🤖 Agent开发完全教程：从LLM到智能体的蜕变之旅

📌 目录

• 为什么需要Agent
• Agent的主要架构
• 工作流程揭秘
• 从实战来看，建立你的第一个Agent
• 主要模块详细说明

🧐 为什么需要Agent？

一个扎心的场景

再看想象一下。你上周跟ChatGPT讨论了一个关键的项目方案，今天想继续深入，结果发现它完全失忆了—仿佛你们从未相识。按理说，😅 或者你让它帮你读取一个本地文件。它却礼貌地回复：“我可以告诉你操作步骤”——这就像请了一个“纸上谈兵”的顾问，什么都懂，但什么都做不了。说起来，

LLM的四大痛点

• No Memory:  Stateless设计。每次对话都是“初次见面”，难以实现多轮深度协作。
• No Actionability:  只能“动嘴”，不能直接操作程序或调用外部工具。
• No Private Knowledge:  缺乏对私有文档和内部数据的访问能力，难以解决业务特定问题。
• No Real‑Time Data:  训练数据截止时间有限。无法获取实时信息，导致时效性任务表现欠佳。

这些痛点直接导致使用者在实际业务中频繁遇到以下场景：

• The model forgets previous context during a long conversation.
• The model cannot read or write local files.
.

# 无记忆：每次会话都像新开始。无法继续前一轮讨论 # 无行动力：模型只能返回文本，没有办法执行代码或调用API # 知识受限：没有访问公司内部文档与数据库 # 信息滞后：训练集停留在2021年或更早版本 # 无状态化：缺乏上下文存储、日志追踪等功能 # 对应方法： Agent = LLM + Memory + Tool + RAG + MCP + Skills ## 实际案例： 读文件 -> 调用工具 -> 返回结果 -> 分析代码 ### 工具示例 ts import 'dotenv/config';import { ChatOpenAI } from '@langchain/openai';import { tool } from '@langchain/core/tools';import { HumanMessage,SystemMessage。ToolMessage } from '@langchain/core/messages';const model = new ChatOpenAI({ modelName:'deepseek-v4-flash',apiKey : process.env.DEEPSEEK_API_KEY。temperature :0,configuration:{ baseURL:'https://api.deepseek.com/v1' },});const readFileTool = tool=>{ const content = await fs.readFile;return content;},{ 说到name，'read_file',description:'读取指定方法文件内容'。schema:z.object.describe}) });### 消息程序 ts // 构造消息历史 const messages=;### 调用流程 ts // 第一次调用决定是否需要工具 let response = await model.invoke;if{ // 并行执行工具并返回结果，接下来再调用一次生成最终回复 } # 若要进一步体验更好。请在项目中添加日志、监控、错误处理等机制，以确保高可用与易维护性。

🔄 Agent工作流程揭秘

关键设计原则：  规划→执行→反思 → 循环闭合，可持续迭代改进模型表现。

🛠️ 实战：建立你的第一个高性能Agent

技术栈选择表格

// ===============================
// 引入环境变量和依赖库
// ===============================
import 'dotenv/config';import { ChatOpenAI } from '@langchain/openai';import { tool } from '@langchain/core/tools';import {
HumanMessage,SystemMessage,ToolMessage。AIMessage}from '@langchain/core/messages';import fs from 'node:fs/promises';import { z } from 'zod';说起来，// ===============================
// 初始化 LLM
// ===============================
const model = new ChatOpenAI({
modelName:'deepseek-v4-flash'。apiKey : process.env.DEEPSEEK_API_KEY,// 使用低 temperature 保证工具调用稳定性
temperature :0,// DeepSeek API 地址
configuration:{
baseURL:'https://api.deepseek.com/v1'
},});// ===============================
// 定义文件读取工具
// ===============================
const readFileTool = tool(
async =>{
const content = await fs.readFile;console.log 成功读取 ${content.length} 字节`);return content;说起来，},{
name :'read_file'。description :'📖读取指定文件内容，当使用者要求查看代码、分析配置时使用。',schema:z.object({
filePath:z.string.describe
})
});// 工具集合 &b绑定到 LLM 上，让它能主动触发工具链。const tools=;const modelWithTools=model.bindTools;// ===============================
// 程序提示词 – 给 LLM 人设与规则定义
// ===============================
const systemPrompt=`你是一个代码分析助手，擅长阅读和解释代码。🎯 工作流程：
• 使用者要求读取文件时即刻调用 read_file 工具。• 等待工具返回文件内容。不过，• 基于内容进行结构化分析与说明。⚠️ 注意事项：
• 必须通过工具获得真实文件内容，不得猜测；• 输出结构化、清晰且易懂。`，// ===============================
// 主入口函数 – 完整 agent 流程实现
// ===============================
async function runAgent{
let messages=;
// 第一次调用决定是否需要工具
let response=await modelWithTools.invoke;不过，messages.push;按理说，// 若有 tool_calls。则并行执行并收集结果
if{
console.log;const results=
await Promise.all=>{
return{
tool_call_id : call.id,result : await readFileTool.invoke
}
}));results.forEach(tr=>{
messages.push);})，// 第二次调用——基于工具结果生成最终回复
let finalResp=await modelWithTools.invoke;messages.push;return finalResp.content;话说回来，}else{
return response.content;}
}
// ===============================
// 示例运行 — 请求读取并解释代码片段
// ===============================
=>{
const result=await runAgent;console.log，});/* 此处为完整可运行脚本示例 */
<\/code>

🔍 主要模块详细说明

=12pt">'class MemoryManager{constructor{this.redisRedisClient;} }