基于Claude Agent SDK构建具备自我修复能力的AI内容代理系统

1. 项目概述一个能自我修复的AI内容代理每天花两三个小时重复着写稿、排版、发帖、剪视频的机械劳动这种“内容苦力”的日子我过了很久。直到有一天我决定把这一切交给一个永不疲倦的助手。我构建了一个基于Claude Agent SDK的AI内容代理它不仅能自动完成跨平台内容创作与发布的全流程更重要的是它具备“自我修复”能力——当任务出错时它能自己分析问题并尝试解决。这个代理24小时运行在我的一台Mac mini上成本近乎为零主要利用已有的Claude订阅却替代了原本需要大量人力投入的工作。这不是一个简单的脚本或聊天机器人而是一个拥有持久记忆、能进行上下文决策、并通过Discord与我协同的智能工作流中枢。如果你也厌倦了重复的内容运营希望将创造力从执行中解放出来那么这套架构和思路或许能给你带来一些切实的启发。2. 核心架构设计从临时任务到持久智能体最初的版本是一个简单的Python守护进程它为每个任务比如发推、生成视频单独启动一个Claude进程。虽然能跑起来但有个致命缺陷每个任务都是“失忆”的。代理不知道昨天发了什么也不知道上周哪个视频爆了每次执行都像是第一次工作。这种设计无法积累经验更谈不上优化。2.1 持久化会话智能体的“记忆核心”现在的架构核心是一个永不终止的TypeScript智能体会话。无论是来自Discord的指令、定时触发的任务还是Webhook事件所有输入都汇入同一个代理循环。这意味着代理能在所有交互中保持完整的上下文记忆。实现这一点的关键是Anthropic的Claude Agent SDK特别是其流式输入模式。代理启动后便持续运行随时准备接收新消息而不是每次处理完请求就关闭。这为构建复杂的、有状态的自动化提供了可能。// agent.ts - 持久化会话与消息队列的核心 import { Agent } from anthropic-ai/agent-sdk; const agent new Agent({ model: claude-sonnet-4-20250514, tools: [...mcpTools, ...agentTools], // 集成的所有工具 systemPrompt: loadFile(SOUL.md), // 代理的“人格”与指令 }); // 统一的消息队列Discord、定时器、Webhook都向这里推送 const messageQueue: Message[] []; export async function sendMessage(content: string, source: string) { messageQueue.push({ content, source, timestamp: Date.now() }); await processQueue(); // 顺序处理队列保证上下文连贯 }这种设计带来了几个关键优势上下文连贯性代理在起草推文时能参考昨天同类内容的互动数据在生成视频脚本时能记住哪些话题更受观众欢迎。错误恢复与自我修复当任务失败时代理是在完整的会话上下文中看到错误信息的。它知道之前执行了哪些步骤、调用了什么工具因此能做出更有针对性的修复尝试而不是盲目重试。会话持久化即使进程因意外崩溃重启由pm2自动处理代理也能从磁盘加载之前的会话ID恢复几乎全部的历史上下文工作不会中断。2.2 事件驱动与统一入口整个系统的入口点index.ts非常简洁它初始化了代理并连接了所有输入源// index.ts — 系统入口 async function main() { const agent await startAgent(); // 启动持久化Agent SDK会话 const bot await startDiscord(agent); // 启动Discord机器人将消息转发给agent startScheduler(agent); // 启动node-cron定时任务将任务提示词喂给agent startWebhooks(agent); // 启动GitHub等Webhook监听器 // 代理上线通知 await bot.sendMessage(general, Koda已上线等待任务中。); }所有外部事件消息、定时任务、Webhook都被转化为统一的“消息”格式推入代理的消息队列。代理按顺序处理确保了任务执行的原子性和上下文的一致性。这种架构模仿了人类的工作方式一个持续运转的大脑处理来自不同渠道的异步请求。3. 任务调度与风险管控让自动化安全可控一个全自动的内容系统最大的风险莫过于失控。你绝对不想一觉醒来发现AI因为误解了某个热点发布了一条不合时宜的内容。因此精细化的任务调度与风险分类机制是系统安全的基石。3.1 基于node-cron的智能调度我使用了node-cron库来管理所有定时任务。目前系统里有17个定时任务从数据分析到内容创作覆盖了日常运营的各个方面。关键设计在于每个任务本质上是一个发送给持久化代理的“提示词”代理在完整的上下文中执行它。// scheduler.ts - 任务调度配置 const tasks: ScheduledTask[] [ { name: youtube_analytics, cron: 0 7 * * *, // 每天上午7点 prompt: 拉取过去7天的YouTube数据分析并与上一周期进行对比。, type: silent // 静默执行无需批准 }, { name: viral_scan, cron: 0 10 * * *, // 每天上午10点 prompt: 扫描X原Twitter上AI/自动化领域的病毒式推文并起草引用推文quote tweet进行战术分析。, type: approval // 需要我在Discord上批准 }, { name: social_post, cron: 0 12 * * *, // 每天中午12点 prompt: 遵循brand-voice-skill.md中的品牌语调为X平台起草一篇帖子。, type: approval }, { name: goal_check, cron: 0 8 15 * * *, // 每天上午8点15分 prompt: 检查GOALS.md中设定的目标。如果有任何目标落后于计划提出应对行动建议。, type: silent } ];任务去重机制为了防止意外重复执行比如手动触发了一个本该定时执行的任务系统会检查.task-results/YYYY-MM-DD.json目录下的记录。如果某个任务当天已经成功运行过再次触发时会被自动跳过。这个简单的机制避免了很多数据混乱和资源浪费。3.2 YOLO风险分类器为每把“刀”装上刀鞘不是所有自动化操作的风险等级都一样。读取数据是安全的但发布内容则是高风险的。我实现了一个简单的“风险分类器”为每一个工具调用Tool Call标注风险等级。// 风险等级分类器 const riskLevels { HIGH: [post_tweet, publish_video, delete_tweet, gmail_send], // 发布、删除、发送邮件 MEDIUM: [generate_image, skool_airtable_sync, create_record], // 生成内容、同步数据 LOW: [youtube_analytics, gsc_search_analytics, gmail_search] // 只读操作 };高风险操作如发布推文、上传视频会触发Discord审批流程。我必须点击✅操作才会继续。低风险操作如拉取数据分析完全静默执行完成后结果会汇总报告给我。中风险操作行为是动态的。如果检测到我在Discord上活跃近期有互动它可能会直接执行并通知我如果我在空闲状态则会转为等待批准。这种设计在效率和安全之间取得了很好的平衡。实操心得风险分类的粒度一开始我把所有写操作都设为高风险后来发现像“在Airtable中创建一条草稿记录”这种操作即使出错也容易回滚完全没必要审批徒增我的操作负担。所以风险分类需要根据操作的实际影响面和回滚成本来仔细界定这是一个持续优化的过程。3.3 自我修复从“报错”到“疗伤”旧系统Python守护进程在任务失败时只是记录错误日志然后通知我。新系统的“自我修复”能力是质的飞跃。当定时任务失败时完整的错误堆栈信息会作为上下文反馈给同一个持久化代理会话。由于代理“记得”它刚才试图做什么、调用了哪些工具、传入了什么参数因此它能进行更有针对性的修复尝试。例如如果是因为XTwitterAPI速率限制导致的失败代理可能会在提示词中分析出这一点然后自动在代码中为相关工具调用添加指数退避重试逻辑并重新执行任务。系统为每个失败任务提供最多2次自我修复尝试。如果修复成功我会在Discord收到一条“ 已自我修复”的通知并附上错误原因和修复措施。如果修复后仍然失败才会升级为需要我人工介入的警报。这大大减少了需要我处理的琐碎故障。4. 基础设施与进程管理确保7x24小时稳定运行一个需要长期在后台运行的服务稳定性是第一位的。你不能让它运行几天就自己崩溃或者日志文件把磁盘撑满。4.1 使用PM2进行进程管理我选择了pm2作为Node.js的进程管理器它完美地解决了生产环境下的几个核心问题自动重启通过ecosystem.config.js配置可以设定当应用崩溃或达到内存限制时自动重启进程。我设置了最大重启次数为10次超过后停止重启并报警防止陷入崩溃循环。日志管理pm2可以自动将标准输出和错误输出重定向到日志文件并支持按日期或大小进行日志轮转log rotation。所有日志都存储在data/logs/koda-*.log路径下方便排查问题。监控与状态查看通过简单的命令pm2 status就能一眼看清所有进程的状态、运行时间、内存和CPU占用非常直观。# 启动代理守护进程模式 npm run daemon # 这背后执行的是pm2 start ecosystem.config.js # 查看状态 pm2 status # 查看实时日志 pm2 logs koda --lines 100 # 重启应用比如在更新代码后 pm2 restart koda注意事项环境变量与配置在pm2的生态配置文件中务必正确设置NODE_ENVproduction以及所有必要的API密钥等环境变量。我推荐使用pm2的--env参数或配置文件来管理不同环境避免将敏感信息硬编码在代码或启动命令中。4.2 Discord作为控制平面移动端的高效协同为什么选择Discord而不是自己开发一个Web控制台原因很简单触达效率和交互丰富性。Discord App几乎永远在我手机的通知栏里支持富文本嵌入、表情反应、线程对话而且完全免费。我使用discord.js库搭建了一个双向通信的机器人我 - 代理我可以在任何时间、任何地点直接在Discord频道里输入指令例如“检查一下YouTube数据”、“起草一篇关于AI代理的帖子”。机器人会将这些消息转发给代理处理。代理 - 我代理将所有关键信息结构化地推送回Discord。内容审批当生成好一篇帖子或视频时会发送一个包含详情标题、内容、平台的富文本消息我只需点击附带的✅或❌表情即可完成审批。分析摘要每日或每周的数据报告会以清晰的格式呈现。系统警报包括自我修复成功/失败的通知、错误预警等。这种基于聊天界面的交互比登录一个Web面板、点击按钮要自然和快捷得多真正实现了“在手机上点一下就能管理一切”。5. 自动化视频生产管线从脚本到多平台发布内容创作中最耗时的环节之一就是视频制作。我的代理实现了一套全自动的短视频特别是YouTube Shorts生产线从选题到发布完全自动化单条视频成本仅几美分主要用于Gemini生成图像。5.1 六步流水线拆解整个管线被设计成一个可独立执行也可按需调用的工作流以下是其核心步骤脚本生成代理根据当前热点或既定主题例如“中子星的密度”利用Claude生成一段适合短视频口播的叙事脚本。脚本会明确分段为后续的图像匹配做准备。图像生成针对脚本的每一段叙述代理调用Gemini AI的图像生成API创建与之精确匹配的场景图。例如说到“一茶匙中子星物质重达60亿吨”时会生成一个展现超高密度物质的抽象科幻图像。这是主要的可变成本但每张图成本极低。语音合成使用微软的Edge TTS服务选择en-US-AndrewNeural这类听起来自然的人声将脚本合成为音频文件。Edge TTS免费、质量高是本地部署的理想选择。字幕与时间轴利用Whisper.cpp一个高效的Whisper语音识别C移植版特别优化了Apple Silicon性能对生成的音频进行语音识别并输出带精确到词级时间戳的SRT字幕文件。这为后续的视频合成提供了准确的文字同步基础。视频渲染使用Remotion这个基于React的编程式视频生成库。我定义了一个TechTutorial的React组件它将音频、按时间轴序列化的图像列表、字幕文件作为输入渲染出垂直比例1080x1920的MP4视频。Remotion运行在Node.js环境下渲染速度快且完全可控。缩略图与发布代理再次调用Gemini生成一个吸引眼球的背景图然后用Python的PIL库叠加上有发光效果的标题文字生成视频缩略图。最后调用YouTube Data API和Instagram Graph API通过各自的MCP服务器将视频、标题、描述、缩略图一并发布。# 一体化执行命令示例 python orchestrate_video.py --topic neutron_star_density # 或者分步执行便于调试 python generate_voiceover.py script.json npx remotion render TechTutorial output/video.mp4 --props/tmp/props.json python publish.py output/video.mp4 --platforms youtube,instagram5.2 关键工具选型与避坑指南Remotion vs. FFmpeg为什么选择Remotion因为它是声明式的。我用React组件定义视频的每一帧可以轻松实现复杂的动画、文字效果和转场。而用FFmpeg命令行拼接图片和音频想要实现精细的图文同步和动画非常痛苦。Remotion的学习曲线稍陡但换来的是无与伦比的灵活性和可维护性。Whisper.cpp的重要性自动生成字幕不仅是可访问性的要求也是短视频平台算法的推荐因素。Whisper.cpp本地运行速度快精度高避免了调用云端API的延迟和成本。确保你的字幕时间轴准确否则音画不同步会非常影响观感。图像生成的提示词工程让Gemini生成与脚本强相关的图像是关键。我的经验是在提示词中不仅要描述场景还要指定“短视频风格”、“动态构图”、“高对比度”、“适合文字叠加”等特性。可以建立一个图像风格的“提示词库”供代理选择能显著提升出图质量。一个常见的坑平台规格。YouTube Shorts、Instagram Reels、TikTok对视频格式、时长、大小、封面图比例都有细微差别。我的做法是在渲染环节就根据目标平台生成对应规格的最终视频文件而不是用一个通用文件去所有平台发布这样可以获得更好的播放体验和平台推荐。6. 记忆系统让AI代理真正“积累经验”一个没有记忆的AI代理就像金鱼只有7秒的记忆。对于内容创作这种高度依赖历史数据和经验积累的工作来说这是不可接受的。我为此设计了一个六层记忆系统让代理能够学习、总结并应用经验。6.1 记忆系统的六个层级引导文件这是代理每次启动时都会加载的“人格内核”。包括SOUL.md定义了代理的核心身份、价值观和使命例如“你是一个专注于科技知识分享的创作者助手”。SKILL.md描述了代理掌握的所有技能和工具的使用规范。USER.md关于我的偏好、写作风格、禁止事项等上下文信息。CLAUDE.md给Claude模型的操作性指令如思考链格式、输出要求等。观察记录代理在运行过程中随时使用一个observe()工具记录下它的“所见所闻”。例如“关于‘太空’的短视频观看量是‘自然奇观’类的10倍”、“在X平台上使用‘否定式清单’的帖子比‘功能列表’式帖子互动率更高”。每条观察都会被打上类型标签rule,preference,fact,habit,event。梦境周期这是一个在夜间运行的批处理任务可以说是记忆系统的“消化”过程。它会去重合并相似的观察记录。衰减根据类型应用重要性衰减。例如一条rule规则可能保留365天而一个event事件14天后就过期。提炼将频繁出现例如出现超过3次的模式从零散的“观察”提升到下一层的“精选心得”。每日日志以时间线形式记录当天发生的所有重要行动、结果、决策和错误。这不是在一天结束时批量写的而是在事件发生时持续追加保证了记录的实时性和准确性。精选心得这是经过“梦境周期”提炼后的、浓缩的长期记忆通常不超过100行。里面是像“短视频必须控制在60秒以内”、“图像必须与叙述句精确匹配”、“每周三发布技术教程类内容效果最好”这样的硬核经验。这些心得会直接作为上下文影响代理未来的内容决策。记忆检索在代理需要做出任何决策比如“今天写什么主题”之前它会自动在所有记忆层中搜索相关的历史信息。这确保了每一次创作都不是从零开始而是站在过去经验的肩膀上。6.2 “梦境周期”的设计价值如果没有“梦境周期”观察记录会无限制地堆积很快代理就会被海量的、可能矛盾的、过时的信息淹没导致“记忆污染”和决策瘫痪。“梦境周期”模拟了人脑的睡眠记忆巩固过程它完成了三件关键事信息压缩将冗余信息合并节省上下文窗口。知识提纯将偶然事件与普遍规律区分开只有被多次验证的模式才会进入长期记忆。垃圾清理让不重要的、过时的信息自然“遗忘”保持记忆库的健康和相关性。实现上“梦境周期”本身也是一个由定时任务触发的代理工作。它会读取原始的observations.json运行一个Claude任务来分析、归纳、清理然后更新curated_learnings.md文件。这个过程完全自动化是系统能够持续进化的核心。7. MCP服务器标准化工具集成如何让AI代理安全、方便地调用各种外部API如YouTube、Twitter、Gmail我选择了Anthropic提出的模型上下文协议。它为AI模型与外部工具/数据源的交互提供了一个标准化、类型安全、可发现的接口。7.1 什么是MCP及其优势简单说MCP服务器就是一个中间层它将对某个服务如YouTube API的所有复杂操作封装成一系列带有清晰描述和参数定义的“工具”Tools。AI代理不需要知道OAuth 2.0流程、API速率限制或响应数据解析它只需要调用像youtube_upload_video(title, filePath)这样的工具。我为每个主要服务都建立了一个MCP服务器YouTube MCP上传视频、获取分析、管理播放列表、读取评论。X (Twitter) MCP发布推文、获取互动指标、删除帖子。Bluesky MCP发布、转发、点赞、获取时间线。Gmail MCP搜索邮件、发送邮件、创建草稿、管理日历。Airtable MCP读写表格用于内容规划和CRM。Google Search Console MCP获取搜索分析、索引状态。n8n MCP触发和管理自动化工作流。优势对比传统集成安全性API密钥和令牌只存储在MCP服务器端代理完全接触不到。MCP服务器可以实现精细的权限控制和审计日志。可维护性当某个API更新时我只需要修改对应的MCP服务器而不用改动代理的核心代码。可发现性代理在启动时能动态发现MCP服务器提供了哪些工具并理解它们的用途这使得工具集可以灵活扩展。7.2 代理如何与MCP交互在代码中我只需将MCP服务器的工具列表注入到Claude Agent的初始化参数中。之后代理就可以在思考过程中像使用内置函数一样自然地调用它们。// 在代理思考过程中它可能会生成这样的“内心独白”并执行 // “我需要检查昨天的YouTube表现。让我调用youtube_analytics_overview工具日期设为昨天。” const analytics await callTool(youtube_analytics_overview, { start_date: 2026-04-04 }); // 然后它基于返回的结构化数据继续推理 // “数据显示观看量上升了23%关于磁星的短视频开局不错24小时内有847次观看。”这种交互模式非常符合LLM的“思考-行动”模式让代理能够自主地使用复杂的外部系统来完成目标而不是仅仅进行文本对话。8. 从零开始构建的实践指南如果你对这个架构感兴趣也想尝试构建自己的AI代理以下是我从实战中总结出的、按优先级排序的起步建议从Claude Agent SDK开始而非封装CLI我的第一个版本是封装Claude Code CLI的Python脚本这是一个弯路。直接使用Claude Agent SDK它能为你提供类型化的工具、流式输入、会话持久化等开箱即用的能力是构建复杂代理的坚实基础。尽早接入Discord作为控制平面不要先埋头把全部自动化逻辑写完再考虑怎么控制。一开始就搭建一个简单的Discord机器人discord.js很简单让每一个重要动作都向Discord发送消息每一个高风险操作都等待Discord上的批准。这会迫使你思考人机交互的界面并让你从第一天起就能安全地测试和监控系统。使用PM2管理进程不要自己写守护进程或重启脚本。pm2是经过时间检验的Node.js进程管理工具能为你处理崩溃重启、日志轮转、性能监控这些繁琐但至关重要的事情。直接用它。实施风险分类在编写每一个工具函数时就思考它的风险等级。建立一个类似前文提到的riskLevels映射表。这不仅仅是安全措施也是一种设计规范它能帮你厘清哪些操作是核心的、不可逆的。哪怕先做一个简单的记忆系统即使只是一个LEARNINGS.md文件让代理在每次启动时读取并在运行中追加新的心得也会让它的表现随着时间产生肉眼可见的提升。记忆是智能体区别于普通自动化脚本的灵魂。构建这样一个系统更像是在培育一个数字助手而不是编写一段程序。你需要为它设定目标、提供工具、建立沟通机制并设计学习反馈循环。过程中会遇到无数细节问题比如API限流、错误处理、上下文管理但每解决一个系统的稳健性和智能性就增加一分。当它第一次成功自我修复了一个你未曾预料到的错误时那种感觉是非常奇妙的。这不仅仅是节省了时间更是创造了一个能够持续学习和成长的合作伙伴。