前言：咱们先聊聊为什么要玩AI智Neng体

说实话，这玩意儿听起来高大上。

可是你只要动手敲几行代码，立马就Nengkan到它在屏幕上跑来跑去。

哈哈，这不就是程序员的乐趣嘛。

别担心，我不会把你逼到脑袋炸裂。

咱就是说只要100行左右，你就Neng掌握AI智Neng体的核心循环。

先把这三个词记住后面写代码的时候会省不少事。

感知，就是让智Neng体从外部世界拿到信息。

决策，是它内部的大脑思考怎么办。

行动，则是把想法落到现实比如调用API或者写文件。

这三个环节像三脚猫，一环卡住整个循环dou瘫痪。

Zui常见的是文本、JSON或者网页抓取的结果。

那种“啊啊啊，我不知道该怎么写”的情况，多半是忘了给它一个明确的输入格式。

不对不对，我说的是要给它一个统一的结构体，这样后面才Neng顺畅传递。

这里我们一般会套上一层Prompt，让大模型产生思考路径。

记得加上“你是一个专业助理”之类的角色设定，效果会好hen多。

Ru果你想让它geng细致，Ke以在Prompt里加入“步骤1…步骤2…”之类的指令。

行动其实就是调用外部函数或者系统命令。

常见的有读取文件、发HTTP请求、甚至控制机器人手臂。

这里有个坑：一定要Zuo好异常捕获，不然一出错整个循环就直接挂掉了。

下面咱们把代码拆成几个块儿，每块儿大约20行左右，你Ke以随时停下来消化一下。

# 引入必备库

# 配置API密钥

# 定义全局变量，比如日志级别和缓存路径

# 编写一个函数 get_input

# 支持命令行参数和标准输入两种方式

# 把原始文本包装成统一的数据结构返回

# 包装一次ChatCompletion请求为 ask_llm

# 在这里加上超时重试机制，防止网络抖动导致卡死

# 把返回结果解析成JSON，方便后续处理

# 根据LLM返回的指令决定走哪条分支，例如 read_file、write_file 或 call_api

# 每个分支dou写成独立函数，保持代码清晰可维护

# 用 while True 包裹整个流程，实现感知→决策→行动的闭环

# 加入退出条件，比如用户输入 “exit” 或者达到Zui大轮数限制

# 使用 logging 模块打印每一步关键状态，帮助定位问题

# 在 DEBUG 模式下把所有中间变量 dump 到本地文件

# 记得在生产环境关闭详细日志，否则会泄露敏感信息

现在我们假设要Zuo的是每天自动抓取某网站新闻，然后生成摘要并保存到本地文件。

第一步，用 get_input 把目标URL读进来。

第二步，让 LLM 根据提示 “请阅读以下网页内容，并提炼出三句话摘要” 来生成摘要。

第三步，把摘要写进 daily_summary.txt。

整个过程就在 while 循环里不停重复，只要你没手动停止，它就会一直跑下去。

确保 Prompt 不要太长，否则模型会截断关键信息。

对 LLM 输出Zuo JSON 验证，一旦格式错误立即重新请求，而不是盲目继续执行。

为每个外部调用设置超时阈值，比如 5 秒内没有响应就认为失败并回退重试。

把重要状态持久化到磁盘，即使程序崩溃也Neng恢复上下文继续跑。

定期清理缓存文件，防止磁盘被塞满导致 IO 错误。

A/B 测试经验分享——那点儿“坑”你得踩过才懂

第一次尝试时我把所有日志dou打开了结果控制台刷屏狂飙 10 万行文字，电脑直接卡死。

后来发现，只保留关键节点日志即可，那叫一个轻盈流畅。

还有一次我忘记在 Prompt 前加上 “请使用中文”，模型直接给我英文答案，我差点崩溃。

所以说一句话提醒自己：Prompt 要明确语言和格式要求！