AI Agent开发基础篇

用户1277

2025年9月22日修改

本篇内容为AI Agent开发的第一篇，基础篇。阅读本系列文章，我不能保证你能学会怎么开发agent, 但肯定可以让你使用Agent产品时更加得心应手。​

首先，一个问题，你觉得大模型的输入可以是什么？输出又可以是什么？​

A: 可以给大模型输入任何东西，文字，图片，文件，视频，啥都可以。大模型也可以输出任何东西。​

B: 大模型只能输入文字和图片，输出的内容也只有文字。

花10秒钟想一想，你的答案是？

展开查看答案：

代码块

答案是：B

最开始的时候

你可能觉得这不合理呀，明明我在用豆包或者其他AI产品的时候，什么都可以发的呀。​

让我们回溯历史，回忆一下GPT刚出现的时候，那个时候我们只能输入文字，GPT也只会输出文字，这点我相信大家都是肯定的。​

当时有个问题，GPT的数据都很老，它本身又没法联网搜索，给的东西都是过时的，特别是写代码的时候，根本没法用。​

开发者们想了个招，就是当用户问问题的时候，先拿着用户的问题去调谷歌api，搜一遍，把搜到的结果+用户的问题一起给GPT。​

类似这样

代码块

user message: 下周下雨吗？​
search context: 重庆下周天气：xxxxxx​

这样AI就会根据用户的问题，总结搜索到的结果，再输出给用户。​

你可能会问，为什么不直接把搜索的结果给用户，过一遍大模型的意义是啥？​

这是因为搜索的结果没你想象的那么精准，而且都是乱七八糟的，数据东一块西一块，或者根本和用户问的问题无关，直接给用户，用户根本没法看。所以需要让大模型总结总结，给出一份人能看的东西。这时候大模型起到的不是回答问题的作用，而是总结数据的作用。​

这就是最开始时那个联网搜索按钮的作用。

这样做有一个很大的问题，就是只要你开了这个按钮，不管你问啥，他都会搜，因为先搜索，再将用户问题+搜索结果一起给大模型这件事，是程序写死的。你问个1+1=? 也得来一遍。​

还有一个小问题，这个时候是直接拿着用户的问题进行搜索，​

比如你问：我想知道重庆有哪些景点？

他会拿着这句话我想知道重庆有哪些景点？ 去搜索，而不是搜索 重庆 景点 关键词。​

怎么解决呢？

一个奇妙的想法

想要解决什么都搜的这个问题，那要知道用户的问题该不该搜索？程序是没法知道的，但大模型却可以。​

比如你可以在用户发消息的时候，先给大模型发一句这样的话：用户提问：我想知道今天有什么新闻？ 这个问题需要进行联网搜索吗？​

如果大模型返回了需要的消息，那就搜一下，再把搜到的结果发回给大模型，然后大模型再总结，再给用户。​

如图

AI Agent开发基础篇​