AI Agent 问答实例

智能体工具

1. 第一个 AI Agent

2. AI 开发平台 MonkeyCode

3. OpenClaw (Clawdbot) 教程

4. OpenClaw 快速上手

5. QoderWork 教程

6. AI Workflow（AI 工作流）

Vibe Coding

4. OpenCode Coding Plan

5. CC Switch 一键切换 API

6. Skills 教程

7. OpenCode skills 使用

Python 实现智能体

1. Python 实现 AI Agent

2. 工具调用（Function Calling）

7. Python 实现 RAG 与知识检索

12. AI Agent 生产部署与工程化

13. AI Agent 垂直应用场景

14. Hugging Face Transformers

AI Agent 问答实例

来源：菜鸟教程 , 编辑：张可馨（火龙果科技）

90 次浏览	1次

本章节我们将动手构建第一个真正的 AI Agent。

我们先从一个简单的问答 Agent 开始，逐步添加更多功能。

项目结构准备

先创建目录 runoob-ai-agent：

mkdir runoob-ai-agent

进入目录runoob-ai-agent，使用 uv 命令创建虚拟环境：

cd runoob-ai-agent

# 创建名为 .venv 的虚拟环境（默认）
uv venv

# 激活环境（macOS/Linux）
source .venv/bin/activate

# 激活环境（Windows）
.venv\Scripts\activate

使用 uv 创建并激活虚拟环境，更多相关内容可以阅读 uv 教程。

创建项目目录结构：

runoob-ai-agent/
├── .env
├── .gitignore
├── requirements.txt
├── test_basic_agent.py
├── README.md
├── src/
│   ├── __init__.py
│   └── simple_agent.py
└── tests/
    └── __init__.py

阿里百炼申请 API key

本章节要用到搜索功能，我们阿里千问模型，因为它自带搜索功能。

阿里云百炼的通义千问模型支持 OpenAI 兼容接口，您只需调整 API Key、BASE_URL 和模型名称，即可将原有 OpenAI 代码迁移至阿里云百炼服务使用。

base_url：替换为 https://dashscope.aliyuncs.com/compatible-mode/v1
api_key：替换为阿里云百炼 API Key
model: 替换为 qwen3-max

参考地址：https://help.aliyun.com/zh/model-studio/compatibility-of-openai-with-dashscope

我们需要开通阿里云百炼模型服务并获得 API-KEY。

我们可以先使用阿里云主账号访问百炼模型服务平台：https://bailian.console.aliyun.com/，然后点击右上角登录，登录成功后点击右上角的齿轮⚙️图标，选择 API key，然后复制 API key，如果没有也可以创建 API key：

开通阿里云百炼不会产生费用，仅模型调用（超出免费额度后）、模型部署、模型调优会产生相应计费。

现在要使用 API，都需要按 token 来计费，还好都不贵，我们可以先购买个最便宜的包：阿里云百炼大模型服务平台。

也可以直接使用百炼与方舟的 Coding Plan 套餐：https://www.runoob.com/claude-code/coding-plan.html。

创建基础 Agent 类：

实例

# src/simple_agent.py
import os
from typing import List, Dict, Any
from openai import OpenAI
from dotenv import load_dotenv

# 加载环境变量
load_dotenv()

class SimpleQAAgent:
"""简单的问答 Agent"""

def __init__(self, model: str = "qwen3-max"): # 设置默认为 DeepSeek 的模型
"""
初始化 Agent

Args:
model: 使用的模型名称，默认为 DeepSeek
"""
# api_key = os.getenv("OPENAI_API_KEY")
api_key = "sk-xxx" # 你申请的 API key
base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"
if not api_key:
raise ValueError("请设置 OPENAI_API_KEY 环境变量")

self.client = OpenAI(
api_key = api_key,
base_url = base_url)
self.model = model
self.conversation_history: List[Dict[str, str]] = []
self.system_prompt = "你是一个有帮助的AI助手，请礼貌、准确地回答用户的问题。"

def add_to_history(self, role: str, content: str):
"""添加消息到对话历史"""
self.conversation_history.append({
"role": role,
"content": content
})

# 保持历史长度不超过10轮（防止token超限）
if len(self.conversation_history) > 10:
self.conversation_history = self.conversation_history[-10:]

def ask(self, question: str) -> str:
"""
向 Agent 提问

Args:
question: 用户的问题

Returns:
Agent 的回答
"""
# 添加用户问题到历史
self.add_to_history("user", question)

# 准备消息列表
messages = [
{"role": "system", "content": self.system_prompt}
]
messages.extend(self.conversation_history)

try:
# 调用 OpenAI API
response = self.client.chat.completions.create(
model=self.model,
messages=messages,
temperature=0.7,
max_tokens=500
)

# 提取回答
answer = response.choices[0].message.content

# 添加助手回答到历史
self.add_to_history("assistant", answer)

return answer

except Exception as e:
error_msg = f"调用API时出错: {str(e)}"
print(error_msg)
return error_msg

def clear_history(self):
"""清空对话历史"""
self.conversation_history.clear()

创建一个测试脚本，测试基础 Agent：

实例

# test_basic_agent.py
from src.simple_agent import SimpleQAAgent

def test_basic_agent():
"""测试基础问答 Agent"""
print("=== 测试基础问答 Agent ===")

# 创建 Agent
agent = SimpleQAAgent()

# 测试问答
questions = [
"你好，请介绍一下自己",
"Python是什么？",
"机器学习和人工智能有什么区别？"
]

for question in questions:
print(f"\n用户: {question}")
answer = agent.ask(question)
print(f"助理: {answer}")

# 测试对话连贯性
print("\n=== 测试对话连贯性 ===")
agent.clear_history()

# 第一轮
q1 = "我最喜欢的颜色是蓝色"
a1 = agent.ask(q1)
print(f"用户: {q1}")
print(f"助理: {a1}")

# 第二轮（应该能记住之前的对话）
q2 = "我刚才说我最喜欢什么颜色？"
a2 = agent.ask(q2)
print(f"\n用户: {q2}")
print(f"助理: {a2}")

print("\n测试完成！")

if __name__ == "__main__":
test_basic_agent()

运行测试：

python test_basic_agent.py

=== 测试基础问答 Agent ===

用户: 你好，请介绍一下自己
runoob
助理: 你好！我是通义千问（Qwen），是阿里巴巴集团自主研发的超大规模语言模型。我可以帮助你回答问题、创作文字，比如写故事、写公文、写邮件、写剧本、逻辑推理、编程等等，还能表达观点，玩游戏等。如果你有任何问题或需要帮助，随时告诉我！

用户: Python是什么？
助理: 你好！Python 是一种**高级、解释型、通用的编程语言**，由荷兰程序员 **吉多·范罗苏姆（Guido van Rossum）** 于1991年首次发布。它的设计哲学强调代码的**可读性**和**简洁性**，语法清晰简洁，使得初学者也能快速上手。
...

这个基础 Agent 有几个明显的局限性：

只能回答训练数据中的知识
无法获取实时信息
不能执行计算
不能操作外部系统

这正是我们需要为 Agent 添加工具的原因。

添加搜索工具

千问自带搜索功能，传递 enable_search: true 参数可启用联网搜索功能。

# 导入依赖与创建客户端...
completion = client.chat.completions.create(
    # 需使用支持联网搜索的模型
    model="qwen3-max",
    messages=[{"role": "user", "content": "杭州明天天气如何"}],
    # 由于 enable_search 非 OpenAI 标准参数，使用 Python SDK 需要通过 extra_body 传入（使用Node.js SDK 需作为顶层参数传入）
    extra_body={"enable_search": True}
)

文档说明：https://help.aliyun.com/zh/model-studio/web-search

集成搜索工具的 Agent

现在我们将搜索工具集成到 Agent 中，src 目录下创建 agent_with_search.py 文件：

实例

# src/agent_with_search.py
import os
from openai import OpenAI
from dotenv import load_dotenv

load_dotenv()

class AgentWithSearch:
"""基于 Qwen 内置联网搜索能力的 Agent"""

def __init__(self, model: str = "qwen3-max"):
api_key = "sk-xxx"
base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"

if not api_key:
raise ValueError("请设置 OPENAI_API_KEY 环境变量（DashScope Key）")

self.client = OpenAI(
api_key=api_key,
base_url=base_url
)
self.model = model

self.system_prompt = """
你是一个有帮助的 AI 助手。

当问题涉及实时信息、最新事件或需要事实核查的内容时，
你可以通过联网搜索获取最新信息，并在回答中说明信息来源于网络。
"""

def ask(self, question: str) -> str:
messages = [
{"role": "system", "content": self.system_prompt},
{"role": "user", "content": question}
]

try:
response = self.client.chat.completions.create(
model=self.model,
messages=messages,
temperature=0.7,
max_tokens=800,
extra_body={
"enable_search": True
}
)

return response.choices[0].message.content

except Exception as e:
return f"错误: {repr(e)}"

def interactive_chat(self):
print("=== Qwen 联网搜索 Agent ===")
print("输入 quit / exit 结束对话")

while True:
question = input("\n你: ").strip()
if question.lower() in {"quit", "exit"}:
break

print("助理:", self.ask(question))

测试搜索 Agent

根目录下创建 test_search_agent.py 文件：

实例

# test_search_agent.py
from src.agent_with_search import AgentWithSearch

def test_search_agent():
agent = AgentWithSearch()

questions = [
"今天北京的天气怎么样？",
"最新的科技新闻有哪些？",
"2024年奥运会举办地是哪里？",
"Python 是什么？"
]

for q in questions:
print(f"\n用户: {q}")
print("助理:", agent.ask(q)[:300], "...")

if __name__ == "__main__":
test_search_agent()

运行测试：

python test_search_agent.py
用户: 今天北京的天气怎么样？
助理: 今天是2026年2月7日，星期六。根据最新天气预报信息，北京今天的天气情况如下：

- **天气状况**：多云转晴  
- **气温范围**：最低气温约 **-9℃**，最高气温约 **2℃**（部分区域如海淀区记录为 **-5℃ ~ 5℃**）  
- **风向风力**：白天到夜间有 **东北风1级**，部分地区午后转为 **南风转西北风，小于3级**  
- **空气质量**：**37（优）**  
- **穿衣建议**：建议穿棉衣、冬大衣、皮夹克、厚呢外套、羽绒服等厚重保暖衣物，并佩戴手套、帽子等防寒配件  
...

90 次浏览	1次

< 首页

< 下一页