第1章 那天，我被ChatGPT吓到了
你可能早就用过ChatGPT，也试过让AI帮你写代码。但AI Agent和这些有什么不同？为什么现在所有人都在谈Agent？这一章，我们把背景讲清楚。
1.1 你还记得第一次用ChatGPT的感觉吗？
1.1.1 惊艳过后，发现它只会说不会做
2022年11月，ChatGPT发布。很多人第一次用的时候，都被吓到了——
问它"用Python写个快速排序"，它真的写出来了。
问它"帮我解释这段代码的bug"，它真的能看懂。
问它"写一篇AI相关的文章"，它真的写得有模有样。
那时候大家都在说："完蛋了，程序员要失业了。"
但几年过去了，程序员没失业。因为大家很快发现了一个问题：
ChatGPT只会"说"，不会"做"。
你想让它帮你订机票，它说："抱歉，我无法直接访问互联网帮您预订机票。"
你想让它帮你整理Excel表格，它说："您可以将文件上传到……"（然后给你的只是示例代码，并没有真正帮你处理好）。
你想让它帮你监控服务器，它说："我无法实时访问您的服务器……"
这就是"聊天AI"的边界：它能理解你的意图，但没法替你执行动作。
1.1.2 ChatGPT是参谋，Agent是助理
AI Agent（智能体），简单说就是：
一个能理解目标、自主规划、调用工具、完成任务的AI系统。
用大白话讲：
- ChatGPT是"参谋"——你问它，它给你建议，但动作你自己做
- AI Agent是"助理"——你告诉它目标，它自己想办法完成，做完汇报结果
📖 举个例子：订机票
用ChatGPT：
你："帮我订下周一到上海的机票"
ChatGPT："您可以访问携程或去哪儿等网站，输入出发地、
目的地和日期，选择合适的航班后预订。"（然后你还是得自己打开网站订）
用AI Agent：
你："帮我订下周一到上海的机票"
Agent：
1. 先查你的日历，确认下周一的日期
2. 调用航空公司API，查询可用航班
3. 根据你的偏好（便宜/直飞/时间合适）筛选
4. 弹出确认框让你审核
5. 你点"确认"，它自动完成支付
6. 把行程单发到你微信（你只需要说一句话，后面都不用管了）
1.1.3 为什么是"现在"？
你可能会问："这种助理不是说了很多年了吗？为什么是最近才火？"
三个关键技术的成熟，让AI Agent变得真正可用：
| 技术 | 之前的问题 | 现在的突破 |
|---|---|---|
| 大语言模型（LLM） | 理解能力差，容易胡说 | 现在理解复杂指令已经相当靠谱 |
| 函数调用（Function Calling） | AI只能"说"，不能"做" | 现在AI能主动调用工具：搜索、查数据库、执行代码 |
| 长上下文窗口 | 记不住前面的对话 | 现在能记住几十轮对话，甚至整本书的内容 |
简单说：之前的AI像"金鱼记忆的聊天机器人"，现在的AI像"能记住事情、会用工具的助理"。
1.2 已经有人在用了
1.2.1 智能客服、代码助手、数据分析
AI Agent不是"未来科技"，现在已经有人在用了：
案例1：智能客服Agent
传统客服机器人：
- 用户问："我的订单什么时候到？"
- 机器人："请输入您的订单号。"（然后就卡死了）
AI Agent做客服：
- 从对话里自动提取用户信息（不用你手动输入订单号）
- 调用物流API查询订单状态
- 如果发现延误，主动提出补偿方案
- 如果解决不了，自动转人工，并把聊天记录摘要给人工客服看
案例2：代码助手Agent
传统代码补全工具：
- 你写一半，它给你补全下一行
- 但它不知道你的整个项目结构
AI Agent做代码助手：
- 理解你的整个项目（读取所有文件、理解架构）
- 你下指令："帮我加一个用户登录功能"
- 它自己：分析现有代码 → 生成代码 → 写测试 → 更新文档 → 提交PR
- 你只需要Review
案例3：数据分析Agent
传统BI工具：
- 你需要懂SQL，自己写查询
- 或者找数据分析师帮你跑数据
AI Agent做数据分析：
- 你问："上个季度哪个产品卖得最好？为什么？"
- 它自己：连接数据库 → 写SQL查询 → 生成图表 → 分析原因 → 生成报告
- 你只需要提问，它给你完整答案
1.2.2 为什么要现在开始学？
第一，软件在变。 传统软件是你操作它（点按钮、填表单、跑脚本）；AI Agent软件是你告诉它目标，它操作自己。这意味着对开发者的要求变了——你需要懂怎么设计和开发Agent系统。
第二，机会在变。 招聘网站上陆续出现了AI Agent开发工程师、Agent系统架构师这些新岗位。相关岗位的薪资普遍高于传统开发岗。
第三，技术栈在变。 传统后端开发是 Python/Java + 数据库 + API；AI Agent开发是 Python + LangChain/LangGraph + 向量数据库 + LLM + Prompt工程 + 工具调用——老经验的含金量在下降，新人的机会在增加。
1.3 两条路，你选哪条？
1.3.1 本书的内容结构
这本书分为四部分、18章：
第一部分：准备篇（第1-3章）
└─ Python环境搭建 + Python核心回顾
第二部分：原理篇（第4-10章）
└─ AI Agent核心原理：推理、工具调用、记忆、规划、Multi-Agent
第三部分：进阶篇（第11-15章）
└─ 框架原理、安全评估、MCP协议、边界与架构设计
第四部分：实战篇（第16-18章）
└─ 3个企业级项目：智能客服、文档分析、代码助手
附录：面试题精选1.3.2 两条阅读路线
路线A：完整学习（推荐）
适合：Python基础不扎实，或者想系统学习AI Agent的读者
路线B：快速实战
适合：Python基础扎实，想快速上手做项目的读者
1.3.3 学习建议
建议1：代码一定要跑
这本书的每一个代码示例，都是完整可运行的。不要只是"看"，要复制 → 粘贴 → 运行 → 改改看。改改参数、改改Prompt、删掉某行代码看看会报什么错——改动是最好的学习方式。
建议2：先用Mock模式，再接真实API
这本书所有项目都支持Mock模式——不用买API Key、不用连VPN，就能把代码跑通。先用Mock跑通逻辑，再接入真实的LLM API（通义千问、OpenAI、Gemini都行）。这样你不用花一分钱，就能学完所有内容。
建议3：不要跳着做项目
第四部分的3个项目，都是Day-by-Day渐进式建造的。Day 1的代码是Day 2的基础，Day 2的代码是Day 3的基础……跳着做，必卡。老老实实按顺序来。
建议4：加入交流群，别一个人死磕
这本书配套有免费的AI学习交流微信群。你遇到的问题，可能已经有其他人问过了。你卡住的地方，可能群友已经遇到过了。一个人学AI Agent，容易放弃。一群人学，能坚持下来。
1.4 本章小结
这一章，我们讲了：
- AI Agent是什么：能理解目标、自主规划、调用工具、完成任务的AI系统。ChatGPT是参谋，Agent是助理。
- 为什么是现在：LLM、函数调用、长上下文三大技术成熟，让Agent变得真正可用。
- 应用场景：智能客服、代码助手、数据分析……已经有人在用了。
- 本书的学习路径：四部分18章，从Python基础到企业落地。两条路线，任你选择。
✅ 知识点检查
学完这一章，试试回答这几个问题：
- [ ] AI Agent和普通聊天机器人最核心的区别是什么？
- [ ] 为什么AI Agent最近几年才真正火起来？哪三项技术起到了关键作用？
- [ ] 如果你Python基础不错，应该走哪条阅读路线？
- [ ] Mock模式是什么？它帮你解决了什么痛点？
📚 延伸阅读
- LangChain官方文档：https://docs.langchain.com
- 我的公众号「图解AI系列」：有更多图解教程
- 本书配套源码：关注公众号「图解AI系列」免费领取
🎯 下一章预告
第2章，我们不急着写Agent代码——
"别急，先把刀磨快。Python装不对，后面全是坑。"
