。它的工作方式很简单你问 → LLM 答但你会发现一个问题LLM 只会说话不会做事。比如你让 LLM “帮我查一下明天的天气”——它能告诉你查天气需要用什么 API但它自己不会真的去查。因为它没有手。这就是 Agent 要解决的问题。AI Agent智能体 给 LLM 装上手和记忆让它能自主完成任务。LLM对话机器人: 输入 → 输出 Agent智能体: 目标 → 思考 → 调用工具 → 观察结果 → 再思考 → ... → 完成二、Agent 的四要素一个完整的 Agent 通常包含四个核心组件组件角色类比说明LLM 大脑推理决策人的大脑理解问题、决定怎么做工具Tools执行动作人的手和脚搜索、计算、读写文件、调 API记忆Memory存储信息人的记忆记住上下文、用户偏好、历史经验规划Planning制定策略人的思考过程拆解复杂任务、安排执行顺序简单的 Agent 可以只有 LLM 工具 循环比如第 4 课的手写版但完整的 Agent 通常具备这四种能力。三、Agent 和聊天机器人有什么不同聊天机器人AI Agent输出文本文本 调用工具记忆当前会话当前会话 持久化存储主动被动回答主动规划、执行闭环一次对话循环直到任务完成四、动手跑通第一个 LLM 调用环境准备# 1. 确保 Python 3.10python--version# 2. 安装依赖pipinstallopenai python-dotenv# 3. 申请 API Key任选一个# 推荐 DeepSeek: https://platform.deepseek.com/# 备选 OpenAI: https://platform.openai.com/api-keys# 备选 通义千问: https://bailian.console.aliyun.com/ .env 文件设置小白必看项目中有一个code/.env.example文件按以下步骤操作第一步去 DeepSeek 官网注册 → 创建 API Key → 复制 https://platform.deepseek.com/ 第二步进入 code/ 目录把 .env.example 重命名为 .env 方法①右键文件 → 重命名 方法②命令行运行在 code/ 目录下 macOS/Linux: mv .env.example .env Windows: ren .env.example .env 第三步用记事本/VSCode 打开 .env 文件 找到这行DEEPSEEK_API_KEYsk-你的key 把 sk-你的key 换成你刚复制的 Key 示例DEEPSEEK_API_KEYsk-1234567890abcdef 第四步保存文件搞定⚠️.env文件和你的 Python 代码放在同一目录code/下。这个文件包含了你的 API Key不要分享或上传到网上。代码仓库中的.env.example是安全的模板真正的 Key 只写在.env中。完整代码新建lesson01_hello_llm.py粘贴以下代码 第 1 课第一个 LLM 调用 演示基本的 Chat Completion API 调用 importosfromdotenvimportload_dotenv load_dotenv()# --- 方案 A推荐DeepSeek ---fromopenaiimportOpenAI clientOpenAI(api_keyos.getenv(DEEPSEEK_API_KEY),base_urlhttps://api.deepseek.com,)MODELdeepseek-chat# --- 方案 BOpenAI取消注释即可切换---# from openai import OpenAI# client OpenAI(api_keyos.getenv(OPENAI_API_KEY))# MODEL gpt-4o-mini# --- 方案 C通义千问 ---# from openai import OpenAI# client OpenAI(# api_keyos.getenv(DASHSCOPE_API_KEY),# base_urlhttps://dashscope.aliyuncs.com/compatible-mode/v1,# )# MODEL qwen-plusifnotclient.api_key:print(❌ 未检测到 API Key请在 .env 文件中设置。)exit(1)# 示例 1基础对话 print(*50)print(示例 1基础对话)print(*50)try:responseclient.chat.completions.create(modelMODEL,messages[{role:user,content:用一句话解释什么是 AI Agent}])print(回答,response.choices[0].message.content)exceptExceptionase:print(fAPI 调用失败{e})# 示例 2System Prompt 对比 print(\n*50)print(示例 2不同 System Prompt 对比)print(*50)system_prompts[你是一个专业的技术导师回答要简洁准确。,你是一个风趣的科普作者用生活比喻解释技术概念。,]fori,spinenumerate(system_prompts,1):print(f\n--- Prompt{i}---)try:respclient.chat.completions.create(modelMODEL,messages[{role:system,content:sp},{role:user,content:什么是 AI Agent}])print(resp.choices[0].message.content)exceptExceptionase:print(fAPI 调用失败{e})# 示例 3temperature 参数对比 print(\n*50)print(示例 3temperature 参数对比)print(*50)fortempin[0.0,0.7,1.5]:print(f\n--- temperature {temp}---)try:respclient.chat.completions.create(modelMODEL,messages[{role:user,content:用三种不同的方式说你好}],temperaturetemp,)print(resp.choices[0].message.content)exceptExceptionase:print(fAPI 调用失败{e})运行结果示例 示例 1基础对话 回答AI Agent 是一种能够自主感知环境、做出决策并采取行动的智能程序... 示例 2不同 System Prompt 对比 --- Prompt 1 --- AI Agent人工智能代理是指能够自主执行任务的智能系统... --- Prompt 2 --- 想象一下你有一个超级聪明的小助手...常见报错问题原因解决API 调用失败401API Key 无效或未设置检查.env文件内容和环境变量API 调用失败404模型名错误确认MODEL名称是否正确如deepseek-chatModuleNotFoundError: No module named openai未安装依赖运行pip install openai python-dotenvError loading .env file.env文件不存在创建.env文件并写入 API Key动手练习换用不同的 system prompt观察 LLM 回答风格的变化把temperature分别设为 0、0.5、1.0、1.5观察输出的差异试一个不同的模型如切换为通义千问看看效果差别思考题LLM 和 Agent 最关键的区别是什么为什么 Agent 需要工具只靠 LLM 的知识不够吗如果你想让 Agent 执行一个三步任务搜索→分析→报告你会怎么设计 完整代码本课程所有代码已托管在 GitCodegit clone gitgitcode.com:gcw_A202cbBm/ai-agent.git cd ai-agent/code也可直接访问https://gitcode.com/gcw_A202cbBm/ai-agent下一篇预告AI Agent 入门二理解 LLM —— Chat Completion、参数调优与结构化输出我们将深入 LLM 的工作原理学会如何控制输出格式——这是后续实现 Tool Use 的关键基础。如果您觉得有用欢迎点赞、转发、评论、关注。