在人工智能時代，AI Agent憑借其強大的任務處理能力，逐漸成為開發(fā)人員手中的得力工具。今天，我們就來一起動手，用Python打造一個能夠調用工具的AI Agent，實現(xiàn)根據(jù)電腦信息對電腦配置進行專業(yè)評價的功能。

一、項目創(chuàng)建與目錄結構

1.1 項目創(chuàng)建

首先，我們需要創(chuàng)建一個新的項目環(huán)境。這里使用UV進行項目創(chuàng)建。

uv init demo

項目創(chuàng)建完成后，進入項目文件夾并安裝必要的包， 比如安裝psutil

uv add psutil

安裝的包都會記錄在pypoject.toml, 看看我都安裝了哪些包

[project]
name = "demo"
version = "0.1.0"
description = "Add your description here"
readme = "README.md"
requires-python = ">=3.12"
dependencies = [
    "psutil>=7.0.0",
    "pydantic-ai>=0.2.16",
    "python-dotenv>=1.1.0",
    "setuptools>=80.9.0",
]

1.2 目錄結構

我們的項目目錄結構如下：

demo
├── .venv    
├──.env
├──.gitignore
├──.python-version
├── main.py
├── pyproject.toml
├── README.md
├── tools.py
├── uv.lock

可以看到除了創(chuàng)建項目時uv自動創(chuàng)建的文件及文件夾，這個項目我主要創(chuàng)建了3個文件：

• main.py：項目的主程序文件，負責整個AI Agent的運行邏輯，包括模型初始化、與AI交互以及結果處理等核心功能。
• tools.py：存放讀取電腦配置信息的工具函數(shù)，為main.py提供電腦配置數(shù)據(jù)支持。
• .env：用于存儲敏感信息，此項目主要存儲了OPENROUTER_API_KEY，保證API密鑰的安全，避免在代碼中直接暴露。

二、功能實現(xiàn)與代碼解析

2.1 讀取電腦配置信息（tools.py）

在tools.py文件中，我定義了read_pc_info函數(shù)，用于獲取電腦的詳細配置信息。該函數(shù)的實現(xiàn)依賴platform和psutil庫。

import platform
import psutil


def read_pc_info():
    # 獲取系統(tǒng)信息
    info = []

    # CPU信息
    info.append(f"CPU: {platform.processor()}")
    info.append(f"CPU Cores: {psutil.cpu_count(logical=False)} physical, {psutil.cpu_count(logical=True)} logical")

    # 內存信息
    mem = psutil.virtual_memory()
    info.append(f"RAM: {mem.total / (1024**3):.1f} GB (Available: {mem.available / (1024**3):.1f} GB)")

    # 磁盤信息
    partitions = psutil.disk_partitions()
    for p in partitions:
        if p.fstype:
            usage = psutil.disk_usage(p.mountpoint)
            info.append(f"Disk {p.device}: {usage.total / (1024**3):.1f} GB ({usage.percent}% used)")

    # 操作系統(tǒng)信息
    info.append(f"OS: {platform.system()} {platform.release()}")

    return "\n".join(info)

• CPU信息獲取：使用platform.processor()獲取CPU型號，psutil.cpu_count(logical=False)獲取物理核心數(shù)，psutil.cpu_count(logical=True)獲取邏輯核心數(shù)。
• 內存信息獲取：通過psutil.virtual_memory()獲取系統(tǒng)內存相關信息，包括總內存和可用內存，并進行單位換算后添加到info列表。
• 磁盤信息獲取：psutil.disk_partitions()獲取磁盤分區(qū)信息，遍歷分區(qū)，使用psutil.disk_usage(p.mountpoint)獲取每個分區(qū)的使用情況，添加到info列表。
• 操作系統(tǒng)信息獲取：platform.system()獲取操作系統(tǒng)名稱，platform.release()獲取操作系統(tǒng)版本號，將其組合添加到info列表。最后，將info列表中的所有信息以換行符連接成字符串返回。

2.2 主程序邏輯（main.py）

在main.py文件中，包含了項目的核心運行邏輯。

2.2.1 導入需要的庫和定義系統(tǒng)提示詞

import os
from typing import Optional, Tuple
from dotenv import load_dotenv
from openai import OpenAI
from pydantic_ai import Agent
from pydantic_ai.models.openai import OpenAIModel
from pydantic_ai.providers.openai import OpenAIProvider
from tools import read_pc_info
import logging

# 系統(tǒng)提示詞定義
SYSTEM_PROMPT = """
你是一位專業(yè)的電腦硬件評測專家，擅長分析電腦配置的性能、適用性和升級潛力。你能夠根據(jù)用戶提供的電腦配置信息，給出專業(yè)、實用的評價和建議。請以簡潔明了的語言表達觀點，既要考慮技術細節(jié)，也要考慮普通用戶的理解能力。
"""

這里先導入了項目所需的各種庫，定義了SYSTEM_PROMPT常量，用于設定AI Agent的角色和能力，讓其以專業(yè)電腦硬件評測專家的身份進行回答。

2.2.2 獲取API配置

def get_api_config() -> Tuple[str, str]:
    """獲取OpenRouter API配置

    返回:
        Tuple[str, str]: (api_key, base_url) API密鑰和基礎URL

    異常:
        ValueError: 當API密鑰未設置時
        EnvironmentError: 當.env文件加載失敗時
    """
    try:
        if not load_dotenv():
            logging.warning(".env文件未找到或加載失敗")

        api_key = os.getenv("OPENROUTER_API_KEY")
        base_url = 'https://openrouter.ai/api/v1'

        if not api_key:
            raise ValueError("請在.env文件中設置OPENROUTER_API_KEY")

        return api_key, base_url
    except Exception as e:
        logging.error(f"獲取API配置失敗: {e}")
        raise

該函數(shù)負責從.env文件中加載OPENROUTER_API_KEY，并返回API密鑰和base_url（因為我用的是openrouter里的模型，所以需要base_url這個參數(shù)）。 如果.env文件加載失敗或API密鑰未設置，會拋出相應的異常。

2.2.2 初始化模型

def initialize_model() -> OpenAIModel:
    """初始化AI大模型實例

    返回:
        OpenAIModel: 初始化好的模型實例

        異常:
        RuntimeError: 當模型初始化失敗時
    """
    try:
        api_key, base_url = get_api_config()
        provider = OpenAIProvider(base_url=base_url, api_key=api_key)
        return OpenAIModel(
            'qwen/qwen-2.5-72b-instruct:free',
            provider=provider
        )
    except Exception as e:
        logging.error(f"模型初始化失敗: {e}")
        raise RuntimeError("無法初始化AI模型") from e

此函數(shù)通過調用get_api_config獲取API配置，然后使用OpenAIProvider和指定的模型名稱（這里我選的是免費的qwen/qwen-2.5-72b-instruct:free）初始化OpenAIModel實例。如果初始化過程中出現(xiàn)錯誤，會記錄錯誤日志并拋出RuntimeError。

2.2.4 主函數(shù)邏輯

def main():
    # 配置日志記錄
    logging.basicConfig(
        level=logging.INFO,
        format='%(asctime)s - %(levelname)s - %(message)s'
    )

    try:
        model = initialize_model()
        logging.info("AI模型初始化成功")
    except Exception as e:
        logging.error(f"連接大模型錯誤: {e}")
        return

    try:
        pc_info = read_pc_info()
        logging.info("成功獲取電腦配置信息")
        logging.info("電腦配置信息:\n" + pc_info)
    except Exception as e:
        logging.error(f"獲取配置信息出錯: {e}")
        return

    # 構建用戶提示詞
    user_prompt = f"""
    我需要您對這臺電腦的配置進行全面評價。請分析以下幾點：
    1. 這臺電腦的性能是否能夠滿足日常辦公、網(wǎng)頁瀏覽、視頻播放等基本需求
    2. 是否適合運行更復雜的應用程序，如視頻編輯、游戲或編程
    3. 從性價比角度考慮，是否有必要升級某些硬件組件
    4. 如果需要升級，您推薦升級哪些組件，預算大約是多少
    5. 如果不值得升級，您認為在什么情況下應該考慮更換新電腦

    按照指定格式給出專業(yè)評測：
    1. 使用簡潔清晰的中文回答；
    2. 回答必須使用標準 Markdown 格式，例如：## 標題、- 列表項；
    3. 不要包含任何亂碼、HTML 標簽、JavaScript 代碼或特殊符號；
    4. 避免出現(xiàn)“（注：...）”這類解釋性括號內容；
    5. 輸出應易于閱讀且結構清晰。

    以下是我的電腦配置信息：
    {pc_info}
    """

    # 創(chuàng)建AI代理
    agent = Agent(
        model,
        system_prompt=SYSTEM_PROMPT
    )

    # 調用模型獲取評價
    response = agent.run_sync(user_prompt)

    # 打印結果
    logging.info("電腦配置評價結果：")
    logging.info(response)

if __name__ == "__main__":
    main()

在main函數(shù)中：

• 首先配置日志記錄，設置日志級別為INFO，指定日志格式。
• 調用initialize_model初始化AI模型，若成功則記錄日志，失敗則記錄錯誤日志并返回。
• 調用read_pc_info獲取電腦配置信息，成功則記錄配置信息日志，失敗記錄錯誤日志并返回。
• 根據(jù)獲取的電腦配置信息構建user_prompt，明確告知AI Agent需要評價的內容和格式要求。
• 使用初始化的模型和SYSTEM_PROMPT創(chuàng)建Agent實例。
• 通過agent.run_sync(user_prompt)調用AI Agent，傳入用戶提示詞，獲取電腦配置評價的響應。
• 最后獲得返回的結果

三、結果展示

運行該項目后，在控制臺會輸出電腦配置信息獲取過程、AI 模型交互過程的日志信息，最終展示處理后的電腦配置評價結果。

工具（read_pc_info函數(shù)）獲得的信息

將工具獲得的信息和提示詞給大模型后，大模型返回的結果

因為提示詞中我們說明了要Markdown格式，所以把‘\n’轉成實際的換行，就更容易讀了

## 電腦配置詳細評測

### 1. 基本需求
根據(jù)您提供的配置信息，以下是對這臺電腦性能的分析：
- **CPU**：Intel64 Family 6 Model 142 Stepping 10, 4核心8線程，這是一顆中等檔次的處理器，型號可能是Intel Core i5-8250U（根據(jù)提供的信息推測）。對于日常辦公、網(wǎng)頁瀏覽和視頻播放等基本需求來說，這塊處理器已經(jīng)非常足夠，能夠保證流暢的使用體驗。
- **內存**：19GB，但可用的為8GB。內存方面有些不足，8GB對于現(xiàn)代操作系統(tǒng)和多任務處理來說略顯緊張。建議將內存提升至16GB，這將顯著改善多任務處理能力和軟件運行效率。
- **硬盤**：三個硬盤分區(qū)，C盤200GB已用66.1%，表明系統(tǒng)分區(qū)負載較重。D盤和E盤相對空閑，仍可滿足存儲需求。
- **OS**：Windows 11 對系統(tǒng)性能有一定需求，您的電腦配置可以支持，但會感覺到一些性能瓶頸，尤其是在內存方面。
  
### 2. 復雜應用程序
- **視頻編輯**：這塊CPU和8GB內存對于視 頻編輯來說有些吃力，處理高清視頻時可能會遇到卡頓和較高的延遲，不推薦用于專業(yè)視頻編輯。
- **游戲**：沒有提供顯卡信息，保守估計內置集顯（如Intel UHD Graphics 620）。對于要求不高的游戲，該配置勉強可以運行，但無法流暢玩大型3D游戲。
- **編程**：日常編寫代碼和運行輕量級開發(fā)環(huán)境（如Web開發(fā)）可以勝任，但在處理大型項 目或資源密集型編譯時可能會感到力不從心。
  
### 3. 性價比與升級建議
從性價比角度來看，對這臺電腦硬件 進行合理升級可以提高其性能和使用壽命，建議如下：
- **內存升級**：將內存從8GB提升至16GB或更高，成本相 對較低但效果顯著，預算約為300-500元。
- **SSD**：如果C盤使用的是HDD，考慮更換為1TB或更大容量的NVMe SSD ，這將大幅提升系統(tǒng)的啟動速度和程序加載速度，預算約800-1500元。

### 4. 升級推薦
- **升級內存**：增 加至16GB，預算300-500元。
- **升級SSD**：如果目前使用的是HDD，強烈建議更換為1TB NVMe SSD，以極大地提高 數(shù)據(jù)讀寫速度，預算800-1500元。

### 5. 更換新電腦
如果上述升級措施仍無法滿足您的需求，或者您希望獲 得更高的性能和更長的使用壽命，建議考慮替換整機，特別是當您需要進行高負載的工作（如專業(yè)視頻編輯、3D建模和高端游戲）時。更換新電腦的情況包括：
- **性能瓶頸**：盡管通過硬件升級，整體性能有所提升，但在某些特定任務中仍然感覺卡頓或延遲較高。
- **技術落伍**：當前的硬件架構已經(jīng)無法支持最新的軟件和技術，如AI加速、實時光線追蹤等。
- **性價比過低**：升級的成本已經(jīng)接近于購買新電腦，或者升級后的性能提升不明顯。

我們創(chuàng)建的AI Agent就完成了。

我試了幾個openrouter支持調用工具的免費大模型，只有這個大模型說對了CPU型號，但是它對內存的評價不是很準確，雖然明知道是20G內存，其中8G可用，還建議我升級到16G（我的電腦運行了太多的程序，打開了太多的網(wǎng)頁，所以20G的內存，只剩8G可用）。因為我們的工具沒有給出硬盤的詳細型號，所以大模型給的建議參考價值就不大了，看來要改進工具函數(shù)獲取更詳細的信息。

四、項目總結與優(yōu)化方向

這個項目展示了如何使用Python創(chuàng)建一個能夠調用工具的AI Agent，實現(xiàn)電腦配置的自動評估。通過結合系統(tǒng)工具與大語言模型的能力，我們構建了一個簡單但實用的應用場景。

在實際使用中，我發(fā)現(xiàn)大模型在某些方面的判斷還不夠準確，比如對內存的評估就沒有考慮到當前系統(tǒng)的負載情況。這也提醒我們，即使是強大的AI模型，也需要合理的提示詞設計和數(shù)據(jù)預處理，才能得到更準確的結果。當然，另一方也需要工具能夠提供盡可能詳細的信息給到大模型，才能幫助大模型做出更準備的判斷和更有價值的建議。

未來，我們可以從以下幾個方面優(yōu)化這個項目：

• 增強工具功能：可以添加更多的系統(tǒng)信息收集功能，如GPU信息、網(wǎng)絡速度測試等
• 改進提示詞：針對大模型可能出現(xiàn)的誤解，優(yōu)化提示詞設計，提供更明確的指導
• 多模型對比：增加模型選擇功能，對比不同模型的輸出結果，選擇最準確的評估
• 用戶交互優(yōu)化：添加圖形界面或Web界面，提升用戶體驗
• 增加評估維度：除了硬件性能，還可以評估系統(tǒng)健康狀態(tài)、安全配置等方面

通過這個項目，我們不僅學習了如何構建一個AI Agent，更重要的是理解了如何將大模型與實際工具結合，創(chuàng)造出真正有價值的應用。AI Agent的潛力巨大，隨著技術的不斷發(fā)展，我們可以期待更多創(chuàng)新應用的出現(xiàn)。

以上就是使用python開發(fā)一個可調用工具的AI智能體的詳細內容，更多關于python AI智能體的資料請關注腳本之家其它相關文章！