这是我学习 AI Agent 开发第二周的实战记录。第一周做了一个能自动判断意图的智能体（RAG+SQL+计算器），这周给它加上了规划能力、联网搜索、多轮记忆、自我纠错，最后封装成 HTTP 服务。

---

一、第一周的短板

问题	表现
只能单步	“对比2024和2025年销量”需要硬编码
没记忆	问完“2024年销量”，再问“那2025年呢？”它不知道“那”指什么
不会纠错	SQL写错了直接报错
只能本地	别人没法调用

这周全解决了。

---

二、最终效果

用户问题	智能体行为	回答
笔记本2024年总销量？	规划→执行SQL	95台
那2025年呢？	结合历史→执行SQL	137台，增长42台
今天广州天气？	联网搜索	大雨，18℃~27℃
笔记本和平板哪个2025年销量高？	拆两步→分别查→对比	笔记本137台，平板105台
查一下不存在的表	执行SQL→检测语法错误→重新规划	当前数据库只有sales表

---

三、技术栈（新增）

工具	用途
Tavily	联网搜索API
FastAPI + Uvicorn	HTTP服务封装
SQLite	记忆数据库（存对话历史）

---

四、核心架构：规划-执行-总结

用户问题
    ↓
规划节点（LLM拆解任务，选择工具）
    ↓
执行节点（循环调用工具）← 工具注册表
    ↓
反思节点（检查结果）→ 有问题就重试/重新规划
    ↓
总结节点（LLM生成答案）← 加载历史记忆
    ↓
最终答案

---

五、七项核心能力

1. 规划模式

用户问“笔记本和平板哪个2025年销量高”，LLM自动输出：

{
    "plan": [
        {"tool": "sql", "query": "SELECT SUM(quantity) FROM sales WHERE product_name='笔记本' AND year=2025"},
        {"tool": "sql", "query": "SELECT SUM(quantity) FROM sales WHERE product_name='平板' AND year=2025"}
    ]
}

2. 联网搜索

def search_tool(query):
    response = tavily.search(query=query, search_depth="basic", max_results=3)
    return format_results(response["results"])

3. 反思机制

执行完一步，让LLM检查结果质量。有问题就标记重试。

4. 记忆能力

用SQLite存对话历史，规划节点和总结节点都会加载最近5轮对话。

5. 错误分类

错误类型	处理策略
SQL语法错误	重新生成SQL
网络超时	自动重试
表不存在	跳过
搜索无结果	换关键词重试

6. 工具注册表

registry = ToolRegistry()
registry.register("sql", "查询销售数据库", sql_tool)
registry.register("search", "联网搜索", search_tool)
# 加新工具一行代码
registry.register("calculator", "数学计算", calc_tool)

7. FastAPI封装

@app.post("/ask")
def ask(question: QuestionRequest):
    return run_agent(question.question)

启动后访问 http://127.0.0.1:8000/docs 即可测试。

---

六、运行效果

cd week2
python agent_with_error_classification.py

输出：

七、踩坑记录

问题	解决
PowerShell运行py文件报错	用 python .\文件名.py
API Key读不到	.env放对目录，变量名大写
工具名大小写不匹配	统一用小写
SQL语法错误	反思节点+重新规划

---

八、代码仓库

https://github.com/qiu121122/agent-learning

week2/
├── planning_agent.py               # 规划模式
├── agent_with_search.py            # 联网搜索
├── agent_with_reflection.py        # 反思机制
├── agent_with_memory.py            # 记忆能力
├── agent_with_tool_registry.py     # 工具注册表
├── agent_with_error_classification.py  # 错误分类（完整版）
└── fastapi_service.py              # FastAPI封装

---

九、下一步

• 多智能体协作
• 部署到云服务器
• 前端界面

---

上一篇：从零实现一个多工具智能体：RAG + SQL + 计算器（Python + LangGraph）

本文首发掘金，同步CSDN。