大家好，我是门系专注AI技术拆解的工程师老王。从今天起，列文咱们开启《AI智能体从入门到精通》100篇系列专题，搞懂每篇聚焦一个核心知识点，什附搭配可直接运行的核心代码片段，让新手也能轻松上手。架构

最近“AI智能体”频繁出现在各大科技头条，代码但很多人还是体入分不清它和普通AI工具的区别。比如你用ChatGPT写文案、门系用Midjourney画图，列文这些都是搞懂“被动响应”的工具——你输入指令，它给出结果。什附而AI智能体的核心核心是“主动完成任务”，甚至能自主规划、架构调整策略。

举个通俗的例子：如果让普通AI帮你订一张周末去上海的高铁票，你需要一步步输入“查周六去上海的高铁”“选9点到12点之间的车次”“选二等座”“用XX账号支付”。但交给AI智能体，你只需要说一句“帮我订周六去上海的高铁票，预算500内，优先靠窗”，它就会自主完成查车次、对比价格、选座、甚至提醒你支付，全程不用你额外操作。

这背后，就是AI智能体的核心能力：感知环境、规划任务、执行操作、反馈优化。今天咱们先搞懂基础框架，下一篇再深入拆解每个模块的原理。

一、AI智能体的核心架构（新手必懂）

一个完整的AI智能体，至少包含4个核心模块：

感知模块：负责收集外部信息（比如网页数据、用户指令、系统状态），相当于智能体的“眼睛和耳朵”；规划模块：根据目标拆分任务（比如把“订高铁票”拆成“查车次→选座→支付”），相当于“大脑的规划中枢”；执行模块：调用工具完成具体操作（比如调用12306接口查车次、点击支付按钮），相当于“手脚”；反馈模块：判断操作结果是否符合目标（比如没查到合适车次就调整时间），相当于“纠错机制”。

这4个模块环环相扣，构成了智能体“自主做事”的基础。下面给大家上核心代码，用Python实现一个极简版AI智能体框架，新手可以直接复制运行。

二、核心代码片段（带详细注释）

本次代码基于Python 3.9+，无需复杂依赖，只需要安装基础库即可。先执行安装命令：pip install requests（用于模拟调用外部工具）。

#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ AI智能体极简框架（《AI智能体从入门到精通》系列001） 核心功能：实现"查询天气并提醒穿衣"的简单任务 架构：感知模块+规划模块+执行模块+反馈模块 """ import requests # 1. 感知模块：收集外部信息（用户指令、当前城市） def perception_module(user_command, city): """ 功能：获取用户目标和环境信息 参数：user_command-用户指令，city-当前城市 返回：整理后的任务信息 """ # 解析用户指令（这里简化处理，实际可结合LLM解析复杂指令） task_info = { "target": user_command, "city": city, "status": "待执行" # 任务状态：待执行/执行中/完成/失败 } print(f"【感知模块】收集到任务信息：{ task_info}") return task_info # 2. 规划模块：拆分任务步骤 def planning_module(task_info): """ 功能：根据目标拆分具体执行步骤 参数：task_info-感知模块传递的任务信息 返回：任务步骤列表 """ if "查天气" in task_info["target"]: # 拆分任务为2步：查询天气→生成穿衣建议 steps = [ { "step": 1, "action": "call_weather_api", "desc": "调用天气接口查询目标城市天气"}, { "step": 2, "action": "generate_advice", "desc": "根据天气生成穿衣建议"} ] print(f"【规划模块】拆分任务步骤：{ steps}") return steps else: print("【规划模块】暂不支持该任务类型") return None # 3. 执行模块：调用工具执行步骤（模拟调用天气API） def execution_module(steps, city): """ 功能：执行规划好的步骤，调用外部工具 参数：steps-规划模块传递的步骤列表，city-目标城市 返回：执行结果 """ results = [] # 模拟天气API返回结果（实际项目中替换为真实接口） weather_api_url = f"https://api.mock.com/weather?city={ city}" for step in steps: if step["action"] == "call_weather_api": # 模拟请求API（实际使用requests.get(weather_api_url)） mock_weather = { "city": city, "temperature": 18, "weather": "多云转晴", "wind": "3级西北风" } results.append({ "step": step["step"], "result": mock_weather, "status": "success"}) print(f"【执行模块】步骤{ step[step]}执行完成，结果：{ mock_weather}") elif step["action"] == "generate_advice": # 根据天气生成穿衣建议 weather_data = results[0]["result"] if weather_data["temperature"] < 10: advice = f"{ city}今日{ weather_data[weather]}，气温{ weather_data[temperature]}℃，建议穿羽绒服+围巾" elif 10 <= weather_data["temperature"] <= 20: advice = f"{ city}今日{ weather_data[weather]}，气温{ weather_data[temperature]}℃，建议穿毛衣+薄外套" else: advice = f"{ city}今日{ weather_data[weather]}，气温{ weather_data[temperature]}℃，建议穿T恤+长裤" results.append({ "step": step["step"], "result": advice, "status": "success"}) print(f"【执行模块】步骤{ step[step]}执行完成，结果：{ advice}") return results # 4. 反馈模块：验证结果是否符合目标 def feedback_module(task_info, results): """ 功能：验证执行结果是否满足用户需求，给出最终反馈 参数：task_info-初始任务信息，results-执行模块的执行结果 返回：最终反馈信息 """ # 检查所有步骤是否执行成功 all_success = all([r["status"] == "success" for r in results]) if all_success and "穿衣建议" in results[-1]["result"]: final_feedback = { "task_status": "完成", "user_target": task_info["target"], "final_result": results[-1]["result"], "message": "任务已成功完成" } else: final_feedback = { "task_status": "失败", "message": "部分步骤执行失败，请检查" } print(f"【反馈模块】最终任务反馈：{ final_feedback}") return final_feedback # 主函数：串联所有模块，形成完整智能体 def simple_ai_agent(user_command, city): """ 功能：AI智能体主入口 参数：user_command-用户指令，city-目标城市 返回：最终结果 """ # 1. 感知：收集信息 task_info = perception_module(user_command, city) # 2. 规划：拆分步骤 steps = planning_module(task_info) if not steps: return "任务无法执行" # 3. 执行：完成步骤 results = execution_module(steps, city) # 4. 反馈：验证结果 final_result = feedback_module(task_info, results) return final_result # 测试智能体 if __name__ == "__main__": # 用户指令：查北京天气并给穿衣建议 user_input = "帮我查一下北京今天的天气，顺便说下穿什么" target_city = "北京" print("="*50) print(f"用户输入：{ user_input}") print("="*50) # 运行智能体 agent_result = simple_ai_agent(user_input, target_city) print("="*50) print(f"智能体最终输出：{ agent_result[final_result]}") print("="*50)

三、代码运行说明&核心要点

1. 运行方式：将代码保存为ai_agent_001.py，打开终端执行python ai_agent_001.py，即可看到智能体完整的运行流程；

2. 核心要点：这个极简框架虽然没有用到复杂的大模型，但完整保留了AI智能体的4大核心模块。后续系列文章中，我们会用GPT-4 API替换“指令解析”部分，用真实工具接口（比如12306、外卖API）替换模拟接口，让智能体具备真正的实用价值；

3. 新手提示：先理解“模块拆分”的思路，再逐行看代码注释，重点关注4个模块之间的数据传递逻辑——感知模块给规划模块传任务信息，规划模块给执行模块传步骤，执行模块给反馈模块传结果，最终形成闭环。

四、下一篇预告&互动话题

下一篇（系列002）我们将深入拆解“规划模块”，讲解如何用大模型实现复杂任务的自动拆分，比如“帮我写一篇关于AI智能体的周报，并发送给领导邮箱”这种多步骤任务。

互动话题：你平时最想让AI智能体帮你完成什么任务？是订机票、整理文件，还是自动写报告？评论区留言，点赞最高的需求，我们会在后续文章中直接实现成可运行的代码！

关注我，每天进步一点，100篇文章后，你也能独立开发AI智能体！咱们下一篇见～

上一篇：AI应用指引来了，教师该怎么干
下一篇：华硕确认未来不再推出新手机，专注 AI 应对“第四次工业革命”