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：

1. 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。
2. 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。
3. 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X（Twitter）API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：

1. 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。
2. 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。
3. 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_ENV=production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：

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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,instagram

5.2 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

1. 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。
2. 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）。
3. 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”。
4. 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。
5. 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。
6. 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：

1. 信息压缩：将冗余信息合并，节省上下文窗口。
2. 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。
3. 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：

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。