2026年AI助手Agent开发实战：核心概念与完整入门指南

 传统方式：分别调用不同的AI模型，手动编排流程
def book_trip():
     步骤1：用天气模型查天气
    weather = weather_model.predict("上海", "2026-04-15")
     步骤2：用对话模型推荐酒店
    hotel = chat_model.generate("推荐上海人民广场附近的酒店")
     步骤3：用另一个模型查机票
    flight = search_model.query("上海往返机票")
     问题：这三步之间没有联动，信息割裂
    return f"天气{weather}，酒店{hotel}，机票{flight}"

用户输入目标
    ↓
感知（接收并理解用户需求）
    ↓
规划（拆解任务：子任务1→子任务2→...）
    ↓
行动（调用工具执行具体操作）
    ↓
观察（获取结果，判断是否达成目标）
    ↓
若未达成 → 返回规划步骤继续迭代

pip install langgraph langchain langchain-openai python-dotenv

import os
from typing import TypedDict, List
from langgraph.graph import StateGraph, END
from langchain.prompts import PromptTemplate
from langchain_openai import ChatOpenAI

 步骤1：定义Agent的状态数据结构
class State(TypedDict):
    text: str            原始输入文本
    classification: str  分类结果
    entities: List[str]  提取的实体
    summary: str         文本摘要

 步骤2：初始化LLM（建议使用temperature=0保证结果确定性）
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)

 步骤3：定义各个处理节点
def classify(state: State) -> State:
    """分类节点：判断文本类别"""
    prompt = PromptTemplate.from_template(
        "将以下文本分类为[科技/体育/娱乐/财经]：\n{text}"
    )
    chain = prompt | llm
    state["classification"] = chain.invoke({"text": state["text"]}).content
    return state

def extract_entities(state: State) -> State:
    """实体提取节点：提取关键命名实体"""
    prompt = PromptTemplate.from_template(
        "从以下文本中提取所有关键实体（人名、地名、组织名），用逗号分隔：\n{text}"
    )
    chain = prompt | llm
    entities_str = chain.invoke({"text": state["text"]}).content
    state["entities"] = [e.strip() for e in entities_str.split(",") if e.strip()]
    return state

def summarize(state: State) -> State:
    """摘要生成节点：生成一句话摘要"""
    prompt = PromptTemplate.from_template(
        "用一句话总结以下文本：\n{text}"
    )
    chain = prompt | llm
    state["summary"] = chain.invoke({"text": state["text"]}).content
    return state

 步骤4：构建工作流图
workflow = StateGraph(State)

 添加节点
workflow.add_node("classify", classify)
workflow.add_node("extract_entities", extract_entities)
workflow.add_node("summarize", summarize)

 定义执行顺序
workflow.set_entry_point("classify")
workflow.add_edge("classify", "extract_entities")
workflow.add_edge("extract_entities", "summarize")
workflow.add_edge("summarize", END)

 编译并运行
app = workflow.compile()
result = app.invoke({
    "text": "OpenAI在2026年发布了全新的GPT-5模型，能够自动调用工具完成复杂任务。"
})

print(f"分类：{result['classification']}")
print(f"实体：{result['entities']}")
print(f"摘要：{result['summary']}")