当前位置：首页 > news >正文

3000行代码打造可自我进化的GenericAgent框架，多场景应用超便捷！

news 2026/4/16 10:08:17

项目简介

GenericAgent是一个极简、可自我进化的自主Agent框架。其核心代码仅约3000行，借助9个原子工具和大约100行的Agent Loop，能让任意大语言模型（LLM）对本地计算机实现系统级控制，涉及浏览器、终端、文件系统、键鼠输入、屏幕视觉以及移动设备（ADB）。它秉持不预先加载技能，通过进化获取技能的设计理念。每次GenericAgent解决新任务时，会自动将执行路径固化为一项技能，方便后续直接复用。使用时间越长，积累的技能越多，会形成一棵完全属于你的技能树，这棵树从3000行种子代码发展而来。

自举实证

本仓库中的所有操作，从安装Git、执行 `git init` 到每一条提交信息，均由GenericAgent自主完成，作者全程未打开过一次终端。

核心特性

自我进化：每次完成任务都会自动沉淀为一项技能，随着使用次数增加，能力不断提升，形成专属技能树。
极简架构：核心代码约3000行，Agent Loop约100行，没有复杂依赖，部署毫无负担。
强执行力：可注入真实浏览器（保留登录状态），9个原子工具能直接控制操作系统。
高兼容性：支持Claude、Gemini、Kimi、MiniMax等主流模型，具备跨平台能力。

自我进化机制

这是GenericAgent与其他Agent框架的根本区别。具体流程为：[新任务] → [自主探索]（安装依赖、编写脚本、调试验证） → [将执行路径固化为技能] → [写入记忆层] → [下次遇到类似任务直接调用]。以下是一些示例：

你说的话	第一次执行	后续执行
“监控股票并提醒我”	安装mootdx → 构建选股流程 → 配置定时任务 → 保存技能	一句话启动
“用Gmail发送这个文件”	配置OAuth → 编写发送脚本 → 保存技能	直接可用

使用几周后，你的Agent实例将拥有独一无二的技能树，全部源于3000行种子代码。

实例展示

外卖下单：“Order me a milk tea”，可自动导航外卖应用，选择商品并完成结账。
量化选股：“Find GEM stocks with EXPMA golden cross, turnover > 5%”，能按量化条件筛选股票。
自主网页探索：可自主浏览网页并定期汇总内容。
支出追踪：“查找近3个月超2000元的支出”，可通过ADB驱动支付宝进行查询。

快速开始

方法一：标准安装

克隆仓库：

git clone https://github.com/lsdefine/GenericAgent.gitcd 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。
启动：
```
python launch.pyw
```
完整引导流程见 `GETTING_STARTED.md`。

Bot接口（可选）

微信Bot（个人微信）

无需额外配置，扫码登录即可：

pip install pycryptodome qrcode requestspython frontends/wechatapp.py

首次启动会弹出二维码，用微信扫码完成绑定，之后可通过微信消息与Agent交互。

QQ Bot

使用qq - botpy WebSocket长连接，无需公网webhook：

pip install qq - botpy

在 `mykey.py` 中补充：

qq_app_id = "YOUR_APP_ID"qq_app_secret = "YOUR_APP_SECRET"qq_allowed_users = ["YOUR_USER_OPENID"] # 或 ['*'] 公开访问

python frontends/qqapp.py

在QQ开放平台创建机器人获取AppID / AppSecret。首次消息后，用户openid记录于 `temp/qqapp.log`。

飞书（Lark）

pip install lark - oapipython frontends/fsapp.py

fs_app_id = "cli_xxx"fs_app_secret = "xxx"fs_allowed_users = ["ou_xxx"] # 或 ['*']

入站支持：文本、富文本post、图片、文件、音频、media、交互卡片 / 分享卡片；出站支持：流式进度卡片、图片回传、文件 / media回传；视觉模型：图片首轮以真正的多模态输入发送给兼容OpenAI Vision的后端。详细配置见 `assets/SETUP_FEISHU.md`。

企业微信（WeCom）

pip install wecom_aibot_sdkpython frontends/wecomapp.py

wecom_bot_id = "your_bot_id"wecom_secret = "your_bot_secret"wecom_allowed_users = ["your_user_id"]wecom_welcome_message = "你好，我在线上。"

钉钉（DingTalk）

pip install dingtalk - streampython frontends/dingtalkapp.py

dingtalk_client_id = "your_app_key"dingtalk_client_secret = "your_app_secret"dingtalk_allowed_users = ["your_staff_id"] # 或 ['*']

其他App前端

除默认的Streamlit Web UI外，还可尝试不同风格的前端：

python frontends/qtapp.py # 基于Qt的桌面应用streamlit run frontends/stapp2.py # 另一种Streamlit风格UI

与同类产品对比

特性	GenericAgent	OpenClaw	Claude Code
代码量	约3000行	约530000行，已开源（体量大）	-
部署方式	`pip install + API Key`	多服务编排CLI + 订阅	-
浏览器控制	注入真实浏览器（保留登录态）	沙箱 / 无头浏览器	通过MCP插件
OS控制	键鼠、视觉、ADB	多Agent委派	文件 + 终端
自我进化	自主生长技能和工具	插件生态	会话间无状态
出厂配置	几个核心文件 + 少量初始技能	数百模块	丰富CLI工具集

工作机制

GenericAgent通过分层记忆、最小工具集和自主执行循环来完成复杂任务，并在执行过程中不断积累经验。

分层记忆系统

记忆在任务执行过程中不断沉淀，使Agent逐渐形成稳定高效的工作模式。

L0 — 元规则（Meta Rules）：Agent的核心行为规则和系统约束。
L1 — 记忆索引（Insight Index）：极简索引层，用于快速路由和召回。
L2 — 全局事实（Global Facts）：长期运行积累的稳定知识。
L3 — 任务技能 / SOPs：完成特定任务类型的可复用流程。
L4 — 会话归档（Session Archive）：从已完成任务中提炼的归档记录，用于长程召回。

自主执行循环

感知环境状态 → 任务推理 → 调用工具执行 → 经验写入记忆 → 循环。整个核心循环仅约100行代码（`agent_loop.py`）。

最小工具集

GenericAgent仅提供9个原子工具，构成与外界交互的基础能力：

工具	功能
`code_run`	执行任意代码
`file_read`	读取文件
`file_write`	写入文件
`file_patch`	修改文件
`web_scan`	感知网页内容
`web_execute_js`	控制浏览器行为
`ask_user`	人机协作确认