模块三：智能体觉醒 — 让 AI 拥有「手脚」

模块三 · 3 周预计 10 小时

模块概述

前两个模块的 AI 只能「说」——回答你的问题，或者基于文档回答问题。但这个模块要让 AI 能「做」——调用工具、搜索信息、发送邮件、操作数据。

这就是 Agent（智能体）。2025-2026 年 AI 行业最热的方向，也是变现价值最高的赛道。

🎯

Agent 的本质：给 AI 一堆工具（函数），让它自己决定什么时候用哪个、传什么参数。你的代码执行工具，结果还给 AI，AI 继续思考——如此循环直到任务完成。

Function Calling

第 1 周

AI 不直接调 API——它「说」要调哪个函数、传什么参数。你的代码去执行。这个「说→做→还」的模式是 Agent 的原子操作。

Agent 循环

第 2 周

思考→行动→观察→再思考→再行动……直到任务完成。就像实习生接到任务后的工作流程——不是一步到位，而是反复尝试。

安全边界

第 3 周

让 AI 自动发邮件？自动花钱？自动删数据？权限边界怎么控制。Human-in-the-loop（人类确认）是目前的通用解法。

会自动干活的 AI Agent

一个能查天气、搜网页、发邮件、操作文件的 AI 助手。它会自己决定用什么工具、按什么顺序——你只需要下达任务目标。

PythonClaude API Tool UseStreamlit

变现视角 · 三视角复盘

变现三层次：卖对话（卷到免费）→ 卖知识（有壁垒）→ 卖行动（高客单价）。一个能自动整理发票、生成报表、发周报的 Agent，企业愿意付 100 元/月。Agent = 能干活的产品，比纯聊天产品值钱 10 倍。

教育视角 · 三视角复盘

AI 不只会说话了，它现在有手有脚了——可以查资料、发通知、做事情。未来孩子和 AI 协作，就像有了一个永远不会累的助手。但要学会「管理」它——就像管理一个实习生，需要清晰的指令和安全边界。

学习 Function Calling 的核心机制。定义工具函数，让 AI 知道什么时候调用哪个工具。理解 JSON Schema 在其中的作用。

实现完整的 Agent 循环。让 AI 在多次「思考-行动-观察」中自主完成复杂任务。引入 ReAct 范式和思维链。

增加更多工具，加入人类确认环节。设计安全的权限控制。部署一个真正能「干活」的 Agent。

在进入第一周之前，确保你已经：