我要投稿

Open AI 正在教我们如何构建自己的 Agents

发布日期：2025-07-23 15:15:06 浏览次数： 1554

作者：人工世界Artificial World

微信搜一搜，关注“人工世界Artificial World”

本播客由扣子空间（coze.cn）一键生成

首先什么是 Agent

Open AI 给出的解释是：Agent 是能独立完成任务的系统，代表用户行事。

它们由大语言模型驱动，能够使用工具、作出决策并能真正完成完整的工作流程。

比如：处理退款、预订行程、更新数据库或撰写报告。

所以那些只会回答常见聊天任务的大模型，不算是 Agent。

能够连接工具，完成用户实际目标的大模型才是。

什么时候才应该去构建 Agent

不要为了用 AI 而去做 Agent！

OpenAI 给出了3个明确信号：

1、需要复杂决策

2、流程难道无法维护

3、充满非结构化数据

Agent 的3大核心构件：

越简单越好

每个 Agent 都由以下3部分组成：

模型：大脑，负责推理与决策

工具：双手，负责执行（调用API、访问网页、查资料等）

指令：地图，告诉 Agent 该做什么、什么时候做、怎么做

weather_agent = Agent(
    name= "Weather agent",
    instructions="You are a helpful agent who can talk to users about the
weather.",
    tools=[get_weather],
)

工具让你能力倍增

让 Agent 真正发挥关键作用，需要它能够获取信息、主动执行操作、协调多个 Agent 联动工作。

指南中定义了三类工具：

数据类工具：如网页搜索、文档读取

执行类工具：如发邮件、更新 CRM

编排类工具：一个 Agent 调用另一个 Agent

from agents import Agent, WebSearchTool, function_tool
@function_tool
def save_results(output):
     db.insert({ : output, : datetime.time()})
     return "File saved"

search_agent = Agent(
    name="Search agent",
    instructions="Help the user search the internet and save results if
asked.",
    tools=[WebSearchTool(),save_results],
)

提示：如果你的 Agent 工具有点多，那就要考虑拆分成多个 Agent 了。

指令编写是关键

一个好用的 Agent 指令要结构清晰、有条理，并且展示了如何用模型从帮助文档中自动生成指令。

使用建议：

用真实的流程文档作为基础
转换为逐条的步骤
明确处理边界情况
精确表达 Agent 该做什么，不该做什么

Agent 的编排是一个好

还是多个好

构建 Agent 系统有两种模式：

单 Agent 系统

一个 Agent，集成所有工具与逻辑

适合 MVP 初期快速落地

用 prompt 模板组织逻辑

客服助手、知识问答机器人

多 Agent 系统

当需要更多专业分工或复杂流程分支时，适合使用多 Agent。

包含两种架构模式：

1、管理者模式

一个主 Agent 协调调度多个专属 Agent。它会根据任务把子任务派发给对应的 Agent，然后将结果统一整合成最终回复。

适合需要统一用户体验、集中流程控制的场景。

2、去中心化模式

Agent 之间可以通过 handoff 把流程传给另一个 Agent。

handoff 是一种特殊函数，调用后直接切换到新的 Agent 并同步上下文。

这种模式更灵活，适合不需要集中控制，允许多个 Agent 彼此接力完成任务的场景。

Agent 的安全带

你肯定不希望你的 Agent 胡说八道、泄露隐私或者自动去执行一些高风险操作吧。

指南中也提供了一整套 guardrail 系统，包括：

相关性分类器
安全性分类器
PII 过滤器
内容审核
工具风险等级分级+人工干预机制

这些都可以集成到 Agent 的运行循环中，甚至能自动测试失败场景

当出现以下这两种情况，Agent 必须交给人工：

尝试失败多次
涉及敏感信息，比如退款、销户等

不管模型有多强，人工兜底机制都不可省略。

结论

这份指南，是目前能真正落地 Agent 系统的最佳蓝图。如果你是开发者，强烈建议你认真读一读！

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-07-23

独家深度丨夸克健康大模型调研报告

2025-07-23

AI工程化最佳实践：从技术狂欢到确定性红利

2025-07-23

杨钰琪梁建丨AI时代，中层管理者如何重构自己的角色？丨新刊试阅

2025-07-23

AI写代码的“上下文陷阱”：为什么AI总是写错？如何系统性解决？

2025-07-23

阿里云百炼上线UI设计器：给智能体换装，从此人人都是界面设计师

2025-07-23

AI的能力边界

2025-07-23

可能是目前最强的AI音乐模型，附一手实测

2025-07-23

Palantir FDE的一天：我们不仅仅是工程师，更是问题的解决者

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

DeepSeek R1-0528 小版本升级

2025-05-29

高效 Agents 构建指南

2025-05-23

Qwen3发布: 4B干掉旧代 72B / Windsurf又增加新的免费计划

2025-04-29

忽视小模型和知识库，企业AI应用必将是死路一条

2025-05-07

SpringAI Alibaba实战文生图、聊天记忆功能

2025-06-01

CAG 与 RAG：哪种方法能带来性能更好的人工智能

2025-05-07

从RAG到CoT再到MCP，一文读懂AI Agent落地难题｜大模型研究

2025-05-07

分而治之：全面解析分布式分离 Inference 系统

2025-04-29

AIGC合规落地全景图 | 如何做好AIGC数据合规

2025-06-07

OpenAI创始人红衫AI峰会最新爆论：AI创业者，想活命就别再跟老子卷大模型了！

2025-05-20

大家都在问

AI写代码的“上下文陷阱”：为什么AI总是写错？如何系统性解决？

2025-07-23

AI智能体架构全流程全解析：一次请求背后，到底发生了什么？

2025-07-22

一场关于Manus的闭门会议纪要：谷歌前主管、顶级VC和SaaS产品负责人说了什么？

2025-07-22

上下文工程如何重塑智能体的“思考方式”？

2025-07-21

从IMO金牌到GPT-5：OpenAI如何用一场“技术营销”重新定义AI推理？

2025-07-21

小语言模型才是Agentic AI的未来？

2025-07-21

为什么Perplexity要打造自有浏览器Comet？

2025-07-19

用Dynamic chunk去干掉tokenizer？

2025-07-19

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： ceo@53ai.com

友情链接：

CopyRight © 2012-2024 深圳市博思协创网络科技有限公司版权所有

粤ICP备17114055号

广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层）

深圳：深圳市福田区泰然四路29号天安创新科技广场一期A座1204

上海：上海市浦东新区金新路58号1602室

微信扫码
和创始人交个朋友

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部