GenericAgent

GenericAgent 是一个仅约 3,000 行代码的极简自主 Agent 框架。它摒弃了复杂的插件生态和庞大的依赖库，通过 9 个原子工具和一个约 100 行的核心循环 (Agent Loop)，赋予任意大语言模型（LLM）对本地计算机的系统级控制能力。

其核心设计哲学是：“不预设技能，靠进化获得能力。”

每当你让 GenericAgent 完成一个新任务，它不仅会执行，还会将成功的执行路径自动固化为 Skill (技能) 并写入记忆层。随着使用时间的推移，它会从几行种子代码生长出一棵完全属于你、独一无二的专属技能树。

核心亮点

1. 真正的自我进化 (Self-Evolution)

• 技能沉淀：遇到新任务时，Agent 会自主摸索（安装依赖、编写脚本、调试）；成功后，它将这一过程固化为 Skill。
• 专属技能树：下次遇到同类任务（如“监控股票”或“发送 Gmail”），Agent 不再重新推理，而是直接调用已沉淀的 Skill，实现“一句话启动”。
• 分层记忆系统：
  • L0 元规则：基础行为约束。
  • L1 记忆索引：快速路由与召回。
  • L2 全局事实：长期积累的稳定知识。
  • L3 任务 Skills：可复用的 SOPs。
  • L4 会话归档：长程召回的历史记录。

2. 极致轻量与省 Token

• 代码极简：核心代码仅 ~3K 行，无复杂依赖，pip install 即可运行。
• 低上下文开销：通过分层记忆和精简的工具集，上下文窗口通常不到 30K Token，仅为其他重型 Agent 框架（200K–1M）的零头。
• 高成功率：噪声更少，幻觉更低，成本降低一个数量级。

3. 系统级控制能力

• 9 大原子工具：
  • code_run: 执行任意代码（Python/Shell等）。
  • file_read/write/patch: 文件系统操作。
  • web_scan: 感知网页内容。
  • web_execute_js: 控制浏览器行为（注入真实浏览器，保留登录态）。
  • ask_user: 人机协作确认。
  • update_working_checkpoint / start_long_term_update: 记忆管理。
• 全平台覆盖：支持浏览器、终端、文件系统、键鼠输入、屏幕视觉及移动设备（通过 ADB）。

4. 自举实证 (Self-Bootstrapping)

• 作者未碰终端：GenericAgent 仓库的所有内容，从安装 Git、git init 到每一条 commit message，均由 GenericAgent 自主完成。这是其强大执行力的最佳证明。

快速开始

1. 标准安装

# 克隆仓库
git clone https://github.com/lsdefine/GenericAgent.git
cd GenericAgent

# 安装最小依赖
pip install streamlit pywebview

# 配置 API Key
cp mykey_template.py mykey.py
# 编辑 mykey.py，填入你的 LLM API Key (支持 Claude, Gemini, Kimi, MiniMax 等)

# 启动 Web UI
python launch.pyw

2. 多平台 Bot 接入

GenericAgent 支持多种即时通讯工具作为前端，实现随时随地交互：

对比同类产品

工作原理

1. 感知：Agent 通过原子工具感知环境状态（文件、网页、屏幕）。
2. 推理：基于 LLM 进行任务拆解和规划。
3. 执行：调用原子工具执行具体操作。
4. 进化：
   • 若成功，将执行路径提炼为 Skill 存入 L3 记忆层。
   • 若失败，自主调试并修正，直至成功。
5. 循环：进入下一个任务或步骤。

“给它一个目标，它还你一棵技能树。”
GenericAgent，让 AI 真正学会“做事”，而不仅仅是“说话”。