GenericAgent

极简的自我进化 Agent 框架，核心仅约 3K 行代码，通过 9 个原子工具让 LLM 控制系统。亮点是任务执行路径自动固化为 Skill 形成专属技能树，上下文窗口不到 30K，Token 消耗远低于同类 Agent。MIT 许可，可自由使用。

README

English | 中文 | 📄 技术报告: | 📘 教程 | Sophub

📌 官方渠道: 本 GitHub 仓库是 GenericAgent 的唯一官方来源。我们与任何使用 GenericAgent 名称的第三方网站无关。

🌟 项目概述

GenericAgent 是一个极简的、可自我进化的自主 Agent 框架。其核心仅约 3K 行代码。通过 9 个原子工具 + 约 100 行的 Agent 循环，赋予任意 LLM 对本地计算机的系统级控制能力——覆盖浏览器、终端、文件系统、键盘/鼠标输入、屏幕视觉和移动设备（ADB）。

其设计哲学是：不预设技能——靠进化获得能力。

每解决一个新任务，GenericAgent 就会自动将执行路径固化为一个 Skill，供后续直接复用。使用时间越长，积累的技能越多，形成一棵完全属于你、从 3K 行种子代码生长出来的专属技能树。

🤖 自举实证 —— 本仓库中的一切，从安装 Git 并运行 git init 到每一条 commit 消息，均由 GenericAgent 自主完成。作者从未打开过终端一次。

📋 核心特性

自我进化：每次任务自动沉淀 Skill，能力随使用持续增长，形成你的个人技能树。
极简架构：约 3K 行核心代码。Agent 循环约 100 行。无复杂依赖，零部署负担。
强执行力：注入真实浏览器（保留登录会话）。9 个原子工具直接控制系统。
高兼容性：支持 Claude / Gemini / Kimi / MiniMax 等主流模型。跨平台。
极致省 Token：上下文窗口低于 30K，是其他 Agent（消耗 200K–1M）的零头。分层记忆让关键信息始终在场。更少噪声，更低幻觉，更高成功率——而成本仅为一小部分。

🧬 自我进化机制

这是 GenericAgent 区别于所有其他 Agent 框架的根本所在。

[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 Skill] --> [写入记忆层] --> [下次同类任务直接调用]

你说的话	Agent 第一次做了什么	之后每次
"读取我的微信消息"	安装依赖 → 逆向数据库 → 编写读取脚本 → 保存 Skill	一行调用
"监控股票并提醒我"	安装 mootdx → 构建选股流程 → 配置 cron → 保存 Skill	一行启动
"通过 Gmail 发送此文件"	配置 OAuth → 编写发送脚本 → 保存 Skill	立即可用

几周后，你的 Agent 实例将拥有一套世界上任何人都不具备的技能树——全部从 3K 行种子代码中生长而来。

🎯 演示展示

🧋 外卖下单	📈 量化选股

"给我点杯奶茶" —— 自动导航外卖 App，选品并完成结账。	"找出 EXPMA 金叉、换手率 > 5% 的创业板股票" —— 按量化条件筛选股票。
🌐 自主网页探索	💰 支出追踪

自主浏览并定期汇总网页内容。	"查找近 3 个月超过 ¥2K 的支出" —— 通过 ADB 驱动支付宝。

📅 最新动态

2026-05-15: 🖥️ 桌面 GUI 发布 —— 一键安装现在附带可直接运行的桌面应用 (frontends/GenericAgent.exe)，开发者也可通过 python launch.pyw 启动。
2026-05-14: 🆕 Conductor 子 Agent 编排 —— 派发、监督、自动清理并行子 Agent；与 /btw 旁路子 Agent 互补，提供一等公民级的任务委派原语。
2026-05-12: 🆕 TUI v2 发布 (frontends/tuiapp_v2.py) —— 改进的 Textual 前端，支持图片粘贴折叠、文件粘贴、块删除、Ctrl+C 复制、历史导航、以及 /llm / /export / /continue 选择器。
2026-04-21: 📄 技术报告发布在 arXiv —— GenericAgent: A Token-Efficient Self-Evolving LLM Agent via Contextual Information Density Maximization
2026-04-11: 引入 L4 会话归档记忆，并集成 scheduler cron 调度
2026-03-23: 支持个人微信作为 Bot 前端
2026-03-10: 发布百万级 Skill 库
2026-03-08: 发布“Dintal 政务龙虾”——基于 GenericAgent 的政务机器人
2026-03-01: GenericAgent 被机器之心报道
2026-01-16: GenericAgent V1.0 公开版本发布

🚀 快速开始

⚠️ Python 版本： 请使用 Python 3.11 或 3.12。不要使用 Python 3.14——它与 pywebview 及部分其他 GA 依赖不兼容。

📖 详细安装指南：installation.md · installation_zh.md（中文）

面向 LLM Agent

获取安装指南并照做：

curl -fsSL https://raw.githubusercontent.com/lsdefine/GenericAgent/refs/heads/main/docs/installation.md

面向人类用户

方式一：一行命令安装（推荐）

一键安装会准备好独立的 Python 环境和 Git，然后下载可直接运行的包。

Windows PowerShell

powershell -ExecutionPolicy Bypass -c "$env:GLOBAL=1; irm http://fudankw.cn:9000/files/ga_install.ps1 | iex"

Linux / macOS

GLOBAL=1 bash -c "$(curl -fsSL http://fudankw.cn:9000/files/ga_install.sh)"

安装完成后，从以下路径启动桌面应用：

frontends/GenericAgent.exe

方式二：Python 安装（面向开发者）

git clone https://github.com/lsdefine/GenericAgent.git
cd GenericAgent
uv venv
uv pip install -e ".[ui]"        # 核心 + UI 依赖
cp mykey_template.py mykey.py     # 填入你的 LLM API Key
python launch.pyw

GenericAgent 的设计更倾向于让 Agent 在执行过程中自举环境，而不是预先安装所有可能的包。

完整指南：GETTING_STARTED.md

🖥️ 前端

桌面应用

一键安装后，在 Windows 上双击启动：

frontends/GenericAgent.exe

终端 UI

基于 Textual 的轻量键盘驱动界面。支持多会话并发和实时流式输出。

python frontends/tuiapp_v2.py

Windows 上 TUI 故障排除。 TUI 在 Windows 上的渲染效果因终端和字体而异。常见原因：

textual 不是最新版本——先执行 pip install -U textual。

PowerShell / cmd 自带的终端对 Unicode 和键位绑定支持较差。Windows 上推荐使用 Git Bash，体验好得多。

如果仍然显示异常，可以让 GA 自行修复：

"我在 Windows 的 PowerShell / cmd / Git Bash 中使用 frontends/tuiapp_v2.py 体验非常差，存在大量不兼容问题。请参考 Claude Code 在 Windows 终端的最佳实践，修复所有字体和渲染不兼容问题。"

Streamlit UI

python launch.pyw

💬 Bot 接口（IM）

GenericAgent 还支持 Telegram、微信、QQ、飞书 / Lark、企业微信、钉钉等 IM 前端。

典型用法：

python frontends/tgapp.py        # Telegram
python frontends/wechatapp.py    # 微信
python frontends/qqapp.py        # QQ
python frontends/fsapp.py        # 飞书 / Lark
python frontends/wecomapp.py     # 企业微信
python frontends/dingtalkapp.py  # 钉钉

详细配置请直接咨询 GenericAgent 本身。

通用聊天命令：

/new - 开始新对话并清空当前上下文
/continue - 列出可恢复的对话快照
/continue N - 恢复第 N 个可恢复对话

📊 与同类工具对比

特性	GenericAgent	OpenClaw	Claude Code
代码量	~3K 行	~530,000 行	已开源（体量大）
部署	`pip install` + API Key	多服务编排	CLI + 订阅
浏览器控制	真实浏览器（保留会话）	沙箱 / 无头浏览器	通过 MCP 插件
操作系统控制	鼠标/键盘、视觉、ADB	多 Agent 委派	文件 + 终端
自我进化	自主增长技能	插件生态	会话间无状态
开箱即用	几个核心文件 + 入门技能	数百个模块	丰富的 CLI 工具集

📈 评测 —— 五大维度

📂 完整评测数据集和结果：https://github.com/JinyiHan99/GA-Technical-Report/tree/main

维度	问题	使用的基准
1. 任务完成与 Token 效率	GA 能否比主流 Agent 更经济地完成困难任务？	SOP-Bench, Lifelong AgentBench, RealFin-Benchmark
2. 工具使用效率	最小原子工具集能否以更少开销完成专用工具集的任务？	Tool Efficiency Benchmark（11 个简单 + 5 个长期任务）
3. 记忆系统有效性	精简分层记忆是否优于完整/冗余记忆和基于嵌入的检索器？	SOP-Bench（危险品）、LoCoMo、20-skill 压力测试
4. 自我进化能力	Agent 能否无需干预地将经验提炼为可复用的 SOP 和代码？	9 轮 LangChain 纵向研究、8 任务跨任务 Web 基准
5. 网页浏览能力	密度驱动的设计是否能在开放网页上存活？	WebCanvas、BrowseComp-ZH、自定义任务（22 个）

这些维度的基线包括 Claude Code、OpenAI CodeX 和 OpenClaw，分别在 Claude Sonnet 4.6、Claude Opus 4.6、GPT-5.4 和 MiniMax M2.7 骨干模型上评估。

工具使用效率雷达图。GA 在 Token、请求数和工具调用轴上全面领先，同时在四个任务维度上保持质量。

跨任务自我进化。GA 在第二次和第三次运行时，八个 Web 任务都收敛到稳定的低成本区间，而 OpenClaw 没有表现出这种收敛。

🧠 工作机制

GenericAgent 通过分层记忆 × 最小工具集 × 自主执行循环完成复杂任务，并在执行过程中持续积累经验。

1️⃣ 分层记忆系统

记忆在任务执行过程中沉淀，让 Agent 逐步形成稳定高效的工作模式。

L0 — 元规则：Agent 的核心行为规则和系统约束
L1 — 记忆索引：用于快速路由和检索的极简记忆索引
L2 — 全局事实：长期运行中积累的稳定知识
L3 — 任务技能 / SOP：完成特定任务类型的可复用工作流程
L4 — 会话归档：从已完成会话中提炼出的归档任务记录，用于长期回忆

2️⃣ 自主执行循环

感知环境状态 → 任务推理 → 执行工具 → 将经验写入记忆 → 循环

整个核心循环仅约 100 行代码（agent_loop.py）。

3️⃣ 最小工具集

GenericAgent 仅提供 9 个原子工具，构成与外部世界交互的基础能力。

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`	补丁/修改文件
`web_scan`	感知网页内容
`web_execute_js`	控制浏览器行为
`ask_user`	人机确认

此外，还有 2 个记忆管理工具（update_working_checkpoint、start_long_term_update），允许 Agent 跨会话持久化上下文并积累经验。

4️⃣ 能力扩展机制

能够动态创建新工具。

通过 code_run，GenericAgent 可以在运行时动态安装 Python 包、编写新脚本、调用外部 API 或控制硬件——将临时能力固化为永久工具。

GenericAgent 工作流程图

⭐ 支持

如果这个项目对你有帮助，请考虑点一个 Star! 🙏

也欢迎加入我们的 GenericAgent 社区群 进行讨论、反馈和共建 👏

微信群 18
微信群 18 二维码

🚩 友情链接

感谢 LinuxDo 社区的支持！

社区 GUI 客户端（独立开源项目）：

📄 许可协议

MIT 许可证 —— 详见 LICENSE

免责声明：本项目未构建或运营任何商业网站。除 DintalClaw 外，目前没有任何机构、组织或个人被正式授权以 GenericAgent 名义进行商业活动。

🌟 项目简介

GenericAgent 是一个极简、可自我进化的自主 Agent 框架。核心仅 ~3K 行代码，通过 9 个原子工具 + ~100 行 Agent Loop，赋予任意 LLM 对本地计算机的系统级控制能力，覆盖浏览器、终端、文件系统、键鼠输入、屏幕视觉及移动设备。

它的设计哲学是：不预设技能，靠进化获得能力。

每解决一个新任务，GenericAgent 就将执行路径自动固化为 Skill，供后续直接调用。使用时间越长，沉淀的技能越多，形成一棵完全属于你、从 3K 行种子代码生长出来的专属技能树。

🤖 自举实证 — 本仓库的一切，从安装 Git、git init 到每一条 commit message，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: 每次任务自动沉淀 Skill，能力随使用持续增长，形成专属技能树
极简架构: ~3K 行核心代码，Agent Loop 约百行，无复杂依赖，部署零负担
强执行力: 注入真实浏览器（保留登录态），9 个原子工具直接接管系统
高兼容性: 支持 Claude / Gemini / Kimi / MiniMax 等主流模型，跨平台运行
极致省 Token: 上下文窗口不到 30K，是其他 Agent（200K–1M）的零头。分层记忆让关键信息始终在场——噪声更少，幻觉更低，成功率反而更高，而成本低一个数量级。

🧬 自我进化机制

这是 GenericAgent 区别于其他 Agent 框架的根本所在。

[遇到新任务]-->[自主摸索](安装依赖、编写脚本、调试验证)-->
[将执行路径固化为 Skill]-->[写入记忆层]-->[下次同类任务直接调用]

你说的一句话	Agent 第一次做了什么	之后每次
"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 Skill	一句话启动
"用 Gmail 发这个文件"	配置 OAuth → 编写发送脚本 → 保存 Skill	直接可用

用几周后，你的 Agent 实例将拥有一套任何人都没有的专属技能树，全部从 3K 行种子代码中生长而来。

🎯 实例展示

🧋 外卖下单	📈 量化选股

"Order me a milk tea" — 自动导航外卖 App，选品并完成结账	"Find GEM stocks with EXPMA golden cross, turnover > 5%" — 量化条件筛股
🌐 自主网页探索	💰 支出追踪

自主浏览并定时汇总网页信息	"查找近 3 个月超 ¥2K 的支出" — 通过 ADB 驱动支付宝

📅 最新动态

2026-05-15: 🖥️ 桌面 GUI 发布 —— 一键安装现在会自带可直接运行的桌面端（frontends/GenericAgent.exe），开发者也可用 python launch.pyw 启动。
2026-05-14: 🆕 Conductor 子 Agent 编排 —— 派发、监督、自动清理并行子 Agent；与 /btw 旁路子 Agent 互补，提供一等公民级的任务委派原语。
2026-05-12: 🆕 TUI v2 正式发布（frontends/tuiapp_v2.py）—— 重做视觉风格的 Textual 前端，支持图片粘贴折叠、文件粘贴、块删除、Ctrl+C 复制、历史导航，以及 /llm / /export / /continue 选择器。
2026-04-21: 📄 技术报告已发布至 arXiv — GenericAgent: A Token-Efficient Self-Evolving LLM Agent via Contextual Information Density Maximization
2026-04-11: 引入 L4 会话归档记忆，并接入 scheduler cron 调度
2026-03-23: 支持个人微信接入作为 Bot 前端
2026-03-10: 发布百万级 Skill 库
2026-03-08: 发布以 GenericAgent 为核心的"政务龙虾" Dintal Claw
2026-03-01: GenericAgent 被机器之心报道
2026-01-16: GenericAgent V1.0 公开版本发布

🚀 快速开始

⚠️ Python 版本： 推荐使用 Python 3.11 或 3.12。请不要使用 Python 3.14，与 pywebview 及部分依赖不兼容。

📖 详细安装指南：installation_zh.md（中文） · installation.md (English)

给 LLM Agent 看的

获取安装指南并照做：

curl -fsSL https://raw.githubusercontent.com/lsdefine/GenericAgent/refs/heads/main/docs/installation_zh.md

给人类用户看的

方法一：一键安装（推荐）

一键安装会自动准备独立 Python 环境、Git、项目文件和桌面端，不污染系统环境。

Windows PowerShell

powershell -ExecutionPolicy Bypass -c "irm http://fudankw.cn:9000/files/ga_install.ps1 | iex"

Linux / macOS

curl -fsSL http://fudankw.cn:9000/files/ga_install.sh | bash

安装完成后，双击启动：

frontends/GenericAgent.exe

方法二：Python 安装（开发者）

git clone https://github.com/lsdefine/GenericAgent.git
cd GenericAgent
uv venv
uv pip install -e ".[ui]"        # 核心 + UI 依赖
cp mykey_template.py mykey.py     # 填入你的 LLM API Key
python launch.pyw

GenericAgent 更推荐由 Agent 在使用中自举环境，而不是预先手动装完整依赖。

完整引导流程见 GETTING_STARTED.md。

📖 新手使用指南（图文版）：飞书文档

📘 完整入门教程（Datawhale 出品）：Hello GenericAgent · GitHub

🖥️ 前端启动方式

桌面端

一键安装自带桌面端，双击：

frontends/GenericAgent.exe

终端 UI

基于 Textual 的轻量键盘驱动界面。支持多会话并发、实时流式输出，有终端就能跑。

python frontends/tuiapp_v2.py

Windows 上 TUI 显示异常的排查思路：

textual 版本太旧，先 pip install -U textual；

PowerShell / cmd 自带终端对 Unicode 和键位的支持比较糟糕，Windows 上推荐用 Git Bash，体验明显更稳；

仍然显示异常时，可以让 GA 自己修一遍，参考 Prompt：

"我在 Windows 的 PowerShell / cmd / Git Bash 中使用 frontends/tuiapp_v2.py 体验非常差，出现了一堆不兼容问题。请参考 Claude Code 在 Windows 终端的最佳配置，把所有字体和显示不兼容的问题修一遍。"

Streamlit UI

python launch.pyw

💬 Bot 接口（IM）

GenericAgent 支持 Telegram、微信、QQ、飞书 / Lark、企业微信、钉钉等 IM 前端。

常用启动方式：

python frontends/tgapp.py        # Telegram
python frontends/wechatapp.py    # 微信
python frontends/qqapp.py        # QQ
python frontends/fsapp.py        # 飞书 / Lark
python frontends/wecomapp.py     # 企业微信
python frontends/dingtalkapp.py  # 钉钉

详细配置直接问 GenericAgent。

通用聊天命令：

/new - 开启新对话并清空当前上下文
/continue - 列出可恢复会话快照
/continue N - 恢复第 N 个可恢复会话

📊 与同类产品对比

特性	GenericAgent	OpenClaw	Claude Code
代码量	~3K 行	~530,000 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 Skill 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 Skills	数百模块	丰富 CLI 工具集

📈 评测 — 五大维度

📂 完整的评测数据集以及评测结果见：https://github.com/JinyiHan99/GA-Technical-Report/tree/main

维度	核心问题	使用的基准
1. 任务完成度与 Token 效率	GA 能否以更低成本完成高难度任务？	SOP-Bench、Lifelong AgentBench、RealFin-Benchmark
2. 工具使用效率	最小原子工具集能否以更低开销替代专用工具集？	Tool Efficiency Benchmark
3. 记忆系统有效性	精简分层记忆能否超越冗余记忆和基于 Embedding 的检索器？	SOP-Bench、LoCoMo、20-skill 压力测试

开源项目lsdefine2026-05-10原文

打开互动版

GenericAgent

README

🌟 项目概述

📋 核心特性

🧬 自我进化机制

🎯 演示展示

📅 最新动态

🚀 快速开始

面向 LLM Agent

面向人类用户

方式一：一行命令安装（推荐）

方式二：Python 安装（面向开发者）

🖥️ 前端

桌面应用

终端 UI

Streamlit UI

💬 Bot 接口（IM）

📊 与同类工具对比

📈 评测 —— 五大维度

🧠 工作机制

⭐ 支持

🚩 友情链接

📄 许可协议

🌟 项目简介

📋 核心特性

🧬 自我进化机制

🎯 实例展示

📅 最新动态

🚀 快速开始

给 LLM Agent 看的

给人类用户看的

方法一：一键安装（推荐）

方法二：Python 安装（开发者）

🖥️ 前端启动方式

桌面端

终端 UI

Streamlit UI

💬 Bot 接口（IM）

📊 与同类产品对比

📈 评测 — 五大维度

相关内容

warp

sim

superpowers

skills

skills