入门篇 · 第 5 天 / 共 7 天

让 AI 用工具（Agent 雏形）

前几天你的 AI 一直在"动嘴"——它只会说话。今天是个转折点：我们让它第一次"动手"，学会喊你的程序帮它干活。这个"会用工具的 AI"，就是这两年最火的词——Agent（智能体）的雏形 🛠️。

1234567 你在第 5 天

①

痛点：AI 算不准、查不到

试着问 AI：123456 × 789 等于几？ 你会发现它经常算错。再问它今天几号、现在几点，它也答不上来。它明明这么聪明，怎么连算术都不会？

🧠 AI 是"博学的偏科生" 大模型靠"接话"输出答案，它不是在真的计算，只是凭语感"猜"一个看起来像答案的数字——所以大数相乘经常翻车。实时信息（几点了、股价多少）更是它训练完之后发生的事，它根本不可能知道。就像一个满腹诗书、但不带计算器也不看手机的偏科学霸。

👶 那让它算数、查东西不就没用了？

🧑‍🏫 反过来想：算数交给计算器，查时间交给时钟，这些电脑最擅长！我们要做的，就是让 AI 学会"喊工具来帮忙"——难的判断它来做，精确的活儿交给工具。这才是聪明的用法。

②

本质：想 → 用工具 → 看结果 → 再答

"让 AI 用工具"听起来高大上，其实就是一个四步小循环：

① 想：AI 看你的问题，判断"这题我得用工具"。
② 说要用：它不直接瞎答，而是说一句"我要用计算器算 123456×789"。
③ 你的程序动手：你的代码看到它想用工具，真的去算，拿到准确结果。
④ 回填 + 再答：把结果塞回去告诉它，它再用人话组织成最终回答。

🍽️ 像"厨师喊传菜员" AI 是厨师，脑子好、会调味，但够不着冰箱。它喊一句"给我拿两个鸡蛋"（说要用工具），传菜员（你的程序）跑腿把鸡蛋递过去（执行 + 回填），厨师拿到食材再继续做菜（最终回答）。AI 负责动脑，工具负责跑腿。

💡 说明业界有一套正式的 "function calling / 工具调用" API 来做这件事，但对新手太绕。今天我们用最朴素的手写版，让你先把"工具调用"的本质看清楚——原理一模一样。

③

动手：给 AI 一个计算器

思路：我们用提示词跟 AI 约定一个暗号——遇到算术，它别自己算，只回复 CALC:表达式。我们的程序看到这个暗号，就用 Python 精确算出来，再把结果发回去让它用人话回答。新建 agent.py：

from openai import OpenAI
client = OpenAI(api_key="你的钥匙", base_url="https://api.deepseek.com")

# 关键：用提示词跟 AI 约定暗号——算术只回 CALC:表达式，别自己算
rule = "遇到需要算术时，不要自己计算，只回复一行 CALC:表达式，例如 CALC:12*34"
question = input("你问：")
messages = [{"role": "system", "content": rule}, {"role": "user", "content": question}]

reply = client.chat.completions.create(model="deepseek-chat", messages=messages).choices[0].message.content

if reply.startswith("CALC:"):                 # 检测到 AI 想用"计算器"
    expr = reply[5:].strip()                  # 取出暗号后面的表达式
    result = eval(expr)                        # 你的程序动手，精确算出结果
    messages.append({"role": "assistant", "content": reply})          # 记下它的请求
    messages.append({"role": "user", "content": f"计算结果是 {result}，请用一句话回答"})  # 回填结果
    reply = client.chat.completions.create(model="deepseek-chat", messages=messages).choices[0].message.content

print("AI：" + reply)

运行，问它一道大数乘法：

python agent.py

输入 123456 乘以 789 等于几？——AI 会先吐出 CALC:123456*789，你的程序算出 97406784，回填给它，它最后用人话答给你。这次的数字是精确的！

🎉 见证时刻
你第一次让 AI"动手"了！它不再硬着头皮瞎猜，而是学会了"这活我不行，喊工具"。这个"AI 判断 → 调工具 → 拿结果 → 再作答"的循环，就是 Agent 的心脏。你手里这几十行，已经是一个最小的 Agent 了。

👶 eval() 是啥？听说它不安全？

🧑‍🏫 eval("12*34") 就是让 Python 把这串字符当算式真的算一遍，很方便。它确实不适合用在真实产品里（会执行任意代码，有风险），但今天只在你自己电脑上练手，完全没问题。真做产品时会换成更安全的算法，这是进阶篇的事。

④

小结

今天你解锁了 AI 开发里最重要的一个观念：

💡 Agent = 会用工具的 AI AI 负责动脑（判断、组织语言），工具负责动手（精确计算、查资料、发邮件……）。把这个"想→用工具→看结果→再答"的循环套在不同工具上，就能造出各种各样的 Agent。你今天给的是计算器，换成"查天气""发邮件"也是同一套。

🎯 今天你收获了什么
✅ 明白了 AI 的短板——算不准、查不到实时信息；
✅ 看懂了工具调用的本质——AI 说要用工具 → 程序执行 → 回填结果 → AI 再答；
✅ 亲手做出了一个会用计算器的最小 Agent——你第一次让 AI"动手"干活了！

AI 会用工具了，但它还有个盲区：它不知道你的私事——你公司的文档、你自己的笔记，它一概不知。明天我们教它"看着你的资料回答"，这就是大名鼎鼎的 RAG 📚

Day 6 · 让 AI 读资料答题 →

← 回 Day 4