多工具Agent、RAG基础与环境搭建本周的学习重点围绕两个方向展开一是完成了第七周的多工具协同与规划任务并进入了第八周的流式思考链优化二是正式启动了RAG检索增强生成的系统学习搭建了知识库和环境为后续将RAG集成到Agent中打下基础。一、多工具Agent与规划第七周收尾1.1 复杂任务测试设计了三组需要多个工具协同才能完成的复杂任务验证Agent的规划能力测试用例Agent行为链路验证结论“搜索上海天气 → 写穿衣建议脚本”先搜索 → 再生成代码 → 整合结果工具选择正确调用顺序合理“搜索Python 3.12新特性 → 演示 → 执行”搜索 → 识别PEP 701 → 生成对比代码 → 执行验证搜索质量高错误处理合理“审查public int health;→ 验证优化方案性能”审查 → 生成优化方案 → 尝试执行性能对比审查专业任务分解合理测试发现Agent能正确按照先搜索信息再生成代码最后执行验证的顺序操作具备基本的多步规划能力。1.2 工具描述优化基于LangChain官方文档和社区最佳实践系统学习了5个工具设计模式模式核心思想应用类型约束参数用Literalargs_schema硬约束参数避免LLM传错值search_web、execute_python_codePydantic模型定义输入用BaseModel精确描述每个参数的含义和示例所有工具结构化错误返回返回statuserror_typesuggestion让Agent知道如何恢复execute_python_code区分超时/语法/网络错误幂等性相同输入多次调用不产生副作用用哈希缓存实现execute_python_code10秒幂等保护返回下一步操作提示在响应中包含available_actions引导Agent选择后续工具后续可扩展同时掌握了tool装饰器的进阶参数参数作用parse_docstringTrue自动解析Google风格docstring生成精确的参数Schemaargs_schemaPydanticModel硬约束参数类型和取值范围return_directTrue工具返回后直接结束推理适用于查询型工具1.3 封装 /agent/multi 接口新增了POST /agent/multi接口作为多工具协同的统一入口。创建了MULTI_AGENT_SYSTEM_PROMPT专用提示词明确列出4个工具时间、计算器、代码执行、搜索的使用场景和处理规则。Agent能根据用户输入自主决定调用哪些工具、以什么顺序调用。踩坑接口调用时报Empty input messages错误排查发现是agent_graph.ainvoke()传入的键名写成了message单数而LangGraph要求messages复数。修正后恢复正常。二、流式思考链优化第八周开端为了让用户更直观地感知Agent的思考状态对流式输出进行了体验优化后端在/agent/memory/stream的stream_events生成器中增加了thinking_start事件在Agent开始推理时向前端推送正在分析你的问题…的状态提示。前端在sendStreamChatMessage函数中新增对thinking_start事件的处理让消息气泡在收到第一个token之前先显示思考状态收到文本后再逐字替换为实际内容。这一优化解决了之前用户发送消息后只能干等思考中占位符、无法区分网络延迟和Agent正在推理的问题。三、RAG系统学习第一阶段起步本周正式启动了RAG检索增强生成的系统学习目标是让Agent具备从知识库中检索相关信息的能力让代码审查建议更有依据。3.1 理解RAG全链路RAG的核心是离线准备 在线查询两大环节环节核心任务离线准备加载文档 → 分割成块 → 向量化 → 存入数据库在线查询用户提问 → 检索相关块 → 拼接上下文 → LLM生成答案为什么不能直接把整篇文档喂给LLMLLM有上下文长度限制无关信息会干扰LLM的注意力每次传整本书Token消耗巨大3.2 环境搭建与知识库准备安装了RAG所需的核心依赖langchain、chromadb、sentence-transformers。在AI-Agent-Dev项目总目录下创建了knowledge_base文件夹准备了一份unity_csharp_guidelines.md知识库文档包含公共字段vs属性、命名规范、性能优化、空值检查等核心编码规范。3.3 项目结构整理将unity-code-review-agent、ai-agent-notes和knowledge_base三个子目录统一收纳到AI-Agent-Dev总目录下并迁移到ai_study根目录形成了清晰的项目结构。同时为AI-Agent-Dev创建了独立的虚拟环境三个子目录共享。四、GitHub运营与学习笔记仓库完善了ai-agent-notes学习笔记仓库填充了第4周至第7周的完整笔记内容包括Memory、Prompt工程、代码执行、多工具协同等核心主题。每个周文件夹下包含notes.md学习笔记和专题文档如Few-shot设计指南、安全沙箱设计思路、工具设计模式总结等。同时美化了两大仓库的README加入了技术栈徽章和项目结构展示。五、下周计划继续RAG学习完成文档分割与向量化存储第2天跑通第一个完整的检索问答流程第3-4天。深入学习混合检索与Rerank理解BM25向量检索的混合策略以及Rerank的粗筛→精排两阶段检索。RAG与Agent集成将RAG检索能力封装为Agent的第5个工具实现审查代码时自动检索规范文档。六、本周核心收获