wehub/lsdefine--genericagent

Fork 0

Files

T

wehub-resource-sync 7dbb68934e docs: make Chinese README the default

2026-07-13 10:13:04 +00:00

38 KiB

Raw Permalink Blame History

Note

本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。

GenericAgent

极简、可自我进化的自主智能体框架

约 3K 行种子代码 · 9 个原子工具 · 约 100 行的 Agent Loop

English · 中文

📌 官方渠道： 仅 GitHub + https://gaagent.ai。DintalClaw 是唯一授权商业合作伙伴；其他均非关联方。

🌟 概览

GenericAgent 是一个极简、可自我进化的自主智能体（Autonomous 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 Loop，它赋予任意 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、屏幕视觉以及移动设备（ADB）。

设计理念 —— 不预加载技能，而是让它们进化。

每当 GenericAgent 完成一项新任务，它会自动将执行路径凝结为可复用的 Skill（技能）。使用越久，积累的技能越多——最终形成一棵完全由 3K 行种子代码生长而来的个人技能树。

🤖 自举证明（Self-Bootstrap Proof） —— 本仓库中的一切，从安装 Git、运行 git init，到每一条 commit message，均由 GenericAgent 自主完成。作者从未打开过终端。

📋 核心特性

特性	说明
🧬 自我进化	自动将每项任务凝结为 Skill。能力随使用不断增长，形成你的个人技能树。
🪶 极简架构	核心代码约 3K 行。Agent Loop 约 100 行。无复杂依赖，零部署开销。
⚡ 强执行力	TMWebdriver 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 及其他主流模型。跨平台。
💰 Token 高效	上下文窗口 <30K —— 仅为其他智能体消耗的 200K–1M 的一小部分。更少噪声、更少幻觉、更高成功率、更低成本。

🎯 演示展示

🛡️ 真实浏览器 CAPTCHA 通关	🌐 自主网页探索

_{配置 Discord 机器人时，任务中途弹出 hCaptcha "Are you human?" 验证 —— GA 的真实浏览器会话通过验证，任务继续。参见 Browser Realness。}	_{自主浏览并定期汇总网页内容。}
🧋 外卖点单	📈 量化选股

_{"Order me a milk tea" —— 导航外卖应用、选择商品、完成结账。}	_{"Find GEM stocks with EXPMA golden cross, turnover > 5%" —— 量化筛选。}
💰 记账查账	💬 批量发消息

_{"Find expenses over ¥2K in the last 3 months" —— 通过 ADB 驱动支付宝。}	_{批量发送微信消息，完全驱动微信客户端。}

🚀 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 及少数其他 GA 依赖不兼容。

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

面向 LLM 智能体

获取安装指南并按步骤操作：

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

面向人类用户

方法 1 — 克隆并安装（推荐）

git clone https://github.com/lsdefine/GenericAgent.git && cd GenericAgent
uv venv && uv pip install -e ".[ui]"
cp mykey_template_en.py mykey.py   # fill in your LLM API key

依赖刻意分层：智能体核心仅需 requests，另加四个轻量包（beautifulsoup4、bottle、simple-websocket-server、aiohttp）用于 TMWebdriver 本地服务。[ui] 额外依赖会拉取前端库（Streamlit、用于 TUI 的 prompt_toolkit/rich，……）—— 若需捆绑 UI 请安装，也可完全跳过并以无头模式驱动智能体。无需 Playwright、LangChain，也无需下载浏览器二进制文件。

然后启动：

python frontends/tui_v3.py   # Terminal UI (recommended)
python launch.pyw            # Streamlit web UI

方法 2 — 一行安装（便捷）

会搭建一个自包含目录，内含隔离的 Python 环境、Git 和可直接运行的包。脚本位于 assets/，如需可先阅读。

Windows PowerShell

powershell -ExecutionPolicy Bypass -c "$env:GLOBAL=1; irm https://raw.githubusercontent.com/lsdefine/GenericAgent/main/assets/ga_install.ps1 | iex"

Linux / macOS

GLOBAL=1 bash -c "$(curl -fsSL https://raw.githubusercontent.com/lsdefine/GenericAgent/main/assets/ga_install.sh)"

💡 GenericAgent 通过 智能体自身 来扩展环境 —— 不要预先安装一切。参见下方解锁高级能力。

💻 使用方式

前端

终端 UI （推荐）

基于 prompt_toolkit + rich 构建的轻量、以滚动回显为先的终端界面。支持多会话并发与实时流式输出。

python frontends/tui_v3.py

⚠️ Windows TUI 故障排查

Windows 上的 TUI 渲染可能因终端与字体而异而不稳定。常见原因：

prompt_toolkit / rich 不是最新版本 — 请先使用 pip install -U prompt_toolkit rich。
PowerShell / cmd 自带的终端对 Unicode 与快捷键支持较差。在 Windows 上更推荐使用 Git Bash，表现要好得多。
如果显示仍然有问题，可以让 GA 自行修复：

"我在 Windows 的 PowerShell / cmd / Git Bash 中使用 frontends/tui_v3.py 的体验非常差 — 存在大量不兼容。请参考 Claude Code 针对 Windows 终端的最佳实践，修复所有字体与渲染不兼容问题。"

Streamlit UI

python launch.pyw

Bot Interface (IM)

GenericAgent 还支持 Telegram、Discord、Lark 等 IM 前端。

Platform	Command
Telegram	`python frontends/tgapp.py`
Discord	`python frontends/dcapp.py`
Lark / Feishu	`python frontends/fsapp.py`

也支持微信、QQ、企业微信和钉钉 — 见下方中文章节。详细配置请直接询问 GenericAgent 本身。

🔓 解锁高级能力

在 GA 中，高级能力通过向智能体下达指令来解锁，而非阅读文档或安装额外组件。下面每条指令都会让 GA 读取其预装的 SOP（标准作业程序，Standard Operating Procedure；经实战检验、存于其记忆中的 playbook），安装缺失项、适配你的操作系统，并将结果持久化到自身记忆中。

Capability	Just tell GA
🌐 Web automation	"Set up your web automation capability." — GA 会引导你完成唯一的手动步骤：将捆绑的 Chrome 扩展拖入 `chrome://extensions`。
🔤 OCR	"Set up your OCR capability with rapidocr and save it to memory."
👁️ Vision	"Set up your vision capability from the template in memory/." — GA 会复制模板、接入你现有的 LLM 密钥并自行测试。
🖱️ Computer use	"Probe this system and set up your computer-use capability."

💡 关于语言：预装 SOP 以中文撰写 — GA 可原生阅读，因此不会阻碍你使用。若你希望知识库为英文，只需说： "Read your pre-installed SOPs and rewrite them in English (keep code, paths and error strings verbatim)."

🌍 关于平台：SOP 在 Windows 上打磨成熟，但跨平台适配本身也是 GA 的任务 — 在 macOS/Linux 上，GA 会自行替换为对应平台的等价能力（窗口枚举、输入控制、截图等）。遵循同样的自进化原则。

🧠 架构

GenericAgent 通过分层记忆 × 极简工具集 × 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

记忆在任务执行全程不断结晶，使智能体能够随时间建立稳定、高效的工作模式。

Layer	Name	Description
L0	Meta Rules	核心行为规则与系统约束
L1	Insight Index	用于快速路由与召回的极简记忆索引
L2	Global Facts	长期运行中积累的稳定知识
L3	Task Skills / SOPs	完成特定任务类型的可复用工作流
L4	Session Archive	从已完成会话中提炼并归档的任务记录，用于长程回忆

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 极简工具集

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

Tool	Function
`code_run`	执行任意代码（Python / PowerShell）
`file_read`	读取文件
`file_write`	写入 / 创建 / 覆盖文件
`file_patch`	修补 / 修改文件
`web_scan`	感知网页内容
`web_execute_js`	控制浏览器行为
`ask_user`	人在回路（Human-in-the-loop）确认
`update_working_checkpoint`	（memory）短期工作记事本
`start_long_term_update`	（memory）提炼长期记忆

4️⃣ 能力扩展

能够动态创建新工具。

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

GenericAgent 工作流示意图

🧬 自进化机制

这正是 GenericAgent 与其他智能体框架的根本区别。

[New Task]
   │
   ▼
[Autonomous Exploration]   ─►  install deps · write scripts · debug · verify
   │
   ▼
[Crystallize into Skill]   ─►  write to memory layer
   │
   ▼
[Direct Recall on Next Similar Task]

What you say	First time	Every time after
"Read my WeChat messages"	安装依赖 → 逆向数据库 → 编写读取脚本 → 保存 Skill	一行调用
"Give me a morning digest of Hacker News"	编写爬虫 → 构建摘要 → 安排每日运行 → 保存 Skill	一行调用
"Monitor stocks and alert me"	安装 `mootdx` → 构建选股流程 → 配置 cron → 保存 Skill	一行启动
"Send this file via Gmail"	配置 OAuth → 编写发送脚本 → 保存 Skill	即可使用

几周之后，你的智能体实例将拥有一棵世界上独一无二的技能树 — 全部从 3K 行种子代码生长而来。

📊 对比

Feature	GenericAgent	OpenClaw	Claude Code
Codebase	~3K lines	~530,000 lines	Open-sourced (large)
Deployment	`pip install` + API Key	Multi-service orchestration	CLI + subscription
Browser Control	Real browser (session preserved)	Sandbox / headless browser	Via MCP plugin
OS Control	Mouse/kbd, vision, ADB	Multi-agent delegation	File + terminal
Self-Evolution	Autonomous skill growth	Plugin ecosystem	Stateless between sessions
Out of the Box	Few core files + starter skills	Hundreds of modules	Rich CLI toolset

📈 评测

📂 完整评测数据集与结果：JinyiHan99/GA-Technical-Report

我们从 五个维度 评测 GenericAgent：

#	Dimension	Question	Benchmarks
1	Task Completion & Token Efficiency	GA 能否比主流智能体更便宜地完成困难任务？	SOP-Bench, Lifelong AgentBench, RealFin-Benchmark
2	Tool-Use Efficiency	极简原子工具集能否以更低开销解决专用工具集所能解决的问题？	Tool Efficiency Benchmark (11 simple + 5 long-horizon)
3	Memory System Effectiveness	凝练的分层记忆能否优于完整/冗余记忆与基于嵌入的检索器？	SOP-Bench (dangerous goods), LoCoMo, 20-skill stress test
4	Self-Evolution Capability	智能体能否在无人工干预的情况下将经验提炼为可复用的 SOP 与代码？	9-round LangChain longitudinal study, 8-task cross-task web benchmark
5	Web Browsing Capability	密度驱动设计能否在开放互联网上经受考验？	WebCanvas, BrowseComp-ZH, Custom Tasks (22)

各维度的基线包括 Claude Code、OpenAI CodeX 和 OpenClaw，在 Claude Sonnet 4.6、Claude Opus 4.6、GPT-5.4 与 MiniMax M2.7 骨干模型下评测。

_{工具使用效率雷达图。 GA 在 token、请求与工具调用轴上占主导，同时在四个任务维度上保持质量。}

_{跨任务自进化。 GA 第二、第三次运行在八个网页任务上收敛至稳定的低成本区间，而 OpenClaw 未出现此类收敛。}

GA Web Tools 的浏览器真实性（TMWebdriver）

GA Web Tools 由 TMWebdriver 驱动 —— 本地 WebSocket 服务器加 Chrome 扩展 —— 在真实、持久的 Chrome/Chromium 会话中运行，而非一次性无头沙箱，从而保留 cookies、登录状态、扩展、GPU/WebGL 行为以及正常的浏览器会话指纹。

检测服务 / 信号	普通无头自动化	GA Web Tools	备注
SannySoft 无头测试	常被检测到	✅ 56/56 通过	`bot.sannysoft.com`
bot.incolumitas.com	常在 webdriver / CDP 检查中失败	✅ 36/36 通过	`WEBDRIVER`、`SELENIUM_DRIVER`、`webDriverAdvanced` 均正常
BrowserScan 机器人检测	常显示异常	✅ 正常	`browserscan.net`
Device & Browser Info 机器人测试	多项机器人标记	✅ 人类 / `isBot=false`	`deviceandbrowserinfo.com`
FingerprintJS 机器人检测演示	常被检测到	✅ 通过	演示流程完成，无机器人判定
reCAPTCHA v3 演示	低机器人相似度分数	✅ 0.9 人类相似度分数	基于分数的风险信号；0.9 高于典型生产环境阈值

对于 reCAPTCHA v3，0.9 并非「复选框已解决」的结果；它是风险模型返回的高置信度人类相似度分数，通常足以在生产流程中避免额外验证挑战。

📅 路线图与最新动态

2026-05-23 — 🆕 TUI v3 发布（frontends/tui_v3.py）。基于块的滚动回溯、正确的调整大小重排、用于跨终端一致性的每终端配色方案，以及与 v2 的功能对等。
2026-05-18 — 🆕 Morphling 模式。项目级技能吸收 —— 从任意外部仓库提取目标与测试，再按组件决定：调用、重写或丢弃。详见 memory/morphling_sop.md。
2026-05-17 — 🆕 Goal Hive 模式。多 Worker 协作式 Goal 模式 —— 由 BBS 协调的 master/workers 并行运行长期目标。详见 memory/goal_hive_sop.md。
2026-05-15 — 🖥️ 桌面 GUI 发布。一行安装即可交付开箱即用的桌面应用（frontends/GenericAgent.exe）。开发者通过 python launch.pyw 启动。
2026-05-14 — 🆕 Conductor 子 Agent 编排。生成、监督并自动清理并行子 Agent；一等委托原语，补充 /btw 侧问题。
2026-05-12 — 🆕 TUI v2 发布（frontends/tuiapp_v2.py）。精炼的 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。
2026-05-08 — 🆕 Goal 模式（reflect/goal_mode.py）。时间预算驱动的自主循环 ——「在 N 小时内持续优化 X」，不会提前交付。
2026-04-21 — 📄 arXiv 技术报告 — GenericAgent: A Token-Efficient Self-Evolving LLM Agent via Contextual Information Density Maximization。
2026-04-11 — 引入 L4 会话归档记忆与调度器 cron 集成。
2026-03-23 — 支持个人微信作为机器人前端。
2026-03-10 — 发布百万级 Skill 库 (Chinese).
2026-03-08 — 发布「Dintal Claw」—— 由 GenericAgent 驱动的政务机器人 (Chinese).
2026-03-01 — 获机器之心（Jiqizhixin）报道 (Chinese).
2026-01-16 — GenericAgent V1.0 公开发布。

⭐ 社区与支持

如果本项目对你有帮助，欢迎点个 Star！ 🙏

🚩 友情链接

感谢 LinuxDo 社区的支持！

社区 GUI (独立开源项目)：

chilishark27/ga-manager
wangjc683/galley — 开箱即用的本地 Agent 工作台，捆绑 GA 运行时（CPython 3.11 + 依赖），原生 GUI/CLI，多会话 + Project 编排，本地优先。
FroStorM/A3Agent
Fwind43/GenericAgent-Admin — Go + React 桌面管理面板：服务生命周期管理、原生聊天、Goal 模式、BBS 团队看板、文件编辑器、模型配置向导、TMWebDriver 监控、自更新，以及 Windows 托盘/桌面宠物集成。

📄 许可

基于 MIT License 分发。完整文本见 LICENSE。

免责声明：GenericAgent 官方渠道为本 GitHub 仓库与 https://gaagent.ai.；DintalClaw 是目前唯一官方授权商业合作伙伴；任何其他使用 GenericAgent 名称的第三方网站、组织或个人，除非在此明确列出，否则均非官方。

🌟 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（ADB）。

设计哲学 —— 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。

📑 目录

核心特性
实例展示
快速开始
使用方式
架构设计
自我进化机制
与同类产品对比
评测
路线图与最新动态
社区与支持
许可

📋 核心特性

特性	说明
🧬 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；噪声更少、幻觉更低、成功率更高，成本低一个数量级

🎯 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}
💬 批量消息

_{批量发送微信消息，完整驱动微信客户端}

🚀 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

安装完成后启动：

Windows — 双击 frontends/GenericAgent.exe
Linux / macOS — 在安装目录运行 python launch.pyw

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 docs/GETTING_STARTED.md 📖 新手图文版：飞书文档 📘 完整入门教程（Datawhale 出品）：Hello GenericAgent · GitHub

💻 使用方式

前端启动

桌面端

一键安装自带桌面端（Windows），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、Discord、微信、QQ、飞书 / Lark、企业微信、钉钉等 IM 前端。

平台	启动命令
Telegram	`python frontends/tgapp.py`
Discord	`python frontends/dcapp.py`
微信	`python frontends/wechatapp.py`
QQ	`python frontends/qqapp.py`
飞书 / Lark	`python frontends/fsapp.py`
企业微信	`python frontends/wecomapp.py`
钉钉	`python frontends/dingtalkapp.py`

详细配置直接问 GenericAgent。

🧠 架构设计

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持续沉淀，使 Agent 逐步形成稳定且高效的工作方式。

层级	名称	说明
L0	元规则（Meta Rules）	Agent 的基础行为规则和系统约束
L1	记忆索引（Insight Index）	极简索引层，用于快速路由与召回
L2	全局事实（Global Facts）	在长期运行过程中积累的稳定知识
L3	任务 Skills / 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出的归档记录，用于长程召回

2️⃣ 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 约百行代码（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（Python / PowerShell）
`file_read`	读取文件
`file_write`	写入 / 创建 / 覆盖文件
`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
`update_working_checkpoint`	（记忆）短期工作记事板
`start_long_term_update`	（记忆）提炼长期记忆

4️⃣ 能力扩展机制

具备动态创建新工具的能力。

通过 code_run，GenericAgent 可在运行时动态安装 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

🧬 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
    │
    ▼
[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	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。

📊 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

📂 完整的评测数据集以及评测结果见：JinyiHan99/GA-Technical-Report

我们从 五大维度 评测 GenericAgent：

#	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
4	自我进化能力	Agent 能否在无人干预下将经验提炼为可复用的 SOP 与代码？	9 轮 LangChain 纵向研究、8 任务跨任务 Web 基准
5	网页浏览能力	信息密度驱动设计能否适应开放网页？	WebCanvas、BrowseComp-ZH、自定义任务

以上维度的基线包括 Claude Code、OpenAI CodeX 和 OpenClaw，分别在 Claude Sonnet 4.6、Claude Opus 4.6、GPT-5.4 和 MiniMax M2.7 底座上进行评测。

_{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 的第二轮和第三轮执行在 8 个 Web 任务上收敛至稳定的低成本区间。}

GA Web 工具的浏览器真实性

GA Web 工具运行在真实、持久化的 Chrome/Chromium 会话中，而不是一次性的 headless 沙箱，因此可以保留 Cookie、登录态、扩展、GPU/WebGL 行为以及正常浏览器会话指纹。

检测服务 / 信号	普通 Headless 自动化	GA Web 工具	说明
SannySoft headless test	常被识别	✅ 56/56 通过	`bot.sannysoft.com`
bot.incolumitas.com	常在 webdriver / CDP 项异常	✅ 36/36 通过	`WEBDRIVER`、`SELENIUM_DRIVER`、`webDriverAdvanced` 全部 OK
BrowserScan bot detection	常显示异常	✅ Normal	`browserscan.net`
Device & Browser Info bot test	多个 bot 标记	✅ Human / `isBot=false`	`deviceandbrowserinfo.com`
FingerprintJS bot detection demo	常被识别	✅ 通过	Demo 流程完成，未给出 bot 判定
reCAPTCHA v3 demo	低分 / bot-like	✅ 0.9 真人相似分	v3 是基于分数的风险信号；0.9 高于常见生产阈值

对于 reCAPTCHA v3，0.9 不是“点过验证码”的结果，而是风控模型返回的高置信真人相似分，通常足以通过生产环境中的常见阈值，避免进入更严格挑战。

📅 路线图与最新动态

2026-05-23 — 🆕 TUI v3 正式发布（frontends/tui_v3.py）。基于块的滚屏回看 + 正确的 resize 重排，每终端独立配色保证跨终端一致，并与 v2 达成功能对齐。
2026-05-18 — 🆕 Morphling 模式。项目级能力吞噬 —— 从任意外部仓库抽取目标与测例后，对每个核心组件分别决定调用、重写或舍弃。详见 memory/morphling_sop.md。
2026-05-17 — 🆕 Goal Hive 模式。多 worker 协作版 Goal —— Master/Worker 通过 BBS 协同推进长程目标。详见 memory/goal_hive_sop.md。
2026-05-15 — 🖥️ 桌面 GUI 发布。一键安装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。
2026-05-08 — 🆕 Goal 模式（reflect/goal_mode.py）。时间预算驱动的自驱循环 —— "持续优化 X N 小时"，预算没到不准提前交付。
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 — 被机器之心报道。
2026-01-16 — GenericAgent V1.0 公开版本发布。

⭐ 社区与支持

如果这个项目对你有帮助，欢迎点一个 Star! 🙏

也欢迎加入 GenericAgent 体验交流群，一起交流、反馈、共建 👏

微信群 21

🚩 友情链接

感谢 LinuxDo 社区的支持！

社区 GUI 客户端 （独立开源项目）：

chilishark27/ga-manager
wangjc683/galley —— 开箱即用的本地 Agent 工作台，自带 GA 内核（内置 CPython 3.11 + 运行依赖），GUI/CLI 双原生、多 session + Project 编排、本地优先。
FroStorM/A3Agent
Fwind43/GenericAgent-Admin —— Go + React 桌面管理面板：服务生命周期管理、原生 Chat、Goal 模式、BBS 团队看板、文件编辑器、模型配置向导、TMWebDriver 监控、自更新，以及 Windows 托盘/桌面宠物集成。

📄 许可

基于 MIT License 发布，详见 LICENSE。

声明：GenericAgent 官方渠道为本 GitHub 仓库和 https://gaagent.ai。DintalClaw 是目前唯一官方授权的商业合作方；除非在此处明确列出，其他使用 GenericAgent 名义的第三方网站、机构、组织或个人均非官方。

38 KiB Raw Permalink Blame History Unescape Escape

GenericAgent

🌟 概览

📑 目录

📋 核心特性

🎯 演示展示

🚀 快速开始

面向 LLM 智能体

面向人类用户

方法 1 — 克隆并安装 （推荐）

方法 2 — 一行安装 （便捷）

💻 使用方式

前端

终端 UI （推荐）

Streamlit UI

Bot Interface (IM)

🔓 解锁高级能力

🧠 架构

1️⃣ 分层记忆系统

2️⃣ 自主执行循环

3️⃣ 极简工具集

4️⃣ 能力扩展

🧬 自进化机制

📊 对比

📈 评测

GA Web Tools 的浏览器真实性（TMWebdriver）

📅 路线图与最新动态

⭐ 社区与支持

🚩 友情链接

📄 许可

🌟 项目简介

📑 目录

📋 核心特性

🎯 实例展示

🚀 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）

💻 使用方式

前端启动

桌面端

终端 UI

Streamlit UI

Bot 接口（IM）

🧠 架构设计

1️⃣ 分层记忆系统

2️⃣ 自主执行循环

3️⃣ 最小工具集

4️⃣ 能力扩展机制

🧬 自我进化机制

📊 与同类产品对比

📈 评测

GA Web 工具的浏览器真实性

📅 路线图与最新动态

⭐ 社区与支持

🚩 友情链接

📄 许可

📈 Star 历史

38 KiB

Raw Permalink Blame History

方法 1 — 克隆并安装（推荐）

方法 2 — 一行安装（便捷）

方法一 — 一键安装（推荐）

方法二 — Python 安装（开发者）