这篇文章价值提示：

👋 大家好，我是你们的老朋友。

从“只会说话”的模型到“会行动”的 Agent

在上一期《RAG 架构与数据工程》中。我们给大模型装上了“海马体”，让它拥有长期记忆，变成了一个博学多才的“图书馆管理员”。只是它仍然只能坐着说话——无法查询实时天气、执行 SQL、甚至发送邮件。它有智商，却没有行动力，

使用者痛点：

• 🧠模型只能返回文本，无法直接调用外部服务。
• 🔧使用 LangChain 等高阶框架时隐藏的细节让调试困难。
• ⚡面对业务需求时需要快速把模型变成可执行工具，而不是再造轮子。

今天我们正式开启第四个专题：AI Agent 的开发与编排.

思维大爆炸这方面。从 ETL 到 Agent Loop 🤯

作为大数据工程师，你对 DAG已经烂熟于心。Airflow、Spark 中的任务流是线性的、确定的：E → T → L。出现错误就挂掉或重试，

但逻辑是非确定性且Cyclic的。

🔄 Agent 的主要循环

while True:

1. 有什么输入？
2. 思考 : 我该做什么？需要哪种工具，
3. 行动 : 调用工具。
4. 观察 : 工具返回了什么结果？不过，
5. …回到第1步，: 循环直至任务完成。

给大脑装上“手脚”：Function Calling 🛠️

L​LM 本质是概率文本生成器，想让它调用 Python 函数或外部 API 必须借助 OpenAI 等提供的Function Calling/ Tool Use.

🎩✨

No magic—just a well‑defined JSON Schema that tells model what you can do.

• A普通对话："我要吃那个红色、辣、有豆腐的菜。"
• B Function Calling："请使用这张标准点菜卡："

  {
  "dish_name": "Mapo Tofu","spiciness_level": "high","ingredients":
  }

实战的观点是，原生 SDK 实现天气查询 🌤️

# 第一步先 – 定义工具:

tools = }
},"required":
}
}
}
]

# 接下来 – 对话与解析:

response = client.chat.completions.create(
model="gpt-4o",messages=,tools=tools,tool_choice="auto"
)
tool_call = response.choices.message.tool_calls
print # get_current_wear
print # {"location":"Beijing"}

# 然后 – 执行并回传结果:

# 假设我们已有 get_current_wear 实现
wear_info = get_current_wear)
# 将结果包装成一条消息塞回 LLM
follow_up = {
说到"role"。"assistant","content":"","tool_calls":,}
#
调用模型，让它给出最终答案
final_resp = client.chat.completions.create(
model="gpt-4o",messages=
)
print

再看大脑操作程序，Prompt 策略与 ReAct 🧠

If you only give model tools but no reasoning pattern,it will behave like a headless fly.

CoT ：让它慢点想 🐢💭

The same way we break complex SQL into CTEs,we force LLM to think step‑by‑step.

You are a data analysis assistant.
Before answering,list your thought steps,identify needed data,n act.

ReAct 模式：Agent 的黄金法则 🚀

• Thought: 使用者想查天气，我需要调用天气工具。
• Action: get_wear
• Observation: API 返回 “25°C，晴”。
• Synsized Thought: 已有所需信息，可直接回答。
• Total Answer: 北京今天天气不错。25°C，晴天，其实，
\

This loop prevents hallucination—model must fetch real data before answering. \

If omitted。LLM may fabricate wear details.\

The ReAct prompt usually looks like: \

\

.\

---

---

Oops. There's some formatting errors in my draft at this point.

Let's correct final output from heading - ensure valid HTML and remove stray characters.

We'll rewrite ReAct section cleanly.

Continuing:

---

。

---