在上篇文章中，我們討論了 if / else 條件判斷與 AI Agent 自主決策的差別。
但在實際應用中，不論是傳統程式還是 AI Agent，都不會只處理「單一資料」或執行「單一次判斷」。例如：生活助理需要檢查你接下來一整週的行程、比對多個地點的天氣預報，或者記住你們過去好幾輪的對話內容。
要處理這些「一整串資料」與「重複進行的動作」，我們就需要用到 Python 的基礎核心 —— List（串列） 與 Loop（迴圈）。
什麼是 List（串列）？
先前我們學到變數可以儲存單一資料：

todo = "整理會議記錄"

但如果今天有多個待辦事項，寫成好多個變數會非常繁瑣。這時候我們可以使用 List，把多筆資料放在同一個「清單」裡：

todo_list = ["整理會議記錄", "回覆客戶 Email", "預約下午茶地點"]
print(todo_list)

執行結果：
['整理會議記錄', '回覆客戶 Email', '預約下午茶地點']
List 中的每一個項目都有位置編號（索引 Index），而且 Python 是從 0 開始計算的：

print(todo_list[0])  # 取得第一個項目

執行結果：
整理會議記錄
使用 for 迴圈逐一處理資料
有了資料清單後，我們需要讓程式「一個一個拿出來處理」。這時候就可以使用 for 迴圈。
例如，讓程式幫我們印出每一項待辦事項：

todo_list = ["整理會議記錄", "回覆客戶 Email", "預約下午茶地點"]

print("今天的待辦事項：")
for item in todo_list:
    print("- " + item)

執行結果：

今天的待辦事項：
- 整理會議記錄
- 回覆客戶 Email
- 預約下午茶地點

程式會自動走訪 todo_list 中的每一個項目，逐一執行印出，直到整份清單處理完畢。
結合條件判斷：篩選資料
我們也可以將條件判斷與 for 迴圈結合。假設我們有一週的天氣預報資料，希望程式自動找出哪些天需要帶傘：

weekly_weather = ["sunny", "rain", "cloudy", "rain", "sunny"]

day = 1
for weather in weekly_weather:
    if weather == "rain":
        print(f"第 {day} 天會下雨，記得帶傘！")
    else:
        print(f"第 {day} 天天氣晴朗或多雲。")
    day = day + 1

List 與 Loop 在 AI Agent 中扮演什麼角色？
看似基礎的 List 和 迴圈，其實是建構 AI Agent 底層運作不可或缺的核心：

1. Agent 的「對話記憶」（Chat History）
   AI 大模型（LLM）本身是「無狀態」的，它不會自動記住你上一句說了什麼。AI 助理之所以能跟你順暢對話，是因為程式在背景維護了一個 List，把每一輪的對話訊息都裝進去：

# Agent 的歷史對話紀錄清單
chat_history = [
    "使用者：你好，請幫我規劃行程。",
    "AI：沒問題！請問您要去哪裡？",
    "使用者：我想去台北。"
]

每次你傳送新訊息時，程式就會把它 append（新增）到這個 List 的末端，再整包發送給 AI，這就是 Agent 擁有「記憶」的秘密。
2. Agent 的「思考與執行迴圈」（Agent Loop）
當我們給 AI Agent 一個複雜任務時，它不會只回答一次就結束，而是會在背景進入一個 迴圈（Loop）：
思考→行動→觀察結果
這個迴圈會一直重複執行，直到 AI 判斷「任務已完成」才會跳出迴圈，把最終結果回傳給使用者。
今天學到什麼？
今天我們掌握了處理多筆資料與重複任務的基本功：
List（串列）：將多個資料收納在同一個清單中（也是 Agent 紀錄歷史對話的基礎）。
for 迴圈：自動走訪清單項目（也是 Agent 重複「思考與執行」的底層機制）。
結合條件判斷：在重複過程中進行篩選與邏輯處理。
擁有了變數、判斷式、清單與迴圈的概念後，下一篇我們將會介紹處理「結構化資料」的重要工具 —— Dictionary（字典）！