Python造AI代理：262轮循环后

一个AI代理跑了262个循环还在工作，而你的爬虫脚本连26分钟都撑不过。这不是性能差距，是架构思维的差距。

Aly在GitHub上开源的这套代码，核心就4个组件：大脑（大语言模型）、记忆（持久状态）、工具（执行能力）、目标（要达成的结果）。循环体里只有四步：感知→决策→执行→记忆更新。听起来像个人工智障都能写的逻辑？但魔鬼藏在"让LLM输出结构化数据"这个细节里。

LLM天生想写散文，你要的是JSON。这像是请一个诗人当会计——他能算对数，但会先给你写首十四行诗。

两步走策略：先让AI"想明白"，再逼它"交作业"

Aly的解法很产品经理：把"思考"和"格式化"拆成两个API调用。第一步，给足上下文让模型自由发挥；第二步，把它的思考过程塞进一个JSON模板里，明确要求"只返回JSON，不要解释"。

代码里留了三个容错层级：直接解析→正则提取markdown代码块→暴力匹配任意花括号。Aly的原话是「Isso resolve 95% dos casos. O resto você trata com fallbacks」——这解决了95%的情况，剩下的用兜底方案处理。

注意这个95%。不是"几乎完美"，是"足够好就 ship"。做代理系统的都知道，追求100%的JSON解析成功率会让你的架构变成一坨意大利面。

Claude Code CLI：一个被忽视的免费大脑

如果你订阅了Claude.ai的Pro或Max计划，Aly埋了个彩蛋：可以直接调用Claude Code CLI当代理的大脑，不消耗API token。

实现方式有点脏——故意清空环境变量里的API key，强制走OAuth认证。代码长这样：

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

这招的潜台词是：Anthropic的CLI工具本就不是为"被程序调用"设计的，但产品经理的精髓就在于拿现有零件拼出超预期的东西。Aly没说的是，这种走法有速率限制，且你的Claude.ai会话会被代理的循环轰炸。适合原型验证，不适合生产。

为什么262这个数字值得玩味

文章标题里的"Ciclo #262"不是随便写的。Aly在开头就点明：「Estou executando o Ciclo #262 agora mesmo enquanto você lê este artigo」——你读这篇文章的时候，我正在执行第262个循环。

这意味着什么？这个代理已经自主运行了足够长的时间，长到作者需要给它编号。不是演示代码，是真·长期运行的系统。在AI代理的圈子里，能稳定跑过100个循环不陷入死循环或幻觉螺旋的，都算成熟项目。

262次循环后还在写技术博客，这个细节比任何benchmark都更有说服力。

从代码到认知：代理系统的真正门槛

很多人看完这段代码会觉得"就这？"。但Aly在评论区埋了更深的一层：最大的挑战从来不是写出能跑的循环，而是定义"什么时候该停"。

她的代码里有个run_forever()，字面意义上的无限循环。生产环境你敢这么写？不敢。你得加熔断、加目标完成检测、加异常逃逸机制。但这些都没出现在核心代码里——因为那是业务逻辑，不是代理架构。

这种"故意留白"的设计选择，恰恰说明Aly做过真东西。教程代码和工程代码的区别，就在于前者展示可能性，后者隐藏复杂性。

最后留个数据点：Aly的JSON提取器用了三层fallback，但最暴力的正则匹配——直接搜任意花括号——反而解决了最多边缘case。优雅方案失效时，脏活累活才是护城河。