大模型能写代码, 靠的是一个简单循环

Wed, 02 Sep 2026 09:30:00 +0000

我读 Gemini CLI 源码, 起因很具体: 去年我在公司内部做了一个 Code Agent 产品, 给它设计循环机制的时候, 我想知道一个已经跑在大量开发者终端上的开源实现是怎么做的, 于是把 Gemini CLI 的核心目录翻了一遍。

翻完的结论出乎意料: 最核心的东西非常小——就是一个循环。模型说话, 发起工具调用, 拿到工具结果, 再说话。其余的一切, 审批、上下文压缩、循环检测、预算控制、模型降级, 全是围着这个循环做的外围工程。我后来自己搭产品, 也是先把这个循环立起来, 再逐个补护栏。连"下一句话该谁说"这种问题, 也只是循环里的一个判定点: 模型说完而没发起工具调用时, 一个轻量模型会被叫来判一次"该继续还是该交还用户", 判"继续"就自动接一轮。

这个结论在源码里有多简单, 可以用三个细节说明。Turn 类把一次模型调用包装成事件流, 事件类型在源码里就是一个枚举——从文本流、工具调用请求到循环检测、会话轮数到顶, 覆盖了循环可能遇到的每一类情形。client.ts 里写死一个 MAX_TURNS = 100, 给这个递归加硬上限。next-speaker-checker 的判定提示里只有三条规则: 上一条回复说了接下来要做什么, 模型接着说; 以向用户的提问结尾, 交还用户; 除此之外, 交还用户。一个让大模型自主干活的系统, 它的决策点就是这几行。

flowchart TB
 A[用户请求] --> B[模型说话<br/>可能发起工具调用]
 B --> C{发起了<br/>工具调用?}
 C -->|是| D[调度器执行工具<br/>结果写回历史]
 D --> B
 C -->|否| E[Next Speaker 判定<br/>轻量模型决策]
 E -->|模型继续| B
 E -->|交还用户| F[控制权回到输入框]

Anthropic 在《Building effective agents》里把这个事实写得很直白: agent 通常就是"大模型在循环里依据环境反馈使用工具"。那接下来的三个问题就值得认真回答了: 这套机制从哪来? 为什么它偏偏在写代码这件事上威力这么大? 现在的 coding agent 是不是都在这么跑?

把博客开放给 AI：Allow Policy, Readability, 还有 Agent Discovery

Fri, 15 Aug 2025 10:00:00 +0000

前几天在 Cloudflare 面板看了眼流量, 发现 AI 爬虫的请求占比已经不小了. ChatGPT, Perplexity 这些工具都会派爬虫来抓站点, 把内容喂给自己的模型, 用来检索和引用.

这让我认真想了想: 博客内容到底要不要对 AI 开放? 开放了之后, 能不能做点什么, 让它们更好地理解我写了什么?

这篇不聊具体某个博客框架怎么配, 只聊几个通用的常识. 不管用的是 Hugo, 还是 WordPress, 还是自己搭的, 都用得上.

想清楚要不要放行 AI

很多站长第一反应是拒绝. 担心内容被"偷走", 担心 AI 回答抢走自己的流量.

但换个角度想: AI 引用我的内容, 本质上是一种曝光. 别人问一个问题, AI 回答说"可以看看这篇文章", 就多了一个入口. 个人博客的访问量本来就不靠搜索引擎一家, 被 AI 引用是免费的引流.

除非我的内容有付费墙, 或者我明确不想让内容出现在 AI 回答里, 否则放行是划算的. 这个问题值得想清楚, 因为 robots.txt 的默认行为往往已经替我做了决定——大多数博客什么都没配, 等于全部放行.

想清楚了, 后面的事情才有意义.

内容本身要对 AI 友好

AI 读我的博客, 和搜索引擎爬虫不一样. 搜索引擎看重关键词和链接, 而 AI 要的是"能不能读懂".

有几个朴素的原则, 和技术栈无关:

开头说清楚这篇讲什么. AI 经常只读开头几段来做摘要. 如果前几行是寒暄和废话, 它给出的内容总结就只能是废话.
用平实的语言, 少绕弯子. 故弄玄虚的标题和含糊的表述, 人类能猜出来, AI 猜不准.
标题要能概括内容. 一个"XX 踩坑记"式的标题, 不如"怎么解决 XX 问题"来得明确.

这些都不需要会写代码, 只需要有这个意识.

Agent on Time Friend

大模型能写代码, 靠的是一个简单循环

把博客开放给 AI：Allow Policy, Readability, 还有 Agent Discovery

想清楚要不要放行 AI

内容本身要对 AI 友好