有没有一个框架，能让我们只关心工具函数本身，剩下的循环、错误处理、消息管理都由框架搞定？LangChain 的核心组件LLM 封装 → 统一调用各种模型的接口@tool 装饰器 → 把函数变成工具，自动生成描述Agent → 定义 LLM 如何决策（选哪个工具）AgentExecutor → 自动执行循环（决定→执行→反馈→再决定）Memory → 记住对话历史LangChain 的生态确实很全，

有没有一个框架，能让我们只关心工具函数本身，剩下的循环、错误处理、消息管理都由框架搞定？LangChain 的核心组件LLM 封装 → 统一调用各种模型的接口@tool 装饰器 → 把函数变成工具，自动生成描述Agent → 定义 LLM 如何决策（选哪个工具）AgentExecutor → 自动执行循环（决定→执行→反馈→再决定）Memory → 记住对话历史LangChain 的生态确实很全，

第 3 篇跑通了第一个 Agent，能查天气了。但当时用的是硬编码的模拟数据，，根本不是真正的天气。这一篇我决定全部用真实 API——能查真实天气、能搜实时新闻、能读网页内容。这些工具写好之后，后面可以直接打包进更大的项目里。这一篇的代码，每一行都是能真正跑起来干活的。

第 1 篇我们聊了 Agent 是什么——一个能"自主决策、调用工具"的 AI 系统。但光说概念不够，这一篇我们把 Agent 拆开，看看它的内部到底由几部分组成。大脑负责思考：理解你的话、决定做什么、组织回答手负责执行：查天气、搜网页、算数学题眼睛和耳朵负责感知：接收你的问题、获取工具返回的结果这三个部分合在一起，才构成一个完整的 Agent。下面我们逐一拆解。

第 1 篇我们聊了 Agent 是什么——一个能"自主决策、调用工具"的 AI 系统。但光说概念不够，这一篇我们把 Agent 拆开，看看它的内部到底由几部分组成。大脑负责思考：理解你的话、决定做什么、组织回答手负责执行：查天气、搜网页、算数学题眼睛和耳朵负责感知：接收你的问题、获取工具返回的结果这三个部分合在一起，才构成一个完整的 Agent。下面我们逐一拆解。

Agent 还有一个中文名字叫做“智能体”Agent在最近一年火速出圈，它其实可以理解为是一个没有实体的一个“人”，能够感知环境、独立决策、自主行动。Agent = 大脑（LLM）+ 手（工具）+ 眼睛（感知）大脑：GPT-4、Claude 等大模型，负责"思考"——理解用户意图、决定下一步做什么手：工具，比如查天气 API、搜索引擎、计算器、文件读写眼睛：感知环境，比如读取用户输入、获取系统状态

def linreg(X, w, b): # 线性回归模型def squared_loss(y_hat, y): # 均方误差def sgd(params, lr, batch_size): # 小批量随机梯度下降param.grad.zero_() # 梯度清零知识点核心内容模型形式yw⊤xby​w⊤xb损失函数12m∑y−y22m1​∑y​−y2求解方法梯度下降 / 最小二乘法关键超参数学习率