第 1 章 · 什么是 AI Agent
1.1 从 Chatbot 到 Agent
你已经很熟悉 Chatbot 了：发一句话，模型回一段文字，对话结束。模型的输出只是一段文本——它不能读你磁盘上的文件，不能跑一条命令，更不能交付一个结果给你。
Agent（智能体）的本质，是给 LLM 装上「手」和「脚」：
| 能力 | Chatbot | Agent |
|---|---|---|
| 对话 | ✅ | ✅ |
| 读文件 / 写文件 | ❌ | ✅ 通过工具 |
| 执行 shell 命令 | ❌ | ✅ 通过工具 |
| 联网搜索 / 抓网页 | ❌ | ✅ 通过工具 |
| 自主决定下一步做什么 | ❌ | ✅ Agent Loop |
一句话概括：
Agent = LLM + 工具调用（Tool Calling）+ 循环（Agent Loop）
模型负责「思考与决策」，宿主程序负责「执行」，两者在循环中反复交互，直到任务完成。
1.2 一个最小的 Agent 执行流程
假设用户说：「帮我在工作区创建一个 hello.md，写上标题」。
注意两个关键点：
- 模型不执行代码。它只是输出一段结构化的「调用请求」（
file_write+ 参数），真正写文件的是你的 TypeScript 程序。 - 执行结果要回填给模型。模型看到工具结果后，才能决定「任务已完成，可以回复用户了」还是「结果不对，我换个方式再试」。
这个「调用 → 执行 → 回填 → 再思考」的循环，就是贯穿本教程的 Agent Loop。
1.3 OpenBudy：本教程的实战样本
OpenBudy 是一个开源的 AI Agent 桌面工作台，用 TypeScript 全栈实现：
你只需用自然语言描述需求，它会自主规划、执行并交付完整结果。本教程不会纸上谈兵——每一章讲的机制，都直接精读 OpenBudy 的真实源码，并给出动手环节。
1.4 核心概念速览
后续章节会逐一展开这五个概念，这里先建立索引：
| 概念 | 一句话解释 | 详见 |
|---|---|---|
| LLM | 大语言模型，通过 HTTP API 以「消息列表」方式调用 | 第 6 章 |
| pi-ai | 多 Provider 的 LLM SDK 抽象层，OpenBudy 用它对接智谱 GLM / DeepSeek | 第 6 章 |
| Tools | 宿主程序提供给模型的「手」：JSON Schema 声明 + TypeScript 实现 | 第 7 章 |
| Agent Loop | 思考 → 调工具 → 看结果 → 再思考的循环控制器 | 第 8 章 |
| IPC | Electron 主进程与渲染进程之间的通信桥梁，Agent 事件靠它推送 | 第 4、5 章 |
| Sandbox | 安全护栏：路径越界校验 + 危险命令黑名单 + 迭代上限 | 第 10 章 |
1.5 为什么选 Electron + TypeScript + pi-ai
- Electron：Agent 天然需要访问本地文件系统、执行 shell 命令——这些是浏览器做不到的。桌面端是 Agent 最自然的宿主形态。
- TypeScript：Agent 涉及大量结构化数据（消息、工具定义、事件），类型系统让协议在主进程、渲染进程、LLM SDK 之间保持一致。
- pi-ai：不同模型厂商（智谱、DeepSeek、OpenAI……）接口细节各异，pi-ai 提供统一的
streamSimple流式抽象与模型目录，让你在厂商之间无痛切换。
1.6 小结
- Agent = LLM + 工具 + 循环；模型只「点菜」，宿主来「上菜」
- 工具结果必须回填给模型，循环才能继续
- OpenBudy 是完整、可运行的实战样本，本教程逐层拆解它
思考题：如果模型调用了 file_read 但文件不存在，Agent 应该怎么「感受」到失败？提示：把错误信息作为工具结果回填，也是一种有效反馈。（答案将在第 8 章揭晓）
下一章，我们把 OpenBudy 跑起来，看清它的三大模块。