Hugging Face 的 Agents 库，把搭建 AI 助手的门槛降到了前所未有的低点，大模型入门到精通，收藏这篇就足够了！

Transformers Agents 是一个API，基于 Hugging Face 的 Transformers 库，它允许用户通过自然语言指令来调用各种工具和模型，从而实现复杂的任务，特别擅长处理涉及多种模态的任务，如图像理解和文本朗读等。

本文带你了解 Agents是什么？Tools 包含哪些功能？以及详细的 Agents 使用教程。先来看两个示例，图像理解：用户可以通过简单的指令生成图像理解的结果，例如通过一句话得到图像的caption结果。

文本朗读：可以将文本转换为语音输出，调用 tools 实现文本的朗读功能。

1、什么是Tools，什么是Agents？

1.1 理解 Tools 及其有哪些能力

Tools 非常简单：每个 tool 都是一个具有明确名称和描述的函数。通过这些描述，Agents 能够理解如何使用这些工具来完成特定的任务。其皆在专注于一个非常简单的任务，避免了像 pipeline 那样的复杂结构，使得代码更加简洁和易于维护。以下是在 Transformers 中集成的一组精心挑选的tools，它们赋予了 Agents 强大的多模态处理能力：

• 文档问答：针对图像格式的文档（如 PDF）回答问题（使用 Donut 模型）
• 文本问答：在长文本中回答问题（使用 Flan-T5 模型）
• 无条件图像字幕：为图像生成字幕（使用 BLIP 模型）
• 图像问答：针对图像回答问题（使用 VILT 模型）
• 图像分割：根据提示生成图像的分割掩模（使用 CLIPSeg 模型）
• 语音转文本：将音频录音转录为文本（使用 Whisper 模型）
• 文本转语音：将文本转换为语音（使用 SpeechT5 模型）
• Zero-Shot 文本分类：确定文本最符合的标签（使用 BART 模型）
• 文本摘要：将长文本总结为简短的几句话（使用 BART 模型）
• 翻译：将文本翻译为指定语言（使用 NLLB 模型）

上述 Tools 已在库中集成，并且也可以手动加载使用，如下代码：

from transformers import load_tool
tool = load_tool("text-to-speech")
audio = tool("This is a text to speech tool")

1.2 理解 Agents 及工作流

对比今天的ChatGPT，它其实并非Agent，而是一个通用的世界知识，即用来做 Planning 的知识源，它没有基于具体的环境状态。因此有一句话提到“人类之所以是人类，因为他会使用工具” 。 作为智能体， Agent 也可以借助外部工具扩展功能，使其能够处理更加复杂的任务。比如LLM使用天气API来获取天气预报信息。

在上图中的 Agents是一个大型语言模型，我们可以通过提示它以访问特定的工具集。用户通过自然语言描述任务，Agents 根据这些描述生成相应的代码示例。这些代码示例利用工具的文档信息，特别是工具的输入和输出要求，来确保代码的正确性和有效性。

2、快速入门 Transformer Agents？

要使用agent.run，需要实例化一个agent。支持OpenAI模型以及来自BigCode和OpenAssistant的开源替代方案。

2.1 安装 Agents 附加模块

首先，需要安装 Transformers 库的 Agents 附加模块，以获取所有默认依赖项。请运行以下命令：

pip install transformers[agents]

2.2 选择并实例化 Agent

根据选择的模型，你可以使用不同的 Agent 类来实例化一个大型语言模型（LLM）。使用 OpenAI 模型，首先安装 openai 依赖项。注意：OpenAI 模型性能较好，但需要拥有 OpenAI API 密钥，因此无法免费使用。

pip install openai
from transformers import OpenAiAgent
agent = OpenAiAgent(model="text-davinci-003", api_key="<your_api_key>")

使用 BigCode 或 OpenAssistant 模型，其由 Hugging Face 提供免费访问端点，无需额外费用。首先登录以访问 Hugging Face 的 Inference API，然后根据需要实例化相应的 Agent。

from huggingface_hub import login
login("<YOUR_TOKEN>")
from transformers import HfAgent
# 使用 Starcoder 模型
agent = HfAgent("https://api-inference.huggingface.co/models/bigcode/starcoder")
# 或使用 StarcoderBase 模型
agent = HfAgent("https://api-inference.huggingface.co/models/bigcode/starcoderbase")
# 或使用 OpenAssistant 模型
agent = HfAgent(url_endpoint="https://api-inference.huggingface.co/models/OpenAssistant/oasst-sft-4-pythia-12b-epoch-3.5")

2.3 使用 agent.run

实例化 Agent 后，您就可以使用 agent.run 方法来执行任务了。只需提供自然语言描述的任务和相应的工具描述，Agent 将根据提示生成并执行相应的代码，以完成任务。

2.4 单次执行 agent.run

它会自动选择适合您要执行的任务的tool（或tools），并以适当的方式运行它们。每个 run() 操作都是独立的，因此你可以多次连续运行 run()并执行不同的任务。

agent.run("Draw me a picture of rivers and lakes.")

2.5 基于 chat 的执行 ```code-snippet__js
agent.chat(“Generate a picture of rivers and lakes”)
agent.chat(“Transform the picture so that there is a rock in there”)

==================================================================================================================================================================

2.6  生成调用Agent的代码
=================

到目前为止，我们已经展示了如何利用 agents 来执行各种操作。然而，agents仅在非常受限的 Python 解释器环境中执行代码。如果你希望在不同的环境中使用生成的代码，可以提示 agents 返回代码本身，以及 tools 的定义和准确的导入信息。这样，就可以将这些代码和工具集成到自己的项目或环境中，实现更灵活的应用和扩展。例如，以下指令

​```code-snippet__js
agent.run("Draw me a picture of rivers and lakes", return_code=True)

返回代码，然后你就可以调整并执行代码

from transformers import load_tool
image_generator = load_tool("huggingface-tools/text-to-image")
image = image_generator(prompt="rivers and lakes")

看到这里，也顺手转发给关注大模型及人工智能技术的朋友们吧！

‍

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！