基础概念

什么是 Agent

AI Agent（智能体）是一个能自主调用工具来完成任务的语言模型。不同于普通的"一问一答"聊天机器人，Agent 会：

  1. 理解用户意图
  2. 决定需要哪些工具
  3. 调用工具获取信息或执行操作
  4. 根据工具结果继续推理
  5. 最终给出完整回复

FaustBot 内部实现了一个Agent.

OpenAI Chat Completions API

OpenAI API是一套简单的程序使用大模型的规范。

FaustBot 支持四种接口格式：OpenAI Chat Completions、OpenAI Responses、Anthropic Messages、Google Gemini，并会按模型自动判断该用哪一种。多数服务商仍然是 OpenAI Chat 兼容的，所以下面按最常见的写法说明；换个服务商时你只需要密钥、模型 ID 和接口地址。

API Key

API Key 是你的身份凭证，类似"密码"。从 LLM 服务商获取后填入配置文件：

在 FaustBot 的 配置中心（Configer）→ AI 服务商 → 添加服务商 → 密钥 中填入即可。

格式基本上是sk-{一大串随机字符}

接口地址（Base URL）

不同服务商的 API 地址不同：

这一项应该是一个https://开头的链接

在 Configer 的 AI 服务商 → 添加服务商 → 接口地址 中填入。

常见服务商的 Base URL：

服务商 Base URL
OpenAI https://api.openai.com/v1
DeepSeek https://api.deepseek.com/v1
硅基流动 https://api.siliconflow.cn/v1
OpenRouter https://openrouter.ai/api/v1
本地 Ollama http://localhost:11434/v1

Embedding API

Embedding模型用于FaustBot记忆库。

Embedding模型可以把一段文本编码为一串数字(向量),程序可以通过计算向量间的相似性来找出相关的文本。

在FaustBot中,记忆库的搜索使用了Embedding模型

Embedding API的配置同样包括 Base URL,API和Model

工具调用

工具（Tool）是 AI的"手和脚"——让模型不仅能"说"，还能"做"。

工具的能力，实际上决定了一个LLM模型能够进行什么样的操作

工作原理

用户: "帮我写一个贪吃蛇游戏"
       │
       ▼
   Agent 推理: 需要 write 工具
       │
       ▼
   Agent 调用: write("snake.py", "...代码...")
       │
       ▼
   工具返回: "已写入 snake.py"
       │
       ▼
   Agent 回复: "已为你创建了贪吃蛇游戏，保存在 snake.py"

FaustBot 的主要工具集

工具 功能
read 读取文件
write 创建/修改文件
edit 精确文本替换（old_str 唯一匹配）
execute 运行 Python/系统命令
search 网页搜索
find 项目内文件搜索
minecraft Minecraft 机器人控制
nimble 灵动交互窗口
browser 浏览器自动化
memory 记忆库读写
trigger 定时任务管理

工具输出截断

为防止工具输出过长消耗大量 Token，FaustBot 对长输出自动截断：

  • 短输出（≤120 字符单行）→ 原样返回
  • 长输出 → 截断为 500 字符摘要 + [完整输出: artifact://<id>]
  • Agent 可调用 read("artifact://<id>") 获取完整内容

模型思维链

思维链（Chain of Thought）是模型在给出最终答案前的内部推理过程。

普通对话 vs 思维链

普通: 用户问 → 模型答

思维链:
用户问 → 模型: "我需要先理解这个问题..."
      → 模型: "让我考虑几种方案..."
      → 模型: "方案A的问题是...方案B更合适..."
      → 最终答案

为什么重要

  • 复杂任务: 数学计算、代码调试需要分步推理
  • 透明性: 你可以看到模型"在想什么"
  • 可纠正: 发现推理错误时可以纠正方向
  • 工具决策: Agent 选择哪个工具时，思维链解释了为什么

在 FaustBot 中

FaustBot 支持两类模型：

类型 说明 示例
普通模型 一次生成最终答案 gpt-4o, deepseek-chat
推理模型 先输出思维链再输出答案 deepseek-r1, o1, o3

推理模型会先进行内部推理（你可以在界面中看到思考过程），然后再执行工具调用或给出回复。这让 Agent 在复杂任务上表现更可靠。

上下文窗口

每次对话，Agent 能看到的内容包括：

  1. 系统提示: Agent 的角色设定和行为规范
  2. 对话历史: 之前的所有用户消息和助手回复
  3. 工具调用记录: 工具名称、参数、返回结果
  4. 记忆: 从记忆库中检索的相关信息

这些内容一起构成上下文窗口（Context Window）。窗口大小由模型决定（如 128K tokens），超出部分会被截断。

记忆系统

FaustBot 的记忆不是简单的"聊天记录"，而是三层检索系统：

层级 技术 用途
向量搜索 nano-vectordb 语义相似匹配
关键词搜索 BM25 精确词匹配
知识图谱 networkx 实体关系推理

Agent 在回复前会自动检索记忆库，找到相关信息注入上下文。

MCP 扩展

MCP（Model Context Protocol）让 Agent 连接外部工具服务器：

FaustBot ──stdio/sse──→ MCP Server (如 Playwright)
                            │
                            ├── browser_navigate
                            ├── browser_click
                            └── browser_snapshot

一个 MCP Server 可以提供多个工具。FaustBot 自动将它们注册为可用工具，Agent 调用时完全透明。详见 MCP Server 教程。

下一步