Agents Course

你可能听说过AI智能体（Agent）这个词，感觉很高大上对吧？其实没那么玄乎。简单说，AI智能体就是一个能自己思考、做决定的AI程序，它不再是“你问一句它答一句”那么简单，而是能主动完成任务。

举个例子：以前你用ChatGPT写邮件，得一步步告诉它“写个开头”、“加个结尾”。但智能体不一样，你只需要说“帮我发封邮件给张三，确认明天下午3点的会议”，它就能自己查通讯录、写内容、检查格式，甚至帮你发出去。

在这节课里，我们会用Hugging Face的免费工具搭建你的第一个智能体。别担心，不需要你懂什么高深代码，跟着步骤走就行。

实操步骤：

1）打开浏览器，访问 Hugging Face 官网（国内可以直接访问 hf-mirror.com 镜像站，速度更快）
2）注册一个免费账号（用邮箱就行，不需要翻墙）
3）进入 Spaces 页面，点击 “Create new Space”
4）选择 Gradio SDK（这是最友好的界面工具）
5）在空间里新建一个 app.py 文件，把下面这段代码贴进去：

```python
import gradio as gr
from transformers import pipeline

# 加载一个简单的问答模型
qa_pipeline = pipeline("question-answering", model="distilbert-base-cased-distilled-squad")

def simple_agent(question, context):
# 这就是你的“智能体”核心：根据上下文回答问题
result = qa_pipeline(question=question, context=context)
return f"🤖 智能体回答：{result['answer']} (可信度：{round(result['score']*100)}%)"

# 创建界面
demo = gr.Interface(
fn=simple_agent,
inputs=[gr.Textbox(label="你的问题"), gr.Textbox(label="参考文本", lines=5)],
outputs="text",
title="我的第一个AI智能体",
description="给智能体一段文字，然后问它问题，它会自己找答案！"
)

demo.launch()
```

6）点击右上角的 “Commit” 按钮，等一两分钟就能看到你的智能体上线了

实用技巧：
- 如果页面加载慢，记得在 Space 设置里把硬件选为 “CPU basic”（免费的）
- 第一次运行需要下载模型，大概等30秒，别着急
- 试试问“苹果是什么颜色？” 然后给一段“苹果是红色的”文字，看智能体怎么回答

这个智能体虽然简单，但已经具备了“理解任务-处理信息-输出结果”的基本能力。在后面的课程里，我们会让它变得更聪明，能做更多事情。

上节课我们搭了一个“能回答问题”的智能体，但它还不够聪明——它只能根据你给的文字来找答案。真正的智能体应该会使用工具，就像人类会用计算器、词典一样。

举个例子：你问智能体“今天北京天气怎么样？”，它不能凭空编造答案，而是需要调用天气API去查实时数据。这节课我们就教你怎么给智能体“装”上工具。

实操步骤：

1）首先，我们需要安装一个强大的工具库。在刚才的Space里，打开终端（Terminal）或者直接在代码里添加：

```python
import requests
import json
from datetime import datetime
```

2）我们给智能体加一个“查天气”的工具。在 app.py 里添加这个函数：

```python
def get_weather(city):
"""查询城市天气的智能工具"""
# 使用免费且国内可用的天气API（不需要注册）
url = f"https://wttr.in/{city}?format=%C+%t"
try:
response = requests.get(url, timeout=5)
if response.status_code == 200:
weather_info = response.text.strip()
return f"🌤️ {city}的天气：{weather_info}"
else:
return f"❌ 查不到{city}的天气，试试拼音？"
except:
return "⏰ 网络超时，请稍后再试"
```

3）现在让智能体学会“什么时候该用工具”。我们写一个简单的决策逻辑：

```python
def agent_with_tools(user_input):
# 检查用户输入里有没有城市名（简单版）
cities = ["北京", "上海", "广州", "深圳", "杭州", "成都", "beijing", "shanghai"]

for city in cities:
if city in user_input.lower():
# 如果提到城市，就调用天气工具
return get_weather(city)

# 如果没提到城市，就当作普通对话
return f"你说的是：{user_input}。我目前只会查天气哦，试试说'北京天气'"
```

4）更新 Gradio 界面，让它调用新的智能体：

```python
demo = gr.Interface(
fn=agent_with_tools,
inputs="text",
outputs="text",
title="会使用工具的智能体",
description="试试说：'北京天气怎么样？' 或 '上海热吗？'"
)
```

5）提交代码，等部署完成就能试用了

核心概念：
- 工具（Tool）：智能体可以调用的外部功能，比如查天气、算数学、搜网页
- 决策（Decision）：智能体根据用户输入判断用哪个工具
- 执行（Execution）：调用工具并返回结果

实用技巧：
- 国内用户如果遇到API请求失败，可以在代码里加 proxies={"http": None, "https": None} 避免代理干扰
- 工具函数最好加上清晰的文档字符串（就是函数里的三引号注释），方便以后扩展
- 可以多试几个城市：成都、杭州、南京，都支持拼音和中文

现在你的智能体已经从“只会死记硬背”进化到“会调用外部工具”了。下一节课，我们会让它同时用好几个工具，像真正的助手一样工作。

上节课我们给智能体装了一个“查天气”工具，但现实中的任务往往更复杂。比如用户问“北京今天适合穿什么？”，智能体需要先查天气，再根据温度推荐衣服，这就要用到多个工具协同工作。

这节课我们来打造一个“生活小助手”，它同时拥有查天气、算时间、做笔记三个工具，并且能根据你的问题自动选择组合使用。

实操步骤：

1）先定义三个工具函数。在 app.py 里添加：

```python
import requests
from datetime import datetime

# 工具1：查天气
def get_weather(city):
"""返回城市当前天气和温度"""
url = f"https://wttr.in/{city}?format=%C+%t&lang=zh"
try:
res = requests.get(url, timeout=5)
if res.status_code == 200:
return res.text.strip()
return "查询失败"
except:
return "网络错误"

# 工具2：算时间差
def time_diff(city, target_city):
"""计算两个城市的时间差（小时）"""
timezones = {
"北京": 8, "东京": 9, "纽约": -5, "伦敦": 0,
"巴黎": 1, "悉尼": 11, "迪拜": 4
}
if city in timezones and target_city in timezones:
diff = timezones[target_city] - timezones[city]
return f"{city}和{target_city}时差{diff}小时"
return "暂不支持这两个城市"

# 工具3：快速笔记
notes = [] # 用列表存笔记
def add_note(content):
"""添加一条笔记并返回当前所有笔记"""
notes.append(content)
return "📝 已记录：" + " | ".join(notes[-3:]) # 只显示最近3条
```

2）现在是最关键的部分——让智能体学会“思考”该用哪个工具。我们用简单的关键词匹配来做决策：

```python
def smart_agent(user_input):
input_lower = user_input.lower()

# 检测是否包含城市名（中英文）
cities = ["北京", "上海", "东京", "纽约", "beijing", "shanghai", "tokyo", "new york"]
mentioned_cities = [c for c in cities if c in input_lower]

# 决策逻辑
if "天气" in input_lower or "温度" in input_lower or "冷" in input_lower or "热" in input_lower:
if mentioned_cities:
city = mentioned_cities[0]
weather = get_weather(city)
# 根据温度给出穿衣建议
if "°C" in weather:
try:
temp = int(weather.split("°C")[0].split()[-1])
if temp < 10:
advice = "🥶 建议穿羽绒服"
elif temp < 20:
advice = "🧥 建议穿外套"
else:
advice = "👕 穿短袖就行"
return f"{weather}\n{advice}"
except:
pass
return weather

elif "时差" in input_lower or "时间差" in input_lower:
if len(mentioned_cities) >= 2:
return time_diff(mentioned_cities[0], mentioned_cities[1])
else:
return "请提供两个城市名，比如'北京和东京的时差'"

elif "记" in input_lower or "笔记" in input_lower or "记录" in input_lower:
# 提取要记的内容（去掉关键词）
content = user_input.replace("记", "").replace("笔记", "").replace("记录", "").strip()
if content:
return add_note(content)
else:
return "想记点什么？比如'记一下明天开会'"

else:
return "🤔 我没理解，试试说：\n- '北京天气'（查天气+穿衣建议）\n- '北京和东京的时差'（算时差）\n- '记一下明天开会'（做笔记）"
```

3）更新界面，让用户知道智能体有哪些能力：

```python
demo = gr.Interface(
fn=smart_agent,
inputs=gr.Textbox(label="你的问题", placeholder="试试：北京天气怎么样？"),
outputs="text",
title="🤖 生活小助手",
description="我能帮你：查天气+穿衣建议 | 算时差 | 做笔记"
)
```

关键思维：
- 意图识别：智能体第一步是理解用户想干嘛
- 工具选择：根据意图决定调用哪个工具
- 结果组合：有时候需要把多个工具的结果拼在一起（比如查完天气再给建议）

实用技巧：
- 用 if-elif-else 做决策虽然简单，但足够应对小项目
- 给用户清晰的提示（比如在else里列出示例），能大幅提升体验
- 国内用户注意：wttr.in 有时会被墙，如果不行可以用 cn.bing.com/search?q=城市+天气 替代

现在你的智能体已经能根据问题灵活调用多个工具了。下一节课，我们会让它变得更“主动”，学会记住对话历史，像真人一样聊天。

你有没有发现，之前做的智能体有个大问题——它不记得你说过什么。你问完“北京天气”，再问“那上海呢？”，它完全不知道你刚才在聊天气。这是因为智能体没有“记忆”。

真正的AI助手应该能记住对话上下文，就像你和朋友聊天，朋友不会忘记你上一句说了什么。这节课我们就给智能体装上“记忆模块”。

实操步骤：

1）我们先创建一个简单的“记忆”类，用来存对话历史：

```python
class Memory:
def __init__(self, max_history=5):
self.history = [] # 存储对话记录
self.max_history = max_history # 最多记几轮

def add(self, role, content):
"""添加一条对话记录"""
self.history.append({"role": role, "content": content})
# 如果太长，就删掉最早的
if len(self.history) > self.max_history * 2