零成本打造智能AI代理：用 LangGraph + Ollama 构建你的专属“大脑助手” - 文章 - 开发者社区

❝ 🧠 从机械应答到主动思考，打造真正懂你的AI！ 本地部署、实时搜索、自动推理，手把手带你实现“能思考、会行动”的智能体。

picture.image

🔍 为什么要构建智能 AI 代理？

picture.image

传统的聊天机器人只能“听话”，但我们想要的是“会想”。借助 AI 代理技术，你可以赋予模型以下能力：

✅ 拆解复杂任务
✅ 自动调用搜索、计算等工具
✅ 多轮推理与纠错
✅ 实时作答、精准决策

这正是 ReAct 框架（Reasoning + Acting）的精髓：感知、推理、行动、验证，循环往复，直至完成任务。

picture.image

🛠 技术栈选型：零门槛上手

LangGraph ：构建 AI 决策流程的图形化框架
Ollama ：在本地免费运行大模型（如 Llama3、Gemma、Mistral）
工具扩展 ：支持自定义搜索器、计算器、API等

全部免费 & 开源 ，不用服务器，不用付费API，适合开发者和AI爱好者！

⚙️ 工作机制：像人一样解决问题

picture.image

🌟 示例任务：

“布拉德·皮特女友现在几岁？”

代理会自动推理为： ① 查询现任女友是谁 → ② 获取出生日期 → ③ 调用计算器算年龄 → ④ 给出答案

🧪 实战上手：构建你的智能体

1️⃣ 环境配置

  
uv init ai\_agent  
source .venv/bin/activate  
echo "langchain langgraph langchain-ollama duckduckgo-search" > requirements.txt  
uv add -r requirements.txt

2️⃣ 构建工具库

➤ 安全计算器：

  
from langchain\_core.tools import tool  
import ast  
  
@tool  
def calculator(query: str) -> str:  
    """计算数学表达式，如'2*(3+5)'"""  
    return ast.literal\_eval(query)

➤ 搜索工具：

  
from langchain\_community.tools import DuckDuckGoSearchRun  
search = DuckDuckGoSearchRun()  
tools = [search, calculator]

3️⃣ 本地部署 LLM 模型

  
ollama pull mistral

  
from langchain\_ollama import ChatOllama  
model = ChatOllama(model="mistral", temperature=0.1).bind\_tools(tools)

4️⃣ 用 LangGraph 编排智能流程

  
from langgraph.graph import StateGraph, START  
from typing import TypedDict  
  
class State(TypedDict):  
    messages: list  
  
def model\_node(state: State):  
    response = model.invoke(state["messages"])  
    return {"messages": response}  
  
builder = StateGraph(State)  
builder.add\_node("model", model\_node)  
builder.add\_node("tools", ToolNode(tools))  
builder.add\_edge(START, "model")  
builder.add\_conditional\_edges("model", tools\_condition)  
builder.add\_edge("tools", "model")  
graph = builder.compile()

🧑‍🔬 运行你的AI代理

✅ 实时测试

  
from langchain\_core.messages import HumanMessage  
  
input = {"messages": [HumanMessage("诺贝尔奖最年轻得主年龄？")]}  
result = graph.invoke(input)  
print(result["messages"][-1].content)

❝ 🧾 结果示例： “最年轻的诺贝尔奖得主是马拉拉·优素福扎伊，2014年获奖，年仅17岁。”

📊 代理决策全流程可视化！

使用 LangGraph Studio 监控你的 AI 行动过程：

  
uv pip install "langgraph-cli[inmem]"  
langgraph dev

🔚 结语：人人都能拥有的“智能思考体”

你已掌握：

🎯 ReAct 决策循环
🔧 LangGraph 可视化工作流
🧠 Ollama 本地模型调用
🧰 自定义工具拓展

📌 行动清单

🚀 克隆 GitHub源码
🧪 尝试切换成 Llama3、Gemma 模型
🛠 添加你自己的工具模块（如天气、日历、数据库）

❝ 🤖 下一代AI，不再只是对话，而是能真正帮你做事。 从今天开始，构建你的第一个“会思考的AI代理”！

如果你觉得有用，欢迎分享给朋友，或者留言告诉我你构建的第一个代理是什么任务！

今天的内容就到这里，如果老铁觉得还行，可以来一波三连，感谢！

picture.image