1. 为什么手写Agent？AutoGPT的“幻觉循环”与性能陷阱

刚接触AI Agent时，我直接套用AutoGPT的ReAct模板，结果在连续3次工具调用后就陷入了“幻觉循环”——模型反复调用同一个API却不更新上下文。更致命的是，AutoGPT默认使用无限循环，在没有最大迭代限制时，单次对话可能产生50+次无意义调用，token消耗暴涨到12000+。

另一个痛点是记忆管理：AutoGPT把历史信息全塞进Prompt，导致上下文窗口快速膨胀。实测10轮对话后，Prompt长度从800 tokens暴涨到4800 tokens，决策延迟从0.4秒飙升到3.2秒。这说明：一个生产级Agent必须手动控制循环深度、缓存关键记忆、并处理工具调用中的异常。

2. 环境与版本：固定依赖的坑

我的开发环境：
- Python 3.10.12（3.11+可能导致 asyncio 兼容性问题）
- LangChain 0.3.1（不是最新的0.4，因为0.4的 AgentExecutor 接口变了）
- OpenAI API：gpt-4o-mini-2024-07-18（本地自建代理，延迟约200ms）
- 外部工具：一个自定义的天气API（本地Flask模拟，响应时间 str:
# 假设有一个本地天气API
response = requests.get(f"http://localhost:5000/weather?city={city}&date={date}", timeout=5)
if response.status_code != 200:
return f"API错误: {response.text}"
data = response.json()
return f"{city} {date} 天气: {data['weather']}, 温度: {data['temp']}°C"

**踩坑**：如果 `args_schema` 不定义 `description`，LangChain 0.3.1 会报 `ValidationError`，因为模型不知道参数格式。另外，工具名必须小写且无空格，否则Agent可能调用失败。

#### 4.2 记忆管理：固定大小的Ring Buffer

```python
from collections import deque
from langchain.schema import AIMessage, HumanMessage

class MemoryBuffer:
    def __init__(self, max_rounds: int = 3):
        self.max_rounds = max_rounds
        self.buffer = deque(maxlen=max_rounds * 2)  # 每轮包含1条用户+1条AI

    def add_interaction(self, user_msg: str, ai_msg: str):
        self.buffer.append(HumanMessage(content=user_msg))
        self.buffer.append(AIMessage(content=ai_msg))

    def get_memory(self) -> list:
        return list(self.buffer)

为什么要用 max_rounds=3？因为实测5轮记忆会让Prompt超过2500 tokens（gpt-4o-mini的上下文是16K，但模型容易在长上下文中丢失早期细节）。3轮能在记忆完整性和性能之间取得平衡，测试中准确率下降不到3%。

4.3 错误处理与循环控制：带熔断的重试

import json
from langchain.agents import create_react_agent, AgentExecutor
from langchain_openai import ChatOpenAI

def create_agent():
    llm = ChatOpenAI(model="gpt-4o-mini-2024-07-18", temperature=0.1, max_tokens=1024)
    tools = [WeatherTool()]
    prompt = """你是一个AI助手，可以使用工具回答问题。如果无法获取信息，请直接说“无法获取”。
    你的回答必须包含"Final Answer:"作为最终结论。每次思考不能超过3步。"""

    agent = create_react_agent(llm, tools, prompt)
    executor = AgentExecutor(
        agent=agent,
        tools=tools,
        max_iterations=5,  # 关键：限制循环次数
        handle_parsing_errors=True,  # 自动捕获JSON解析错误
        max_execution_time=30,  # 单位秒，超时熔断
        early_stopping_method="generate"  # 达到max_iterations时强制输出
    )
    return executor, MemoryBuffer()

def run_agent(executor, memory, user_input: str):
    # 注入记忆
    memory_context = memory.get_memory()
    result = executor.invoke({
        "input": user_input,
        "chat_history": memory_context  # LangChain 0.3.1必须显式传入
    })
    # 更新记忆
    memory.add_interaction(user_input, result['output'])
    return result['output']

循环控制细节：max_iterations=5 意味着Agent最多调用5次工具。如果5次后还没得出Final Answer，early_stopping_method="generate" 会强制让模型生成一个总结。实测90%的任务在3次内完成，只有极少数复杂查询需要4-5次。

4.4 错误处理：JSON解析异常捕获

工具调用返回的JSON如果格式不对（比如模型漏了双引号），handle_parsing_errors=True 会自动触发重试。但默认重试机制有个坑：它会把错误信息直接塞回给模型，导致模型陷入“错误-重试-错误”的循环。我的优化方案是自定义错误处理器：

from langchain.agents.agent import AgentException

def safe_parse(error: Exception, output: str):
    if "Could not parse LLM output" in str(error):
        return {"output": "工具调用格式错误，请重新表述你的需求。"}
    raise error  # 非解析错误则抛出

然后在 AgentExecutor 中传入 error_handler=safe_parse。这样模型不会收到原始错误JSON，而是收到一个友好提示，大概率能重新生成正确的调用。

5. 踩坑与优化：三个让我熬夜的Bug

Bug 1：记忆丢失
第一次测试时，我忘了在 run_agent 中把 memory_context 传入 chat_history。结果Agent每次都是“失忆”状态，连续问“北京天气怎么样？”“上海呢？”时，第二个问题它居然不知道城市是上海。解决方案：显式传递 chat_history 参数。

Bug 2：工具参数传递错误
LangChain 0.3.1 的 create_react_agent 默认使用 tools 列表，但我的 WeatherTool 没有定义 args_schema 时，模型会传一个空字典 {} 给 _run 方法，导致 city 缺省报错。加上 args_schema 后，模型会正确生成 {"city": "北京"}。

Bug 3：无限循环
有一次我忘了设置 max_iterations，结果模型在一个问题上循环了12次——它一直调用天气API，但每次返回的结果都让它觉得“还不够详细”。加了 max_iterations=5 后，第6次自动触发 early_stopping_method，强制输出当前结果。

6. 效果数据：从2.1秒到0.8秒

在10个常见用户指令（查询天气、计算日期差、翻译句子等）上的测试结果：

指标 无记忆+无限制循环 有记忆+循环控制
平均决策延迟 2.1秒 0.8秒
最大迭代次数 12次 5次
token消耗/对话 3200 tokens 1800 tokens
任务完成率 80% (2次超时) 100%
记忆命中率 0% 92%

最明显的优化是 记忆命中率：当用户连续问“北京天气”和“上海天气”时，带记忆的Agent能直接复用前面“城市查询”的思路，省掉了一次思考步骤。而无限循环模式在第三次提问时触发了超时熔断，任务失败。

7. 总结：Agent开发的核心是“可控性”

不要迷信AutoGPT的“全自动”设计。生产级Agent必须做到：
- 显式定义工具参数：用Pydantic约束，避免模型幻觉
- 固定大小的记忆缓冲：防止Prompt爆炸
- 有限循环+超时熔断：即使效果差，也比无限循环强

如果你现在要开发一个客服Agent，建议直接复用上面的 MemoryBuffer 和 AgentExecutor 配置，把 max_iterations 设为3，token消耗能降低40%。代码已上传到我的GitHub（链接在评论区），欢迎Star。

最后提醒一句：LangChain 0.4.0 已经发布，但接口变化太大，建议生产环境锁在0.3.x。等社区稳定后再升级。