当 AI 开始 “自主上班”：智能体如何成为你的数字同事？

graph TD
    A[感知：接收目标+环境信息] --> B[规划：拆解任务+制定步骤]
    B --> C[行动：调用工具+执行操作]
    C --> D[观察：获取反馈+判断结果]
    D --> E{任务完成？}
    E -- 是 --> F[输出最终结果]
    E -- 否 --> B[重新规划：调整策略]

from langchain.agents import initialize_agent, Tool
from langchain.chat_models import ChatOpenAI
from langchain.tools import PythonREPLTool
import pandas as pd

# 1. 定义工具：Python代码执行工具（用于数据分析）
tools = [
    Tool(
        name="PythonREPL",
        func=PythonREPLTool().run,
        description="用于执行Python代码，可进行数据处理、图表生成等操作"
    )
]

# 2. 初始化LLM和Agent
llm = ChatOpenAI(model_name="gpt-3.5-turbo", temperature=0)
agent = initialize_agent(
    tools,
    llm,
    agent="chat-zero-shot-react-description",  # ReAct框架
    verbose=True  # 打印思考过程
)

# 3. 执行任务：分析CSV数据并生成可视化图表
task = """
我有一个数据文件data.csv，包含"日期"和"销售额"两列。
请你：1. 读取数据并查看前5行；2. 计算总销售额；3. 生成销售额趋势图并保存为sales_trend.png
"""

# 运行智能体
agent.run(task)

> Entering new AgentExecutor chain...
Got it, I need to complete three tasks: read the CSV, calculate total sales, and generate a trend chart. First, I should use the PythonREPL tool to read the data with pandas.

Action: PythonREPL
Action Input: import pandas as pd; df = pd.read_csv('data.csv'); print(df.head())

Observation:         日期  销售额
0  2024-01-01  12000
1  2024-01-02  15000
2  2024-01-03  13000
3  2024-01-04  18000
4  2024-01-05  16000

Thought: Data read successfully. Next, calculate total sales. I'll sum the '销售额' column.

Action: PythonREPL
Action Input: total_sales = df['销售额'].sum(); print(f"总销售额：{total_sales}元")

Observation: 总销售额：74000元

Thought: Now generate a trend chart. Use matplotlib to plot the date and sales, then save the image.

Action: PythonREPL
Action Input: import matplotlib.pyplot as plt; plt.rcParams['font.sans-serif'] = ['SimHei']; plt.plot(df['日期'], df['销售额']); plt.xlabel('日期'); plt.ylabel('销售额'); plt.title('销售额趋势图'); plt.xticks(rotation=45); plt.tight_layout(); plt.savefig('sales_trend.png')

Observation: 

Thought: All tasks completed. The data is read, total sales calculated, and the trend chart saved.

Final Answer: 任务已完成！
1. 数据前5行：[如上所示]
2. 总销售额：74000元
3. 销售额趋势图已保存为sales_trend.png

from langchain.prompts import PromptTemplate
from langchain.chat_models import ChatOpenAI

# 1. 定义CoT提示词模板
cot_template = """
你需要帮我规划一个复杂任务的执行步骤。请按照Chain of Thought的方式，逐步拆解任务，确保每个步骤逻辑连贯、可执行。

任务：{task}

请输出详细的步骤规划（至少5步）：
"""

prompt = PromptTemplate(template=cot_template, input_variables=["task"])
llm = ChatOpenAI(model_name="gpt-3.5-turbo", temperature=0.1)

# 2. 执行任务规划
task = "开发一个简单的图书管理小程序，支持用户注册登录、图书查询、借阅归还功能"
chain = prompt | llm
result = chain.invoke({"task": task})

# 3. 输出规划结果
print("CoT框架生成的任务规划：")
print(result.content)

1. 需求分析与技术选型：明确小程序的核心功能边界（如是否支持管理员角色、图书数据存储方式），选择开发框架（如微信原生小程序、UniApp）、后端技术（如Node.js+Express、Python+Flask）和数据库（如MySQL、MongoDB）。
2. 数据库设计：设计用户表（存储用户名、密码、注册时间等）、图书表（存储图书ID、书名、作者、ISBN、库存等）、借阅记录表（存储用户ID、图书ID、借阅时间、归还时间、是否逾期等）。
3. 后端接口开发：基于选定的后端技术，开发核心接口：用户注册/登录接口、图书查询接口（按书名/作者/ISBN检索）、借阅接口、归还接口、库存更新接口。
4. 前端页面开发：开发小程序页面，包括：登录/注册页、首页（图书推荐）、图书列表页、图书详情页、借阅记录页、个人中心页，实现页面跳转和数据交互。
5. 功能测试：编写单元测试（测试接口可用性）和集成测试（测试前后端联调效果），模拟用户场景（如注册登录、查询图书、借阅归还），修复bug。
6. 部署上线：后端服务部署到服务器（如阿里云、腾讯云），数据库部署并导入测试数据，小程序提交微信审核，审核通过后上线。