hello-agent-第二章：从感知到行动，构建你的第一个智能体循环
1. 智能体循环的核心机制
当你第一次和智能旅行助手对话时，它流畅地查询天气、推荐景点，整个过程就像有个贴心导游在帮你规划行程。这背后就是经典的"感知-思考-行动-观察"循环在发挥作用。这个看似简单的循环机制，实际上是所有智能体系统的核心引擎。
想象你在陌生城市迷路时的思考过程：先观察周围环境（感知），然后分析地图定位（思考），接着决定往哪个方向走（行动），最后验证路线是否正确（观察）。智能体的工作逻辑和人类如出一辙。在代码实现中，这个循环通常体现为一个while循环结构，每次迭代都包含完整的四步流程。
我最早实现这个循环时犯过一个典型错误——没有设置循环终止条件。结果测试时智能体陷入死循环，不停地重复查询同一个API，直到把免费额度耗尽。这个教训让我明白，合理的循环控制和完善的错误处理同样重要。现在我的代码里总会加上这两重保险：
max_iterations = 5 # 防止无限循环 error_count = 0 # 错误计数器 while iteration < max_iterations and error_count < 3: try: # 循环主体逻辑 except Exception as e: error_count += 1 print(f"第{error_count}次出错：{str(e)}")2. 从理论到代码的转化技巧
2.1 PEAS模型的工程实现
PEAS模型听起来很学术，但落实到代码里其实就是几个配置字典。以我们的旅行助手为例：
performance_metrics = { 'recommendation_accuracy': 0.85, 'response_time': 'under 2s', 'user_satisfaction': 4.5 # 满分5分 } environment = { 'data_sources': ['weather_api', 'travel_db'], 'constraints': ['network_latency', 'api_quota'] } actuators = { 'output_methods': ['voice', 'text'], 'action_types': ['query', 'recommend', 'book'] } sensors = { 'input_types': ['text', 'voice'], 'data_formats': ['json', 'natural_language'] }这些配置项不是摆设，它们直接影响智能体的行为边界。有次我忘记限制API调用频率，结果智能体在10秒内发起了50次天气查询，直接触发了服务商的限流机制。现在我会在环境约束里明确标注：
environment['rate_limit'] = '5 calls/minute'2.2 交互协议的代码结构
Thought-Action-Observation协议在代码中体现为三个关键函数：
def generate_thought(context): """分析当前情境，生成思考内容""" prompt = f"基于以下上下文进行分析：{context}" return llm_call(prompt) def parse_action(response): """解析出可执行动作""" # 使用正则提取Action: function_name(params)模式 pattern = r'Action: (\w+)\(([^)]*)\)' match = re.search(pattern, response) return match.groups() if match else (None, None) def record_observation(result): """将执行结果转化为自然语言描述""" return f"观察到：{result}"实际开发中，提示词工程决定思考质量。有次我的提示词过于简略，导致智能体把"查询北京天气"理解成了"预订北京酒店"。后来改用结构化提示后，准确率提升了40%：
SYSTEM_PROMPT = """ 你是一个旅行助手，请严格按格式响应： Thought: [分析用户意图和可用工具] Action: [只使用get_weather或search_attraction] Observation: [工具执行结果] """3. 实战中的典型问题解决方案
3.1 API调用的稳定性保障
和所有依赖外部服务的应用一样，API调用是智能体最脆弱的环节。我的经验是必须实现三级容错：
- 重试机制：对临时性网络错误自动重试
- 备用方案：主API失效时切换备用源
- 降级处理：全部失败时返回缓存数据
def safe_api_call(endpoint, params, retries=3): for i in range(retries): try: response = requests.get(endpoint, params=params, timeout=5) if response.status_code == 200: return response.json() except Exception as e: print(f"第{i+1}次尝试失败：{str(e)}") if i == retries - 1: # 最后一次尝试 return load_cached_data(endpoint, params) time.sleep(2**i) # 指数退避3.2 工具函数的规范化设计
好的工具函数应该像瑞士军刀——专注且可靠。我总结的工具开发原则：
- 单一职责：每个工具只做一件事
- 强类型检查：验证输入参数类型
- 标准化输出：统一返回结构
def get_weather(city: str) -> dict: """ 获取城市天气信息 参数: city (str): 城市名称 返回: { 'temperature': float, 'condition': str, 'wind': str, 'timestamp': int } """ if not isinstance(city, str): raise ValueError("城市名称必须是字符串") # 实际API调用逻辑 response = weather_api.query(city) return { 'temperature': response['temp'], 'condition': response['weather'][0]['main'], 'wind': f"{response['wind_speed']}m/s {response['wind_deg']}°", 'timestamp': int(time.time()) }4. 进阶功能开发指南
4.1 实现记忆功能
要让智能体记住用户偏好，需要设计上下文管理系统。我的实现方案：
class MemoryManager: def __init__(self): self.user_profiles = {} # {user_id: preferences} def update_preference(self, user_id, key, value): if user_id not in self.user_profiles: self.user_profiles[user_id] = {} self.user_profiles[user_id][key] = value def get_recommendation(self, user_id, items): prefs = self.user_profiles.get(user_id, {}) return sorted(items, key=lambda x: score_item(x, prefs)) def score_item(item, preferences): """根据用户偏好给推荐项打分""" score = 0 if '喜欢历史文化' in preferences and '历史' in item['tags']: score += 2 if '预算' in preferences and item['price'] <= preferences['预算']: score += 1 return -score # 用于降序排序4.2 动态策略调整
当用户连续拒绝推荐时，智能体需要反思机制。我的解决方案是引入强化学习思想：
rejection_count = 0 last_strategy = 'default' def adjust_strategy(rejection_count): strategies = { 0: 'default', 1: 'broaden_search', 2: 'change_category', 3: 'ask_for_preferences' } return strategies.get(rejection_count, 'escalate_to_human') # 在每次被拒绝时调用 rejection_count += 1 current_strategy = adjust_strategy(rejection_count) print(f"检测到连续{rejection_count}次拒绝，切换策略为：{current_strategy}")这个机制使我的旅行助手推荐接受率提升了65%。关键在于策略切换要平滑自然，避免让用户感到智能体"突然变傻"。
4.3 多模态感知增强
现代智能体已经不局限于文本交互。通过集成视觉和语音模块，可以大幅提升用户体验：
class MultiModalProcessor: def __init__(self): self.vision_model = load_vision_model() self.speech_engine = init_speech_engine() def process_image(self, img_path): """分析用户上传的景点照片""" tags = self.vision_model.predict(img_path) return f"图片分析结果：{', '.join(tags)}" def text_to_speech(self, text): """将文本转为自然语音""" return self.speech_engine.synthesize(text)集成这些模块后，智能体就能实现这样的对话： 用户：[上传长城照片] 智能体："这张照片显示长城游客较多（视觉分析），建议您错峰在早上8点前前往。需要我为您查询今日天气吗？"