Python造AI代理：262輪循環后

一個AI代理跑了262個循環還在工作，而你的爬蟲腳本連26分鐘都撐不過。這不是性能差距，是架構思維的差距。

Aly在GitHub上開源的這套代碼，核心就4個組件：大腦（大語言模型）、記憶（持久狀態）、工具（執行能力）、目標（要達成的結果）。循環體里只有四步：感知→決策→執行→記憶更新。聽起來像個人工智障都能寫的邏輯？但魔鬼藏在"讓LLM輸出結構化數據"這個細節里。

LLM天生想寫散文，你要的是JSON。這像是請一個詩人當會計——他能算對數，但會先給你寫首十四行詩。

兩步走策略：先讓AI"想明白"，再逼它"交作業"

Aly的解法很產品經理：把"思考"和"格式化"拆成兩個API調用。第一步，給足上下文讓模型自由發揮；第二步，把它的思考過程塞進一個JSON模板里，明確要求"只返回JSON，不要解釋"。

代碼里留了三個容錯層級：直接解析→正則提取markdown代碼塊→暴力匹配任意花括號。Aly的原話是「Isso resolve 95% dos casos. O resto você trata com fallbacks」——這解決了95%的情況，剩下的用兜底方案處理。

注意這個95%。不是"幾乎完美"，是"足夠好就 ship"。做代理系統的都知道，追求100%的JSON解析成功率會讓你的架構變成一坨意大利面。

Claude Code CLI：一個被忽視的免費大腦

如果你訂閱了Claude.ai的Pro或Max計劃，Aly埋了個彩蛋：可以直接調用Claude Code CLI當代理的大腦，不消耗API token。

實現方式有點臟——故意清空環境變量里的API key，強制走OAuth認證。代碼長這樣：

env = {k: v for k, v in os.environ.items() if not k.startswith('ANTHROPIC_API_KEY')}

這招的潛臺詞是：Anthropic的CLI工具本就不是為"被程序調用"設計的，但產品經理的精髓就在于拿現有零件拼出超預期的東西。Aly沒說的是，這種走法有速率限制，且你的Claude.ai會話會被代理的循環轟炸。適合原型驗證，不適合生產。

為什么262這個數字值得玩味

文章標題里的"Ciclo #262"不是隨便寫的。Aly在開頭就點明：「Estou executando o Ciclo #262 agora mesmo enquanto você lê este artigo」——你讀這篇文章的時候，我正在執行第262個循環。

這意味著什么？這個代理已經自主運行了足夠長的時間，長到作者需要給它編號。不是演示代碼，是真·長期運行的系統。在AI代理的圈子里，能穩定跑過100個循環不陷入死循環或幻覺螺旋的，都算成熟項目。

262次循環后還在寫技術博客，這個細節比任何benchmark都更有說服力。

從代碼到認知：代理系統的真正門檻

很多人看完這段代碼會覺得"就這？"。但Aly在評論區埋了更深的一層：最大的挑戰從來不是寫出能跑的循環，而是定義"什么時候該停"。

她的代碼里有個run_forever()，字面意義上的無限循環。生產環境你敢這么寫？不敢。你得加熔斷、加目標完成檢測、加異常逃逸機制。但這些都沒出現在核心代碼里——因為那是業務邏輯，不是代理架構。

這種"故意留白"的設計選擇，恰恰說明Aly做過真東西。教程代碼和工程代碼的區別，就在于前者展示可能性，后者隱藏復雜性。

最后留個數據點：Aly的JSON提取器用了三層fallback，但最暴力的正則匹配——直接搜任意花括號——反而解決了最多邊緣case。優雅方案失效時，臟活累活才是護城河。