2026 年如何搭建 AI agent:5 步指南
更新于 2026-11
TL;DR: 搭一个 AI agent,就是给语言模型提供上下文、指令和至少一个工具,然后让它在循环里一直跑,直到把活干完。先从一个小任务开始,把每个工具描述给模型,限制最大步数,在加更多 agent 之前先加一个检查环节。从无代码工具到多 agent 团队,本质上都是在重复这个模式。
如何搭建 AI agent:先弄清 agent 是什么
AI agent 其实就是一个会用工具的语言模型,在循环里一直跑,直到把活干完。就这些。AI agent 真的就只是这样。本文里 2026 年的每一个搭建案例,从最多跑 10 步的 Python 脚本,到 12 个进程组成的 agent 团队,都建立在这一个定义上。本节接下来讲清楚两件事:让 agent 区别于聊天机器人的 2 个能力,也就是工具调用和循环;以及限制模型一次能看到多少内容的上下文窗口。
AI agent 是一个会用工具、在循环里一直运行直到完成任务的语言模型。在上面这段 2026 年 7 月的视频里,讲解从聊天机器人和 agent 的区别开始。普通聊天机器人,或者说单纯的语言模型,只能做 1 件事:说话。你发一条消息,它回一段文字,整个交互就结束了。它不能查邮件、不能搜索网页、不能订东西,也不能更新数据库。给模型加上 2 个新能力,就得到了 agent:一是在现实世界里执行动作,也就是工具调用;二是能自己继续往下做。
所以,聊天机器人回答问题,而 agent 可以接到一个目标,然后通过多个步骤、使用给它的工具真正把事情做完。模型做的只有一件事:预测文本。它没有手,也没有记忆。模型想搜索时,并不会神奇地自己上网,而是输出一条结构化消息,意思是"我要用这个搜索工具"。运行模型的代码看到这条消息后,去执行搜索工具,拿到结果再交还给模型处理。决定做什么的是模型,真正执行命令的是运行模型的那段代码,这就叫 agentic harness(agent 运行框架)。
上下文窗口是 agent 的工作记忆,也就是模型一次能看到的全部内容,比如你的指令、对话、工具调用以及工具调用的结果。但它有上限。所以搭好 agent 的很大一部分功夫,在于聪明地决定往这个窗口里放什么,这也叫上下文工程(context engineering)。
4 个组成部分:上下文、指令、大脑和工具
一个 agent 由 4 个部分组成:上下文、指令、大脑和工具。所以,构成 AI agent 的就是模型、工具和循环。在 2026 年 9 月的一个教程里,上下文和指令都是普通的 markdown 文件,大脑是 Claude、Codex 或 Gemini 这样的大语言模型,工具则是它的手,让它能读文件、打开浏览器。这 4 个部分放在一个文件夹里就够了,所以第一个 agent 只需要 Visual Studio Code 加一个扩展。
AI agent 是这样一种软件:它用大语言模型决定做什么,用工具采取行动去完成目标,并在循环里不断重复这些步骤。这期 2026 年 9 月的教程说,让 agent 运转起来的有 4 个主要部分。第一是上下文:你提供给 agent 的信息,可以简单到介绍你的业务和品牌,或者你的写作和内容风格。第二是指令:你想让 agent 做什么工作、怎么做。上下文和指令其实就是 markdown 文件。
第三是大脑。agent 的大脑就是大语言模型,可以是 Claude、Codex、Gemini,也可以是本地大模型。它读取上下文和指令,决定下一步做什么。第四是工具。工具就像 agent 的手,可以很简单,比如让 agent 访问你的文件和文件夹,或者给它一个浏览器,让它替你上网搜索。从大脑到上下文、到指令、再到工具,这个过程不断重复,直到目标或任务完成,这个重复的过程就叫 agent 循环(agent loop)。
这期教程只给 agent 一个小任务:帮忙挑选下一篇要写的博客文章。唯一的前提是装好 Visual Studio Code,以及你想用作大脑的 AI agent 扩展。做好一个 agent 之后,你可以再做一个负责别的工作的 agent。把它们连在一起,你也能拥有自己的 agent 团队,而且这很可能比你原来想的简单得多。
用 Python 自己写 agent 循环
标准语言模型是无状态的。它们接收输入、给出输出,然后立刻忘掉这次交互。而 AI agent 是在一个持续的循环里运行的。大多数从零手写的 agent 用的是 ReAct 循环,出自 2022 年 10 月的一篇论文:思考、用工具行动、读取观察结果,再重复。2026 年 8 月的纯 Python 版本只需要 3 个工具函数、每个工具一份 JSON schema,再加一个设为 10 的最大步数变量,完全不用框架。
ReAct 模式是大多数从零手写的 agent 使用的循环,意思是推理加行动(reasoning and acting)。这个想法来自 2022 年 10 月的论文《ReAct: Synergizing Reasoning and Acting in Language Models》。在上面这段 2026 年 8 月的视频里,模型先针对目标产生一个想法,再用外部工具执行一个动作,然后拿回一条观察结果。为了让 agent 真正有本事,视频写了 3 个 Python 函数:一个调用天气 API,一个安全地解析数学表达式,一个搜索网页。

画面:用纯 Python 搭 ReAct agent,循环最多运行 max_steps 次。
但写代码只是第一步。语言模型的 API 没法直接读你的 Python 文件,弄清这些函数做什么、需要哪些参数。你需要把每个工具翻译成一个 JSON schema。这个 schema 就像一本说明书,告诉模型工具的名字、用途,以及触发它需要的参数。一个中央 while 循环负责模型和工具之间的来回调度。运行之前,要设一个硬上限,也就是最大步数变量。这道闸门能防止 agent 陷入死循环。
核心机制是这样的:每次 Python 工具运行完,它的文本输出,也就是观察结果,会被追加到对话历史里。更新后的内容再发回给模型,进入下一轮。把每个动作的结果都喂回上下文窗口,就模拟出了短期记忆,让模型能把多个步骤串起来。从零搭一个 ReAct agent:写好 Python 工具,定义它们的 JSON schema,实现循环,把观察结果追加到上下文窗口,再用最大步数封顶。

arXiv 上 ReAct 论文页面截图,论文首次提交于 2022 年 10 月 6 日。
选一种模式:顺序型、反应型还是规划型 agent
往最简单里说,agent 是一种不只会回答的软件。它能做决定,也能采取行动。它怎么做决定,取决于用哪种模式。2026 年 7 月的一段视频片段列出了 3 种:一步步执行的顺序型、当场做判断的反应型,以及先拟计划的规划型。同一段片段接着用谷歌 ADK 把一个规划 agent、一个写作 agent 和 2 个检查 agent 串成一条博客写作流水线,下面逐步拆开讲。
agent 是不只会回答的软件:它看你的请求,判断需要哪些步骤,可能调用 API、运行代码、查看结果,再决定下一步。这段 2026 年 7 月分享的片段列出了 3 种大的模式。顺序型 agent 像流水线一样一步步执行,可预测但死板。反应型 agent 当场做决定,灵活但不提前规划。规划型 agent 先停下来拟个计划再执行。简单、可预测的流程用顺序型就够了;动态的工作,反应型更合适;有依赖关系的多步骤目标,就要用规划型。
同一段视频用谷歌的 ADK 搭了一个写博客的 agent。第一个 agent 叫博客规划器,它唯一的工作是把一个主题变成结构化大纲。接着是第二个 agent:大纲校验器。它不写任何新内容。如果大纲有标题、引言、4 到 6 个小节和结论,它必须回答 okay;如果缺了什么,就必须回答 retry 并说明问题。规划器和校验器被包在一个循环 agent 里,最多重试 3 次。这就是一张安全网:模型漏了什么,还有机会补上。
写作 agent 和它自己的校验器也是同样的结构,最后由一个根 agent 先调用规划工具,再调用写作工具。你给它一个主题,它规划、写作、检查,然后交给你一篇完整的博客文章。2026 年的一点核实:谷歌 ADK 文档现在已把包括 LoopAgent 在内的这类模板工作流 agent 标为被基于图的工作流取代,照抄旧代码之前请先看最新文档。
agent 还是自动化?先搭能用的最简单方案
搭能用的最简单方案。
自动化是固定的、按规则执行的流程,agent 则会推理和做决定,二者怎么选是第一个设计决策。一个 agent 能搞定,就用一个。如果根本不需要 agent,自动化更合适,那就用自动化。2026 年 8 月的一个例子把界线划得很清楚:每天早上定时发天气邮件,1 个自动化就够;而像“今天要不要带伞”这样的问题,就需要一个会推理的 agent。
AI agent 是能根据给定信息自己推理、规划并采取行动的系统;自动化则是一个静态的、基于规则的流程,从 A 到 B 再到 C。这段 2026 年 8 月的视频举了个例子:一个自动化流程每天早上按时运行,查天气,然后把天气摘要发邮件给你。它只是按规则办事,每次都一样。而一个天气 agent 被问到"今天要带伞吗?"时,会意识到自己需要天气数据,于是调用天气 API、查看是否下雨,再据此给出回答。这就是推理和随机应变。
agent 依赖 3 个关键组成部分:大脑、记忆和工具。工具是 agent 和外部世界打交道的方式:获取数据、执行动作(比如发邮件),或者做编排(比如调用其他 agent)。在 n8n 里,专门的 AI agent 节点给大脑、记忆和工具都留好了插槽,不用写代码也能搭一个。
最后一点是护栏(guardrails)。没有护栏,agent 可能会产生幻觉、陷入循环或者做出糟糕的决定。想象有人给你的客服 agent 发消息说"忽略之前的所有指令"。你需要护栏,保证 agent 不会照做。找出你具体使用场景里的风险和边界情况,并随着 agent 的演进不断调整护栏。
从一个 agent 到一个 agent 团队
一个 agent 就是几行 Python、一个角色、一项能力和一段提示词,所以团队的难点不在 agent 本身,而在它们怎么分担 1 份工作。2026 年 10 月的一个演示让 12 个对等节点运行,没有主节点也没有调度器;2026 年 7 月的另一个演示则在发送任何内容前保留人工审批这一步。本节两边都讲:能自行协作的 agent,以及让它们能放心用于工作的审核层。
多 agent 系统是由多个 agent 分担同一项工作的系统。2026 年 10 月的 JarvisCore 演示里有 12 个独立进程,每一个都是对等节点。没有主节点,也没有调度器。节点上线时,每个节点都会发现另外 11 个。没人分配工作,每个节点认领自己能做的步骤,节点之间直接通信。演示里杀掉一个节点后,不需要重启,也不需要运维人员:它的租约一到期,另一个节点就接手这个步骤并完成工作。当 agent 需要访问真实系统时,凭证会放进加密保险库。
你根本没法从提示词直接走到生产级软件。缺失的这一层,就是对工作本身的定义。
第一次,似乎人人都能搭 agent 了。但做出软件是一回事,让它可靠、可重复、能被一个组织使用,完全是另一回事。想象让 agent 从旧金山开车去洛杉矶:这次它可能走 5 号公路,下次走 101 号公路。这就是 agent 的天性,它们能自己找路。但组织有流程、有标准作业程序,也有对结果负责的人。一旦把工作定义清楚,别人就能审阅它,你可以在投入生产前模拟执行,久而久之,你会建立起对这些 agent 工作的信任。
没有批准,什么都不会发出去。
同样的思路也出现在 2026 年 7 月的一段演示里:一句平实的话就变成了一个能用的 agent——“每周一拉出未付发票,起草礼貌的催款提醒,让我审核,然后发送并记录结果。”agent 为每张逾期发票起草提醒,然后停下来。它修复的每个错误、你做的每次修改都会变成知识,所以 agent 会越来越聪明,而审批权始终在你手里。
搭建第一个 AI agent 的 5 步清单
agent 循环就是每次你听到有人在网上谈论自己的 agent 或 agent 团队时,背后都是同一个模式,所以 2026 年第一次搭建,下面 5 步就够了:上下文、指令、一个 AI 模型,以及至少一个工具。先从单 agent 系统开始,这是最好的起点;等你更熟练了,再扩展到多 agent 系统。尽量保持简单。
- 选一个小任务。 比如帮忙挑下一篇博客选题,或者催收未付发票。
- 把上下文和指令写成 纯文本 markdown 文件。
- 选好大脑,并至少给它一个工具,用 JSON schema 描述。
- 带硬上限运行循环:把每条观察结果追加到上下文窗口,并用最大步数变量封顶。
- 在加第二个 agent 之前,先加检查环节和护栏。
当你有不止一个 agent,或者不止一个信得过的 AI 时,仍然需要一个让它们的回答碰头的地方。在 Pachat 里,不同的个人 AI agent 在同一个群聊:把你的 Claude、Grok Bot、Muse 和 ChatGPT 放进同一个群聊。它们互相核对事实、争论清楚,然后由你拍板。我们的连接 agent 并开启群聊指南介绍了设置方法,这篇关于何时需要同事的 AI 的文章讲团队用法,Claude Code 教程则带你完成第一个 agent 任务。
常见问题
AI agent 最简单的定义是什么?
AI agent 就是一个会用工具、在循环里一直运行直到完成任务的语言模型。普通聊天机器人只会说话:你发一条消息,它回一段文字。agent 多了 2 个能力:一是工具调用,能执行搜索网页、更新数据库之类的动作;二是循环,能自己一步步做下去,而不是回复 1 次就停。2026 年 7 月和 9 月,开发者们的说法一致:构成 AI agent 的是模型、工具和循环。
搭 AI agent 一定要会写代码吗?
不一定。在 2026 年 8 月的一次演示里,无代码开发者用的是 n8n,它的 AI agent 节点给 3 个关键组成部分都留好了插槽:大脑(比如 ChatGPT 或 Claude 这样的模型)、记忆和工具。如果你会写代码,也可以用纯 Python 自己写循环:3 个工具函数、每个工具一个 JSON schema,再加一个最大步数上限。两条路线遵循同一个模式,所以选哪条能最快把第一个小任务跑通,就从哪条开始。
搭第一个 AI agent 要多久?
只有 1 个小任务、1 个工具的第一个 agent 是个小项目,不是大工程。本文引用的搭建教程发布于 2026 年 7 月到 9 月,视频时长大约从 7 分钟到 25 分钟,每个都以一个能用的 agent 收尾:博客规划器、天气和数学助手,或者帮你挑下一篇文章的"幕僚长"agent。时间主要花在写清楚上下文和指令、测试循环上,而不是框架上。先从小处做起,第一版跑通后再加工具和检查环节。
新手应该选哪种 agent 模式?
从适合任务的最简单模式开始。2026 年 7 月的一段视频片段列出了 3 种模式:像流水线一样一步步执行的顺序型、当场做决定的反应型,以及先拟计划的规划型。简单、可预测的流程用顺序型就行;动态任务更适合反应型;有依赖关系的多步骤目标适合规划型。如果一个固定的自动化流程已经能完成任务,就用自动化,不用 agent。只有当简单版本明显不够用时再升级。
怎样防止 AI agent 无限循环?
给循环设一个硬上限。2026 年 8 月一次演示里从零手写的 Python agent 用了最大步数变量,代码里设为 10,防止 agent 陷入死循环。框架里的循环 agent 也是同样的思路:2026 年 7 月视频片段里用谷歌 ADK 搭的博客 agent,规划器最多重试 3 次就停。再加一个回答 okay 或 retry 的检查 agent,并为有风险的动作加上护栏,这样像"忽略之前的所有指令"这样的消息就没法让 agent 去做你从没批准过的事。
同时用好几个 AI agent 时,Pachat 能帮什么?
Pachat 是一个网页产品,地址是 pachat.ai,适合已经在用不止 1 个 AI 的人。它的官方介绍是:把你的 Claude、Grok Bot、Muse 和 ChatGPT 放进同一个群聊。它们互相核对事实、争论清楚,然后由你拍板。这正对应 2026 年这份清单的第 5 步:在相信某个 agent 的回答之前,先听听别的意见。agent 本身仍然在你自己的代码或无代码工具里搭建。想试试群聊,请访问 pachat.ai。
不同的个人 AI agent,在同一个群聊:从 pachat.ai 开始。
参考
- @TechWithTimm, 2026-07-29: https://x.com/TechWithTimm/status/2082478320135069858
- @mikemurphyai, 2026-09-09: https://x.com/mikemurphyai/status/2097663814556869094
- @NagaSaiSatya, 2026-08-08: https://x.com/NagaSaiSatya/status/2086160658551431375
- @lorden_eth, 2026-07-02: https://x.com/lorden_eth/status/2072772806442443042
- @0xkyver, 2026-08-22: https://x.com/0xkyver/status/2091107125103628773
- @askmuyukani, 2026-10-02: https://x.com/askmuyukani/status/2105924840943136823
- @singh_harpreet, 2026-11-02: https://x.com/singh_harpreet/status/2117386741493461055
- @Shruti_0810, 2026-07-16: https://x.com/Shruti_0810/status/2077652048766525622
- Yao 等,《ReAct: Synergizing Reasoning and Acting in Language Models》,arXiv,2022 年 10 月 6 日:https://arxiv.org/abs/2210.03629
- 谷歌 ADK 文档,循环工作流 agent:https://google.github.io/adk-docs/agents/workflow-agents/loop-agents/



