AI Agent

从What到Why

从Why到How

从0到1搭建AI Agent

当ChatGPT在2022年底横空出世，当GPT-4在2023年惊艳四座，当各类AI助手在2024年如雨后春笋般涌现，当DeepSeek在2025年春节让我们感受到了国产大模型所带来的震撼，我们似乎正在见证一个新时代的来临。而现在，Agent已经成为大家茶余饭后畅聊的一个话题。作为一名在企业IT领域深耕15年的技术人，我目睹了太多的技术浪潮，但这一次，我感觉到了不一样的震撼—AI，更精确地讲是Agent，已经不再是程序员和架构师的“专利”，而是开始悄悄渗入产品经理的产品需求文档（Product Requirement Document，PRD）、业务主管的目标与关键成果法（Objectives and Key Results，OKR），甚至HR的招聘JD里。

我第一次意识到“出圈”的信号，是在一家传统制造企业做内训时。茶歇时，负责采购的副总裁拉着我问：“郑老师，您能不能用Agent技术帮我把3家供应商的报价单自动比对，再生成一份带风险提醒的采购建议？最好还能发邮件给财务总监。”他说这话时，眼里含着期待，像极了十年前第一次接触“云计算”时的我自己。那一刻我明白：Agent不再是技术人口中的“黑话”，它正在成为企业里“人人可感”的生产力。

可当我们真正坐下来，想把“Agent落地”拆成一张计划表时，才发现事情远不像PPT里画得那么潇洒。技术部门担心数据安全，业务部门担心流程被“AI瞎改”，法务部门则把“自动决策”4个字圈出来打了3个问号。更尴尬的是，市面上90%的Agent教程都在讲“30分钟搭一个聊天机器人”，却没人告诉你—第二天早会，财务总监问“为什么机器人把9.6折算成了96折”，你该怎么收场？

面对这些问题和挑战，我们首先要明确：究竟什么是Agent？它又是如何运作的呢？你可以把Agent看作一个贴心的小助理，全程它自己打点，你只需要开口提需求，最后验收结果即可。举一个例子你就明白了，首先你可以用大白话告诉Agent你的目标，比如“帮我做一份周末旅行攻略”。它会先把这句话记在小本本上，确保不会漏掉任何细节。接着，它把大任务拆成几个小步骤：先查天气，再找景点，接着算路费，最后排好时间表。每一步都清清楚楚，像打钩一样逐项完成。动手时，它自己打开天气网站、搜索热门景点、调用地图算车费，再把所有信息按上午、下午、晚上排成一份顺眼的时间表。如果中途发现景点太远或天气不好，它会自动替换或调整，不用你额外提醒。全部完成后，它把整理好的攻略递到你面前。整个过程，你只负责最开始的一句话和最后的确认，其余统统交给它。Agent与以ChatGPT及DeepSeek为代表的对话式大语言模型最大的不同之处在于，它在完成推理和内容生成的同时，还能够与外部环境进行交互，从而完成各种定制化的操作。

我们说清楚了什么是Agent，接下来要明确如何构建Agent。请注意，Agent并不是孤立的一种媒介，而是需要和现实中的场景和诉求紧密结合。我会带你回到Agent的技术本源，像拆老收音机一样，把Agent的结构一层一层剥离出来。在本书中，结合我在现实中的大量实践和案例，把Agent的构建路径拆分成3个层级。

 感知层：为Agent提供外部世界的实时原始数据，解决“看不见”的问题。我们把分散在网页、图片、数据库、日志里的信息变成持续、结构化、可查询的数据流，奠定后续一切决策与行动的事实基础。没有它，Agent就是“盲人”，只能空谈模型能力。

 认知层：在数据之上建立业务语义与推理能力，解决“看不懂、不会想”的问题。通过大模型、知识库、规则引擎把原始数据转化为可解释的知识、指标和决策依据，形成“什么时候该做什么”的判断逻辑。它让Agent能够动态选择合适的第三方以及自定义的工具（Tool）组件，实现真正的智能决策。在这个过程中，Agent和DeepSeek等大模型是“脑—手”分离、持续迭代的关系。大模型负责“想”，Agent负责“干”，每次“干”完再把现场情况汇报给“大脑”继续“想”，从而形成一个认知闭环。

 执行层：把认知结果变成可落地的动作，解决“怎么做”的问题。通过对接OA、ERP、邮件、IM等现有系统，将决策自动拆分为审批流、订单、消息、脚本调用等可执行单元，并实时回收执行反馈。它让Agent的推理能力最终变成可执行的业务闭环，完成从智能到价值的兑现。

通过把“感知—认知—执行”三层外壳一片片打开，我们可以看到：感知层里，RPA如何像爬虫一样潜入竞品网站；认知层里，大模型怎样把一句话需求翻译成可调用的API清单；执行层里，又是哪一行代码让钉钉机器人在群里蹦出“@所有人，新款毛利低于25%，已自动下架”。你不需要懂代码，就能跟着我一起体验—原来Agent可以这样提高我的工作效率。

听起来是不是很美好？从接触Agent的概念和应用场景开始，我就充满了好奇和兴奋。从OpenAI率先提出函数调用（Function Calling）机制，到后面各种工具组件的实现，再到Manus这样的Agent平台化产品的问世，我都深入参与到了技术演进的过程中。通过对函数调用的理解，以及LangChain、LangGraph等集成性开发框架底层原理的探究，让我对Agent的运行机制有了深层次的理解。身处Agent时代，理解Agent的运行机制是十分有必要的。知道一个事物和知道一个事物如何运作是完全不一样的，后者能让我们思考得更深，走得更远。

回顾我的学习和实践经历，我也深感构建Agent应用并不是一件容易的事情。面对晦涩、抽象的概念、层出不穷的技术、纷繁复杂的业务场景，可以说是充满了挑战与困惑。很多Agent相关概念与自然语言处理（Natural Language Processing，NLP）以及大模型底层机制相关，需要具备一定的专业技术知识。同时，构建Agent应用又是一件强业务相关的事情，需要你对业务场景具备抽象能力，能够把业务规则转化为Agent所能调用的工具。这个过程充满挑战，但一旦Agent构建成功，那么带来的就是数十倍的效率提升，以及全自动化的交互体验。

我相信，在探索Agent之旅中我所遇到的困难和疑惑，也是所有初学者所面临的共同问题。于是，作为一个资深的技术图书作者，我萌生了一个念头：写一本真正能让“技术—业务—管理”三界同频的书。它既要让CTO看得懂架构，也要让产品经理设计得了流程；既要让程序员拿得到代码，也要让业务老大算得清ROI；甚至要让刚毕业的小白，也能照着实操跑通第一个“会发邮件的Agent”。它将帮助读者克服构建Agent应用中的障碍，让抽象的概念变得具体可感，让技术成为你有力的武器。

下面详细介绍本书的内容脉络。

缘起：当大模型还只是“会说话”的时候，企业真正渴望的是能自己“找目标、定路径、交结果”的数字员工。Agent的概念因此被推上前台。那么，Agent如何在企业中进行落地？本书第一部分旨在明确Agent的基本概念和技术体系，通过深度解析Agent在企业感知层、认知层、执行层的融合路径与架构设计，涵盖企业级Agent应用开发方法和流程。

筑基：为了让Agent有资格踏进生产环境，必须先回答4个最敏感的问题—谁有权指挥它、数据会不会外泄、工具调用是否越界、每一次思考能否被事后审计。把这4道关抽象成身份、数据、工具、审计四把锁，再通过对比选择能够私有化部署、支持可插拔模型的主流Agent平台—Dify平台，从而为构建企业级Agent打下基础。

进化：Agent不能只是“外挂”，必须像器官一样长在企业的数据血脉上—感知层把多维异构数据统一成标准事件流；认知层用Dify的Agent模式应对突发问题，用Workflow模式完成批量任务，让“即兴”与“规程”并行；执行层把钉钉、邮件、ERP全部封装成可调用的工具，认知层只需一句自然语言指令就能驱动工作流的自动化运作，数据从此在“人—机—系统”之间无缝转换和流转，Agent也真正获得企业级的行动能力。

淬火：能跑不算本事，我们需要把Agent拆成3种发布形态—给人看的Web站点、给系统看的MCP服务、给页面看的嵌入组件—再配上一套LLMOps技术指标与业务转化率双循环监控，确保Agent能用且好用。

通过本书，我希望借助于Agent的力量来为你赋能。如果你是一名技术管理者（CTO、架构师、技术总监），本书可以帮助你看懂企业级Agent的整体架构和落地路径，为技术选型、团队搭建和长期演进提供决策依据；如果你是产品经理与业务负责人，本书有助于你把“Agent 能力”写进 PRD、OKR，设计可落地的业务流程，评估自动化带来的效率提升与风险，推动业务价值兑现；如果你是企业法务、HR、采购等职能管理者，关心数据安全、权限审计、自动决策合规性，本书可以帮助你了解如何在招聘、供应商管理、财务审批等场景引入数字员工。而如果你是一线开发者或刚毕业的“小白”，想快速跑通第一个“会发邮件的 Agent”，那么本书也能帮助你掌握“感知—认知—执行”三层拆分方法，熟悉Dify等主流框架的实操细节。

最后，在本书中，我也将结合现实中的业务场景从零打造一组简单又完整的案例系统，从而帮助你不仅知道概念和工具的使用方式，还知道如何应用这些概念和工具解决实际问题。只要紧跟书中的步伐，就一定能参透Agent的奥秘。最好的技术书籍不是告诉你答案，而是教会你如何思考。希望这本书能够成为你技术旅程中的一盏明灯，照亮你前行的道路。

让我们一起揭开Agent的神秘面纱，开始这段奇妙的Agent之旅，探索人工智能在企业环境中的无限可能吧。

第一部分 Agent基础认知篇
第1章 认识Agent 2
1.1 大模型应用方式和核心概念 3
1.1.1 大模型及其应用方式 3
1.1.2 大模型应用开发基础概念 5
1.2 从大模型到Agent 7
1.2.1 Agent基本概念 7
1.2.2 Agent关键技术 8
1.2.3 Agent应用场景 10
1.3 Agent构建方式 12
1.3.1 Agent实现方式 12
1.3.2 Agent融合工作流 14
1.3.3 Agent开发框架和平台 17
1.4 本章小结 18
第2章 构建企业级Agent 19
2.1 Agent与企业落地性 20
2.1.1 Agent在企业中的价值分析 20
2.1.2 Agent在企业中的构建需求 21
2.2 Agent与人机协同 23
2.2.1 人机协同基本理念 23
2.2.2 人机协同分工模型 25
2.3 创建企业级Agent应用 27
2.3.1 Agent应用构建方法 27
2.3.2 Agent应用设计模式 29
2.3.3 Agent应用整体架构 32
2.4 本章小结 34
第3章 融合Agent和业务场景 35
3.1 企业级Agent融合架构 36
3.2 感知层融合—运用数据采集策略 37
3.2.1 文件上传和管理 38
3.2.2 数据对接和集成 39
3.2.3 数据抓取和订阅 40
3.2.4 企业数据库整合 41
3.3 认知层融合—构建智能决策体系 42
3.3.1 集成大模型 43
3.3.2 使用Agent 44
3.3.3 定制化工具 45
3.3.4 构建知识库 46
3.3.5 构建智能工作流 47
3.4 执行层融合—闭环业务执行链路 48
3.4.1 搭建办公自动化 48
3.4.2 集成第三方平台 50
3.4.3 集成企业业务系统 50
3.4.4 集成MCP服务器 51
3.5 本章小结 52
第二部分 Agent构建方法篇
第4章 搭建私有化Agent平台 54
4.1 企业级Agent开发平台选型 55
4.2 引入Dify平台 56
4.2.1 Dify功能体系 56
4.2.2 Dify开发模式 59
4.3 私有化部署Dify 63
4.3.1 Dify部署方案总览 63
4.3.2 部署Docker 64
4.3.3 部署Dify 68
4.3.4 部署模型管理平台 71
4.4 创建Dify应用 76
4.4.1 Dify应用类型和创建方式 76
4.4.2 创建Dify文本生成应用 79
4.4.3 创建Dify聊天助手应用 84
4.5 本章小结 86
第5章 构建Agent感知层 87
5.1 处理文件 88
5.1.1 文件处理基本策略 88
5.1.2 使用用户输入节点上传文档 89
5.1.3 使用文档提取器节点提取文档 91
5.1.4 使用代码执行节点实现定制化处理 92
5.2 基于HTTP协议调用Web API 96
5.2.1 HTTP协议和Web服务 96
5.2.2 使用HTTP请求节点实现系统集成 101
5.3 基于爬虫抓取数据 106
5.3.1 Firecrawl与爬虫技术 106
5.3.2 使用Firecrawl抓取数据 107
5.4 基于RSS订阅数据 109
5.4.1 RSS订阅机制 109
5.4.2 基于HTTP请求节点实现RSS订阅 110
5.5 基于OCR提取数据 111
5.5.1 文字识别和OCR技术 111
5.5.2 基于OCR获取文本内容 112
5.6 基于RPA处理数据 114
5.6.1 RPA基本概念和原理 114
5.6.2 使用Automa获取页面数据 116
5.7 访问企业数据库 118
5.7.1 数据库访问场景和需求 118
5.7.2 基于插件实现数据库操作 119
5.8 本章小结 121
第6章 构建Agent认知层：工作流 122
6.1 工作流开发过程 123
6.1.1 工作流类型 123
6.1.2 工作流核心概念 125
6.1.3 工作流调试 131
6.2 编排工作流节点 133
6.2.1 流程控制类节点 133
6.2.2 AI类节点 141
6.2.3 逻辑转换类节点 147
6.2.4 工具类节点 157
6.3 本章小结 158
第7章 构建Agent认知层：Agent和工具 159
7.1 构建Agent 160
7.1.1 初始化Agent策略 160
7.1.2 配置工具和聊天记忆 164
7.2 开发工具 171
7.2.1 自定义工具 171
7.2.2 工作流工具 178
7.2.3 MCP服务器 179
7.3 本章小结 183
第8章 构建Agent认知层：RAG知识库 184
8.1 引入RAG 185
8.1.1 RAG核心概念 185
8.1.2 RAG组成结构 187
8.2 创建RAG知识库 190
8.2.1 基于文档上传创建知识库 190
8.2.2 基于流水线创建知识库 197
8.3 应用集成知识库 200
8.3.1 知识检索节点 200
8.3.2 元数据 203
8.4 本章小结 205
第9章 构建Agent执行层 206
9.1 搭建办公自动化 206
9.1.1 集成钉钉和企业微信 207
9.1.2 集成邮件 210
9.2 集成第三方协作平台 211
9.2.1 集成Notion 211
9.2.2 集成飞书 215
9.3 集成MCP服务器 217
9.4 本章小结 220
第10章 搭建Agent生产化体系 221
10.1 发布应用 222
10.1.1 发布应用为Web站点 222
10.1.2 将应用部署为MCP服务 222
10.1.3 将应用嵌入网站 223
10.2 集成应用 224
10.2.1 Dify API功能体系 224
10.2.2 业务系统调用Dify API 225
10.3 安全性和治理方案 230
10.3.1 身份认证和授权体系 230
10.3.2 工具调用管控 232
10.3.3 应用监控 236
10.4 本章小结 240
第三部分 Agent案例实战篇
第11章 构建票务对账Agent 242
11.1 场景分析和架构设计 243
11.1.1 票务对账场景分析 243
11.1.2 票务对账Agent设计 244
11.2 创建票务对账Agent 245
11.2.1 感知层—对账数据预处理 246
11.2.2 认知层—对账数据智能匹配 252
11.2.3 执行层—对账数据调整和通知 258
11.3 执行票务对账Agent 261
11.4 本章小结 264
第12章 构建商品智能调价Agent 265
12.1 场景分析和架构设计 266
12.1.1 商品智能调价场景分析 266
12.1.2 商品智能调价Agent设计 266
12.2 创建商品智能调价Agent 268
12.2.1 感知层—商品价格数据预处理 268
12.2.2 认知层—商品价格智能计算 273
12.2.3 执行层—商品价格调整和通知 280
12.3 执行商品智能调价Agent 283
12.4 本章小结 288

1. 信息素养与人工智能基础 [罗奕 程小恩]
2. 计算方法 [徐应祥]
3. 农村社会调查与SPSS统计分析实务 [主编 黄颖]
4. 大学应用数学（第二版） [主编 郭立娟]
5. 人工智能系统部署与运维 [主编 牟鑫 谢宇]
6. 用英语讲中国故事：高频1000词 [胡玉 编著]
7. AIGC通识与应用（微课版） [主编　林朝平 杨静 ]
8. 数字技术应用 [主编 马永生 姚雪 于德萍]
9. 贵州电网有限责任公司安全监管专业技术人员典型业务知识及案例汇编 [主编 黎安俊 赵凤仪 娄方桥]
10. 算法分析与设计（基于 Python 语言） [主编 王璐烽　张光晨　冯占伟]
11. 大学计算机——人工智能与数字素养 [主编　王家宁　张世龙]
12. 物流中心作业设计与实施 [主编　孙瑞者]
13. 人工智能技术应用项目式教程 [主编　孙丰伟]
14. 融合多因素的位置服务隐私保护：从理论到方法 [李勇军 余雨萍 著]
15. 电力系统继电保护 [主编 王志华 蔡红梅 郭英芳]
16. 风电机组运行与维护 [主编 巩真 呼吉亚 班淑珍]
17. Python程序设计 [主编 卢山]
18. 信息科技基础（上下册） [主编 闵笛 彭增焰]
19. 信息素养与人工智能基础实验教程 [主 编　罗奕 钱前]
20. 藏香鸡高效健康养殖与疾病防控 [黄增文 陈意群 王中成 等 著]
21. 大学物理实验（第三版） [主编 张强 李含 孙耀强]
22. 人工智能通识课实践教程 [主编　冯大春　刘双印　胡海艳]
23. 中学物理实验训练简明教程 [主编 黄永平 吴英]
24. 数据库原理及应用 [主编 解启娜 曾安平 张航旗]
25. 推荐算法 [顾爽 著]
26. 机电设备装配与维修 [主编　周锡]
27. 人工智能赋能教师发展研究与实践 [吴涛 余光华 闵笛 著]
28. 普通机床的零件加工 [主编　周锡　龙育才]
29. 影响你一生的英语背诵范文大全·栀子花开（2000 词汇量版）（第2版） [主编 张元婧　宋歌　成晔]
30. AIGC基础与应用 [主编 彭波 谢崇波]