【GenericAgent】一个会自己长大的 AI 助手，从 3000 行代码开始进化
GenericAgent 是一个极简但极具生长力的自主智能体框架，它不靠预装大量技能，而是让 AI 在真实系统中边做边学，把每一次成功操作自动沉淀为可复用的“技能”，最终长成完全属于你自己的个性化自动化助手。
核心特性包括：
– ✅ 自我进化能力：每完成一个新任务（如读微信消息、监控股票），自动将完整执行流程固化为 Skill，后续直接调用，无需重复摸索；
– ✅ 极简可靠架构：仅约 3000 行核心代码，核心 Agent Loop 不到 100 行，无复杂依赖，开箱即用；
– ✅ 真实系统控制力：直接注入本地浏览器（保留登录态）、操作文件系统、执行终端命令、驱动键鼠与屏幕视觉，甚至通过 ADB 控制安卓手机；
– ✅ 多模型 & 多平台兼容：支持 Claude、Gemini、Kimi、MiniMax 等主流大模型，Windows/macOS/Linux 均可运行；
– ✅ 分层记忆系统：包含 L0–L4 五级记忆（从元规则到会话归档），让关键经验长期可用、噪声更少、成功率更高；
– ✅ 丰富前端接入：除默认 Streamlit Web UI 外，原生支持微信、QQ、飞书、企业微信、钉钉及 Qt 桌面应用等多种交互入口。
快速上手只需四步：
# 1. 克隆项目
git clone https://github.com/lsdefine/GenericAgent.git
cd GenericAgent
# 2. 安装最小依赖
pip install streamlit pywebview
# 3. 配置 API 密钥
cp mykey_template.py mykey.py
# 编辑 mykey.py，填入你的 LLM API Key（如 Claude / Gemini）
# 4. 启动
python launch.pyw
首次使用还可选择微信扫码登录（python frontends/wechatapp.py），零配置即可开始对话。
这个项目最适合以下场景：
– 个人效率提升者：希望自动化日常重复操作（如查账单、发邮件、订外卖、批量发消息）；
– 技术爱好者与轻量开发者：想在本地运行可控、透明、可调试的 AI Agent，而非黑盒 SaaS；
– 垂直任务探索者：需要 AI 深度介入真实操作系统（如用 Python 脚本分析本地数据、调用 ADB 控制手机、写 JS 自动化网页）；
– 教育与研究者：关注 Agent 记忆机制、技能演化路径、最小可行自主系统的设计哲学。
总结：GenericAgent 不是一个功能堆砌的“全能工具箱”，而是一颗能自我生长的“智能种子”——它用极致的简洁性换来真实的系统掌控力，用自动化的技能沉淀替代手动脚本编写。如果你期待一个越用越懂你、越用越强、且始终运行在你设备上的 AI 助手，GenericAgent 值得认真试试。建议访问其主页获取更详细信息。
