Agent 8 模式微练习 · Python基础语法

字典 dict

消息结构

Agent 里的每一条消息都是一个字典：{"role":"user","content":"你好"}。学会对字典做增删改查，是操作消息历史的基本功。

▍真实 Agent 代码示例

message = {"role": "user", "content": "你好"}

# 查：读取字段
print(message["role"])          # user

# 增：新增字段
message["time"] = "10:30"

# 改：更新内容
message["content"] = "帮我查天气"

# 删：移除字段
del message["time"]

# 字典套字典：一层层取
tool_call = {"name": "search", "args": {"query": "北京天气"}}
print(tool_call["args"]["query"])  # 北京天气

▍练习题

✏️ 任务：

新建字典 msg = {"role":"assistant","content":"好的"}
给 msg 增加字段 tool_calls，值为空列表 []
把 content 改成 "我来帮你查询"
打印嵌套取值：tc = {"name":"calc","args":{"expr":"1+2"}}，取出 "1+2"

📝 康锅的笔记

踩坑：写了 tool_call["query"] → 报 KeyError！
正确：tool_call["args"]["query"] —— 字典套字典要一层层取，不能跳层。

函数 def

工具封装

Agent 的每个工具就是一个函数。def run(user_message: str) -> str 里：参数名、:str 是类型提示（输入字符串）、->str 是返回值类型提示。

▍真实 Agent 代码示例

def add_tool(a: int, b: int) -> dict:
    # 工具返回字典，方便 json.dumps 发给模型
    return {"result": a + b}

# 调用：函数名 + 括号 + 参数
out = add_tool(1, 2)
print(out["result"])   # 3

▍练习题

✏️ 任务：

写函数 def search_tool(query: str) -> dict:
返回 {"query": query, "result": "模拟结果"}
调用 search_tool("北京天气") 并打印 result 字段

📝 康锅的笔记

三处纠正：
① -> str 应为 -> dict，因为返回的是字典；
② return 必须缩进在函数体内（4个空格），顶格写就跑到函数外了；
③ 调用是 add_tool() 不是 run add_tool —— 调用只写函数名加括号，不带 def 不带空格。

列表 list

消息历史

messages = [...] 是 Agent 的对话历史。append() 追加消息，索引 messages[0] 取第一条，messages[-1] 取最后一条。

▍真实 Agent 代码示例

messages = [{"role": "system", "content": "你是助手"}]

# append：新消息加到末尾
messages.append({"role": "user", "content": "你好"})

# 索引：0 是第一条，-1 是最后一条
print(messages[0]["role"])    # system
print(messages[-1]["content"]) # 你好
print(len(messages))         # 2

▍练习题

✏️ 任务：

创建 messages = []，依次 append 三条消息（system / user / assistant）
打印最后一条消息的 content
打印列表长度，验证是 3

📝 康锅的笔记

踩坑：变量名没统一 —— 前面建的是 messages = []，后面却写 for r in results → NameError: name 'results' is not defined。
教训：起名后全文统一，写完先扫一眼变量名。

for 循环

批量执行工具

模型一次可能返回多个工具调用，用 for tc in tool_calls: 逐个遍历执行，把每个结果 append 回 messages。

▍真实 Agent 代码示例

tool_calls = [
    {"name": "search", "args": {"query": "天气"}},
    {"name": "calc",   "args": {"expr": "1+2"}},
]

for tc in tool_calls:
    print("执行工具:", tc["name"])
    # result = TOOLS[tc["name"]](**tc["args"])
    # messages.append({"role":"tool","content":result})

▍练习题

✏️ 任务：

用上面的 tool_calls 列表，for 循环打印每次的 tc["args"]
循环里把 f"已执行 {tc['name']}" append 到一个 logs = [] 列表
循环结束后打印 logs

📝 康锅的笔记

踩坑：循环里写了 TOOLS_name = tc["name"]、TOOLS_id = tc["id"]，但后面根本没用到这两个变量。
教训：废代码应删掉，留着只会误导自己。写完检查：每个变量都被用了吗？

if / else 分支

判断是否继续

Agent 循环的核心：检查 finish_reason。如果是 "tool_calls" 就执行工具继续循环；否则说明对话结束，break 退出。

▍真实 Agent 代码示例

finish_reason = "tool_calls"

if finish_reason == "tool_calls":
    print("需要调用工具，继续循环")
else:
    print("对话结束，break")

# 多分支用 elif
if finish_reason == "stop":
    pass
elif finish_reason == "tool_calls":
    pass
else:
    print("未知原因")

▍练习题

✏️ 任务：

定义 fr = "stop"，用 if/else 判断：是 "tool_calls" 打印"继续"，否则打印"结束"
改成 fr = "tool_calls" 再跑一遍，验证两条分支都通

📝 康锅的笔记

踩坑：写了两个独立的 if：
if fr == "tool_calls": ...
if fr != "tool_calls": ... ← 多余又易错
正确：用 if / else —— 二选一的场景判断一次就够了，else 自动兜底。

f-string 字符串拼接

日志输出

字符串前加 f，{变量} 会被替换成实际值。Agent 里用它打印日志、拼接提示词，比 + 拼接清晰得多。

▍真实 Agent 代码示例

tool_name = "search"
args = {"query": "北京天气"}

# f-string：{}里放变量或表达式
print(f"🔧 调用工具: {tool_name}")
print(f"📥 参数: {args['query']}")
print(f"第 {1 + 1} 次调用")   # {}里还能算表达式

# [] 在 f-string 里是普通字符，直接写
print(f"[工具] {tool_name} 执行完毕")

▍练习题

✏️ 任务：

定义 name = "calc"、n = 3
用 f-string 打印 🔧 调用 calc，共 3 次
打印 [日志] 第 4 次调用（4 用 n+1 表达式生成）

📝 康锅的笔记

踩坑：写成 f"\[工具\] {tool_name}"，结果输出里带着难看的反斜杠。
正确：f"[工具] {tool_name}" —— f-string 里 [ 和 ] 是普通字符，不需要转义。只有 {} 和引号才特殊。

import 导入

引入库

import json 导入整个模块，用时写 json.loads()；from openai import OpenAI 只取出一个名字，直接用 OpenAI()。

▍真实 Agent 代码示例

import json                      # 整包导入
from openai import OpenAI        # 只取 OpenAI 这个类

client = OpenAI()                # 直接用，不用写 openai.OpenAI

# 等价写法（也能跑，但前缀啰嗦）：
# import openai
# client = openai.OpenAI()

data = json.loads('{"a": 1}')   # 整包导入要加模块名前缀

▍练习题

✏️ 任务：

用 import math，打印 math.sqrt(16)
改用 from math import sqrt，直接打印 sqrt(16)
体会两种写法的区别

📝 康锅的笔记

❓ 追问：为什么不用 client = openai.OpenAI()？
💡 答：两种都能跑！选择原则：
· 只用模块里的一个东西 → from x import y（代码更短）
· 要用模块里多个东西 → import x（加前缀反而清晰）

json 序列化

数据交换

json.dumps() 把 Python 字典转成 JSON 字符串（发给 LLM / 存文件）；json.loads() 反过来把字符串解析回字典（读取模型返回的 arguments）。

▍真实 Agent 代码示例

import json

# dumps：字典 → 字符串（发给模型）
result = {"city": "北京", "temp": 26}
s = json.dumps(result, ensure_ascii=False)
print(s)   # {"city": "北京", "temp": 26}

# loads：字符串 → 字典（解析模型返回的工具参数）
args_str = '{"query": "北京天气"}'
args = json.loads(args_str)
print(args["query"])   # 北京天气

▍练习题

✏️ 任务：

把 {"tool":"search","query":"上海天气"} dumps 成字符串（带 ensure_ascii=False）并打印
再 loads 回来，取出 query 打印
去掉 ensure_ascii=False 再 dumps 一次，对比输出差异

📝 康锅的笔记

❓ 追问：ensure_ascii=False 是干嘛的？
💡 答：不写它，中文会变乱码 \u5317\u4eac（ASCII 转义）；加上才输出正常中文 "北京"。
原则：传中文给 LLM，永远加上 ensure_ascii=False。

🎯 练习提示

这 8 个模式覆盖了 90% 的 Agent 基础代码，不用贪多，把它们练到肌肉记忆

⏰每天 20 分钟不贪多，一次练 2~3 个模式，保持手感比突击有效。

📅两天过一遍第一天 1~4 模式，第二天 5~8 模式，循环滚动复习。

⌨️不看答案敲出来即过合上页面能独立敲对，才算真正掌握。卡住再看示例。

🐛报错是好事每个 KeyError / NameError 都是加深记忆的机会，记进你自己的笔记。