过去这段时间，我因工作接触了不少 AI Agent 项目。虽然我早已习惯 ChatGPT 的日常辅助，但当它真正“动手”写代码、尝试运行并自动修复错误时，我仍被深深震撼。作为一个互联网行业摸爬滚打十几年的老程序员，我没想到自己会一而再地被 AI 的智能表现逼出“卧槽”两字。
大多数人对 AI 的认知，可能停留在那个再熟悉不过的聊天框。你问一句，它答一句，大多数时候回答都还不错，有时也会一本正经地胡说八道，给出一些听起来像真的“幻觉”。而在这个对话框之外，AI 能做什么，很多人并没有真正接触过。
但实际上，AI 已经掌握了这个世界上绝大多数公开知识。如果它拥有感官、能操作环境，它完全可能胜任很多我们人类正在做的工作。现在的限制，只是它“没有手没有脚”。
这也是我们开始探索 AI Code Agent 的原因。很多程序员都尝试过让 GPT 写一段代码，大多数时候它写得还不错，但也常常无法直接运行，于是我们很自然地得出一个结论：“AI 还不能胜任写代码”。
但我们有没有反过来想：我们给 AI 写代码的提示，往往没有提供任何上下文信息，它甚至不知道你用的是哪个框架、什么版本、运行在什么环境。更重要的是，它看不到报错，也无法尝试运行和 debug。换作是一个人类开发者，在毫无背景信息且不运行的情况下下写代码，也未必比 AI 表现更好。
那么，如果我们反过来：让 AI 拥有代码的上下文，能够调用工具、运行环境，甚至能看到执行报错并据此修改代码——它会达到什么程度？
这就是我决定写这篇文章的原因。
AI Agent， 智能体 这些词听起来很魔幻，仿佛 AI 真要拥有意识、自由意志，甚至超越人类。但实际上，AI Agent 的核心原理非常简单：给 AI 一双“手”和“脚”，让它不仅能“想”，还能自己安排自己的手和脚如何去“做”。
就像我之前提到的，AI 已经掌握了世界上绝大多数的知识。如果我们再给它一些与外部世界交互的能力——哪怕只是运行代码的权限，它就有可能胜任很多原本需要人类来完成的工作。
那么，AI Code Agent 到底是什么？复杂吗？其实并不。想想我们自己是怎么完成一项任务的：你先计划出步骤 1、2、3、4，然后一步步去执行，每走一步再评估结果，必要时调整思路。AI 其实也可以这样。
当你问 AI：“我要完成一件事情，应该怎么做？”它可以清晰地列出步骤。当你再问它：“第 1 步该怎么实现？”它也能给出详细解释。而如果我们不限制 AI 只是“问答”的角色，而是让它能亲手执行代码、接收错误、并自我修复，那么它就不仅能告诉你怎么做——它可以自己把事情做完。
本质上，AI Code Agent 就是一个简单又强大的闭环：
🧠 计划 → ⚙️ 执行 → ❌ 试错 → 🔁 分析结果 → 再次计划 → 必要的重复上述步骤 → ✅ 完成任务
在这里，AI 不再只是一个代码建议机器，而是一个可以控制流程、持续改进并完成复杂目标的自主智能体。而一旦这个闭环跑通，它的潜力将远远不止“写一段代码”这么简单。
在构建 AI Code Agent 的过程中，我们做了一个非常有趣的小实验。我们想看看，如果给 AI 设计一个“陷阱式的工具使用规则”，它能不能识别错误、理解原因，并逐步修正行为。
我们提供给 AI 一个叫 web_search 的工具方法，它的目的是执行 Web 检索。但我们故意设置了两层断言检查：
assert query.startswith("search:"), "query must start with `search:`"
assert query.startswith("search:@:"), "query must start with `search:@:`"
意思是：
这段逻辑表面上是多此一举的，但实际上就是我们刻意分两步给提示，想测试 AI 是否能正确逐步响应这类链式报错。
@tool
def web_search(query: str) -> str:
"""Searches the web for your query.
Args:
query: Your query
"""
assert query.startswith("search:"), "query must start with `search:`"
tavily_client = TavilyClient(api_key=tavily_client_api_key)
response = tavily_client.search(query)
return str(response["results"])
我们看AI的表现如何。
🧪 第一次尝试：AI 上当了
我们输入任务：
What is the best travel place for budget 2000$ in 2025, and why, also please let me know the best month of each one? (2025 年预算为 2000 美元的最佳旅行地点是哪里？)
AI 找到可用的 web_search 工具后，直接发起调用：
web_search("best budget travel destinations 2025 budget 2000 dollars")
结果当然报错 -- query must start with search:。
🧪 第二次尝试：AI 按提示修正
AI 理解了错误信息，于是调整 query，加上了 search:：
web_search("search:best budget travel destinations 2025 budget 2000 dollars")
结果正中我们埋下的第二颗雷 -- query must start with search:@:。
如果是一个人类程序员，这时候可能已经开骂了。但 AI 的表现却令人惊讶。
🤖 第三次尝试：AI 完美应对
它没有慌张，没有重复，而是冷静分析报错信息后，再次修正了调用参数：
web_search("search:@:best budget travel destinations 2025 budget 2000 dollars")
这次终于通过断言，成功返回了结果！
这个实验非常有意思的一点是：AI 不会“情绪化”或主观否定工具，而是根据每次反馈逐步修正自己的行为，直到成功为止。
这正是 Code Agent 相比传统 AI 对话的一个重大进步 —— 它可以自己试错、理解、改正，而不是单纯等待人类修复输入。
夸过AI Code Agent之后，我们来个实操如何？
以下内容结合了我自己的实践经验，带你一步步用 Hugging Face 的 smolagents 快速搭建一个简单的 Code Agent。如果你是非技术背景读者，可以选择性跳过。
我已将完整代码和运行环境托管在 Google Colab 上，方便你直接查看、复制和运行：
👉 如果你打不开Google Colab可以通过这个github gist访问
💡 说明：
- 你需要准备自己的 OpenAI API Key 才能运行代码（代码中已预留 getpass 输入位）
- 即使没有 Key，你也可以查看我之前运行后的完整输出日志
此外，部分代码参考了 Hugging Face 与 DeepLearning.AI 合作发布的教程内容。如果你希望深入学习 smolagents 框架，可以访问以下链接：📚 smolagents 官方教程：Building Code Agents
🧰 依赖库与工具准备
这个示例主要依赖两个核心库：
你可以通过以下命令在 Google Colab 中快速安装：
!pip install smolagents
!pip install tavily-python
🔐 API Key 准备
在运行之前，你需要准备好以下两个平台的 API Key（新用户通常有免费额度）：
🔧 给 Agent 装上“手”和“脚”：定义 Tools
在这个项目中，我们为 Agent 准备了两个“工具”，它们就像 Agent 的感官与行动器，让它不仅能“想”，还能“动”：
这两种定义方式都可以让工具接入 smolagents，只是形式略有不同。在实际项目中你可以根据需要选择适合的方式。
介于篇幅有限，你可以直接通过上文的链接阅读这部分的代码
如果你在运行或理解这些代码时遇到问题，欢迎留言交流，我会尽量提供帮助。
🧠 模型与 Agent 的声明
在完成工具准备之后，我们就可以初始化模型和 Agent 了。
我们在这个示例中使用了 OpenAI 的 gpt-4.1-mini 模型（你可以根据需要更换为其他模型，如 gpt-3.5-turbo 或自定义模型）：
from smolagents import CodeAgent, OpenAIServerModel
model = OpenAIServerModel(
"gpt-4.1-mini",
max_completion_tokens=8096,
api_key=open_ai_key
)
接下来就是创建我们的智能 Agent，得益于 smolagents 的封装，这一步非常简洁：
agent = CodeAgent(
name="web_agent",
description="Runs web searches for you.",
model=model,
tools=[web_search, VisitWebpageTool()],
max_steps=10,
verbosity_level=2
)
agent.logger.console.width=66
Agent 配置完成之后，我们就可以发送一个真实的问题，看看它如何一步步完成任务了。
我们的问题是：
What is the best trave place for budget 2000$ in 2025, and why, also please let me know the best month of each one?
("2025年预算2000美元，最推荐的旅游目的地是哪里？为什么？另外，请告诉我每个目的地最适合出行的月份。)
request_museums = """What is the best trave place for budget 2000$ in 2025, and why, also please let me know the best month of each one? """
result = agent.run(request_museums)
这个问题看似简单，但其实包含了多个子任务：
整个运行过程中，Agent 完全自主规划并调用工具，我们以下按照其“每一步的思考 + 实际执行代码”的结构来还原整个任务过程：
当我们提交任务之后，Agent首先思考他的主要任务，并写出可以执行的代码，然后在自己的沙箱环境中执行代码。
🧠 Agent 思考：
To provide the best travel places for a budget of $2000 in 2025, I will need to find current travel recommendations or predictions for affordable travel destinations for that budget in 2025. I will also gather information on why those places are ideal and determine the best month to visit each destination based on factors such as weather, costs, and tourist seasons. I will start by performing a web search for "best budget travel destinations 2025 under 2000 dollars" to gather relevant information.
(为了提供 2025 年预算为 2000 美元的最佳旅行地点，我需要找到当前的旅行建议或预测 2025 年该预算可负担得起的旅行目的地。我还将收集有关这些地方为何理想的信息，并根据天气、成本和旅游季节等因素确定每个目的地的最佳旅游月份。首先，我将在网上搜索 “2025 年 2000 美元以下的最佳经济型旅游目的地”，以收集相关信息。)
💻 Agent 执行代码：
search_result = web_search("best travel destinations for budget
2000 dollars 2025 best month to visit reasons")
print(search_result)
得到第一步结构之后Agent继续下一步
🧠 Agent 思考：
From the search results, several popular budget travel destinations for 2025 emerge such as Indonesia, Laos, Georgia, Vietnam, Romania, India, Panama, Turkey, and possibly others mentioned on these pages. I will now extract detailed information from some of the top results to identify the best travel places for a budget of around $2000, why these places are recommended, and also the best months to visit each one. I will start by visiting the top two relevant pages to extract this detailed information.
(从搜索结果中，出现了几个 2025 年的热门预算旅游目的地，如印度尼西亚、老挝、格鲁吉亚、越南、罗马尼亚、印度、巴拿马、土耳其，可能还有这些网页上提到的其他地方。现在，我将从一些热门搜索结果中提取详细信息，以确定预算在 2000 美元左右的最佳旅行地点、推荐这些地点的原因以及访问每个地点的最佳月份。我将首先访问排名前两位的相关网页，以提取这些详细信息。)
💻 Agent 执行代码：
urls_to_visit = [
"<https://www.myglobalviewpoint.com/cheapest-places-to-travel/>",
"<https://dailydive.org/travel/10-cheapest-travel-destinations-for-budget-travelers-in-2025/>"
]
for url in urls_to_visit:
page_content = visit_webpage(url)
print(f"Content from {url}:\\n{page_content}\\n{'='*80}\\n")
🧠 Agent 思考：
I found detailed information about the best budget travel destinations for 2025 from two reliable travel blogs. The top budget-friendly destinations mentioned include Vietnam, Indonesia, Cambodia, Laos, Romania, Georgia, Bulgaria, Bolivia, Colombia, Portugal, Mexico, Turkey, Guatemala, and India. These destinations are praised for their affordable accommodation, cheap meals, low-cost transportation, and unique cultural or natural attractions. However, the best month to visit is not explicitly mentioned in the excerpts, so I will perform a web search for the best months to visit the top few destinations to provide a complete answer.
（我从两个可靠的旅游博客中找到了关于 2025 年最佳经济型旅游目的地的详细信息。其中提到的最经济实惠的目的地包括越南、印度尼西亚、柬埔寨、老挝、罗马尼亚、格鲁吉亚、保加利亚、玻利维亚、哥伦比亚、葡萄牙、墨西哥、土耳其、危地马拉和印度。这些目的地因其经济实惠的住宿、廉价的餐饮、低成本的交通以及独特的文化或自然景点而备受赞誉。不过，摘录中并没有明确提到最佳旅游月份，因此我将在网上搜索前几个目的地的最佳旅游月份，以提供完整的答案。）
💻 Agent 执行代码：
top_destinations = ["Vietnam", "Indonesia", "Cambodia", "Laos",
"Romania", "Georgia", "Bulgaria", "Bolivia", "Colombia",
"Portugal"]
best_months = {}
for destination in top_destinations[:5]: # Limit to top 5 to keep
results manageable
search_query = f"best month to visit {destination} 2025"
result = web_search(search_query)
print(f"Best month for {destination}: {result}")
🧠 Agent 思考：
I collected the best months to visit the top 5 budget destinations for 2025 from multiple travel sources. The best months for these destinations are roughly as follows: ...
（我从多个旅行资料来源收集了 2025 年最值得去的 5 个经济型旅游目的地的最佳月份。这些目的地的最佳月份大致如下：... ）
💻 Agent 执行代码：
print(summary)
final_answer(summary)
📤 最终输出：
（翻译成了中文）
2025年预算2000美元的最佳旅游目的地：
1. 越南（11月 - 次年4月）
理由：越南拥有令人惊叹的自然风光、充满活力的城市和丰富的文化，而且消费非常低。住宿、街头美食和交通都非常实惠，是极具性价比的旅行目的地。
2. 印度尼西亚（4月 - 10月）
理由：印度尼西亚由多个岛屿组成，提供丰富的冒险、自然美景和文化体验，住宿和饮食价格也相对低廉。旱季的高峰期适合进行各种户外活动。
3. 柬埔寨（11月 - 次年4月）
理由：以吴哥窟和悠久历史闻名，柬埔寨提供非常便宜的住宿、本地美食和交通选择。旱季气候适宜，适合舒适地探索各大景点。
4. 老挝（11月 - 次年2月）
理由：老挝是一个被低估的旅游宝地，拥有原汁原味的文化体验、低廉的消费和壮丽的自然风光。干燥而凉爽的季节能带来更舒适的旅行体验。
5. 罗马尼亚（5月 - 6月，9月 - 10月）
理由：作为东欧国家，罗马尼亚融合了中世纪魅力、自然风光以及合理的旅行开支。春末和初秋避开旅游高峰，人少且气候宜人。
这些目的地都能带来丰富的旅行体验，同时保持总花费在2000美元以内，尤其是当你提前预订机票并选择当地的经济选项时。
怎么样？Agent实际上会“自己思考、自己动手、自己复盘”，是不是让人觉得不可思议？
如果你觉得这还不够智能，你还可以采用套娃的方式来进行，你可以使用 manager_agent, 然后告诉这个 manager_agent 你可以通过我刚刚创建的 agent 执行任务。
比如：
manager_agent = CodeAgent(
model=OpenAIServerModel(
"gpt-4.1-mini",
max_completion_tokens=8096,
api_key=open_ai_key
),
tools=[],
managed_agents=[agent],
additional_authorized_imports=[],
planning_interval=1,
verbosity_level=2,
max_steps=5,
final_answer_checks=[
lambda output: "final answer" in output.lower()
]
)
manager_agent.logger.console.width=66
manager_agent.visualize()
这种“套娃”结构下，manager_agent 会在获取初步结果后，继续判断是否需要更深入的信息、进行更细致的规划，甚至发起新的子任务。比如哪里更好玩，可以继续规划什么细节等，甚至你能看到这种更复杂的代码被执行
这是使用manager_agent返回的答案，可以感受一下和第一个的区别
（翻译成了中文）
💸 2025年2000美元预算下的最佳旅游目的地简明指南
以下是2025年内，适合2000美元预算的五个最佳旅游国家，包含推荐理由与最佳旅行月份：
⸻
1. 越南
推荐理由： 越南性价比极高，每日花费（含机票）约为27美元。预算旅行者可以用2000美元游玩约30天，探索充满活力的城市、壮丽风景（如下龙湾）、文化古迹和美味的街头小吃。住宿、饮食和交通都非常实惠，使旅行时间更具弹性。
最佳旅行时间： 5月至10月是最省钱的时段（虽然是雨季）；3–5月和9–11月是性价比与天气平衡较好的选择。
⸻
2. 印度尼西亚
推荐理由： 尤其是巴厘岛及周边岛屿，印度尼西亚提供丰富的自然和文化体验。14天的旅行可轻松控制在2000美元以内，预算旅馆每晚约6美元，餐饮与交通也很便宜。美丽的海滩、庙宇和文化氛围使这里成为预算旅行者的热门选择。
最佳旅行时间： 4–5月与9–10月为肩季，天气适中，人少、价格也低于旺季（6–8月）。
⸻
3. 柬埔寨
推荐理由： 柬埔寨对预算旅行者非常友好，每日消费约30–50美元，足以支持长达40–60天的旅程。主要景点包括吴哥窟、田园风光和友善的本地文化。住宿与餐饮便宜，适合深度游与慢旅行。
最佳旅行时间： 11月至次年4月是旱季，天气适合户外活动；1–2月适合观光，9–10月为价格较低、游客较少的淡季。
⸻
4. 老挝
推荐理由： 老挝安静而实惠，每日预算约20–35美元。2000美元可支持约10–15天的旅行（含机票、住宿、餐食和活动）。适合体验独特文化、河流风光及悠闲小镇，街头小吃和民宿也价格亲民。
最佳旅行时间： 3–4月为干热季，游客较少、价格更低，是预算旅行的好时段，尽管天气偏热。
⸻
5. 罗马尼亚
推荐理由： 罗马尼亚拥有丰富的欧洲历史、中世纪城镇和自然美景，且价格亲民。14天的预算旅行可控制在2000美元以内，含机票、住宿（约每晚30美元）、餐饮（约每日10美元）和交通。非常适合预算有限但想探索欧洲的旅行者。
最佳旅行时间： 4–6月与9–11月气候宜人、游客较少，住宿和交通费用也更实惠。
⸻
总结
以上五个目的地都能很好地适配2000美元的预算。印尼和罗马尼亚适合为期两周的旅行，而越南和柬埔寨则可支持一个月甚至更长时间。选择在旱季或肩季出行，既能节省开支，又能享受好天气和较少的人流，从而最大化预算效率与旅行体验。
此外，建议使用航班优惠提醒服务（如 Scott’s Cheap Flights 或 Dollar Flight Club）来大幅降低机票开支，因为机票往往是旅行预算中最大的一项。
⸻
若你更看重旅行时长、文化体验和极致预算控制，越南与柬埔寨是最推荐的选择；若偏好短期但丰富的海岛体验，印尼非常合适；想要宁静又地道的东南亚感受，可选择老挝；而罗马尼亚则是体验历史与自然兼具的东欧旅行好去处。
如需根据出发地或具体行程时长获取个性化建议，欢迎随时提问！
AI Code Agent 的出现，让“让 AI 帮我做事”不再是一句空话。它不只是回答问题的聊天机器人，而是一个能够理解上下文、主动规划、调用工具、分析结果并持续改进的智能执行者。在亲手搭建并“调教”这个 Agent 的过程中，我深刻感受到：我们正站在一个全新工程范式的门槛上。如果说过去的 AI 是“会说话的大百科”，那么现在，它已经开始学会做决定、写代码、解决问题。
当然，惊艳之余也有现实考量。比如，Agent 每执行一步，都会将历史内容不断堆叠进 prompt 中，这种递增式上下文会带来显著的 token 消耗。在我编写本文、调试代码的过程中，累计 token 使用量超过了 171 万，其中某一步的输入就高达 41,000 tokens。这些都是实打实的成本（尽管约五美分），对个人开发者来说确实“有点小贵”；但对企业而言，通过合理的上下文裁剪与缓存机制，整体成本仍然可控。而且长期来看，token 的价格只会越来越便宜。
所以，如果你还没亲手构建过一个 Code Agent，现在就是一个不错的起点。你会发现，AI 不只是能说会道，更已经具备了“动手做事”的潜力。我们的任务，是让它成为真正可靠的搭档，而不是纸上谈兵的建议者。
