GenericAgent：3K行代码实现自进化Agent，你的电脑越用越聪明

你是不是也遇到过这些问题？

每次让 AI 帮你做事，都得从头交代——上回教过它的操作方法，下次又要重说一遍。用 Claude Code 写代码，会话一关，经验全丢；用 OpenClaw 编排 Agent，几十万行代码、十几个微服务，光部署就折腾一天。更别提想让 AI 帮你在淘宝下单、在微信发消息、看支付宝账单了——不是登不上，就是操作不了。

有没有一种 Agent，装完就能用、越用越强、还真的能操作中国人的日常 App？

GenericAgent 是什么？

GenericAgent 是一个自进化的自主 Agent 框架，核心代码仅约 3000 行，通过 9 个原子工具 + 约 100 行 Agent Loop，赋予任意大模型对本地电脑的系统级控制能力。 它不预设技能，而是每完成一次任务就自动沉淀 Skill，下次直接调用——你用得越久，它就越懂你。

核心功能一览

• 🔬 自进化机制：每次完成任务后，自动将执行路径固化为 Skill，形成你的专属技能树。用几周后，你的 Agent 实例将拥有任何人都没有的独特能力
• 🪶 极简架构：核心约 3K 行代码，Agent Loop 仅约 100 行，pip install streamlit pywebview 就能跑起来
• 🔧 9 个原子工具：coderun（执行任意代码）、fileread（读文件）、filewrite（写文件）、filepatch（修改文件）、webscan（感知网页）、webexecutejs（控制浏览器）、askuser（人机协作确认）、updateworkingcheckpoint（记忆检查点）、startlongterm_update（长期记忆更新）
• 🌐 真浏览器控制：注入你正在使用的真实浏览器，保留所有登录态——淘宝、B站、支付宝，不用重新登录就能操作
• 💬 全面覆盖中国场景：微信个人 Bot、QQ、飞书、企业微信、钉钉、Telegram 全部原生支持
• 🧠 分层记忆系统：L0 元规则 → L1 记忆索引 → L2 全局事实 → L3 任务 Skills/SOPs → L4 会话归档，五层记忆层层沉淀，关键信息始终在场
• 💰 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、成功率反而更高
• 🤖 多模型即插即用：Claude / Gemini / Kimi / MiniMax / OpenAI 兼容格式全支持，变量命名决定接口格式，改个名字就能切模型
• 📖 代码即文档：Agent 能读自己的源码，任何功能直接问它——"查看你的代码，告诉我你的 reflect 模式怎么启用"就行
• 🏗️ 完全自举证明：整个仓库从 git init 到所有 commit，都是 Agent 自主完成的，作者全程没开过终端

自进化：GenericAgent 的灵魂

这是 GenericAgent 区别于所有其他 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]

举个具体例子：

你不需要管理这些 Skill，Agent 自动处理。使用时间越长，积累的技能越多，最终形成一棵完全属于你的专属技能树——从 3000 行种子代码中生长而来。

安装步骤（手把手）

下面从零开始，Mac 和 Windows 通用。

第 1 步：安装 Python

Mac 用户：打开终端，执行：

brew install python

如果提示 brew: command not found，先装 Homebrew：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

Windows 用户：

1. 去 python.org/downloads 下载
2. 安装时一定要勾选底部的 "Add Python to PATH"
3. 点 "Install Now"

⚠️ 推荐使用 Python 3.11 或 3.12，不要用 3.14（与 pywebview 等依赖不兼容）。

验证安装：

python3 --version
# 看到 Python 3.x.x 就 OK

第 2 步：克隆项目并安装依赖

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

# 安装最小依赖
pip install streamlit pywebview

第 3 步：配置 API Key

# 复制模板
cp mykey_template.py mykey.py
# 用任意文本编辑器打开 mykey.py，填入你的 API Key

配置示例（选一种填就行，不用的配置删掉或留着不管都可以）：

OpenAI 兼容格式（大多数 API 服务都用这种，包括国内中转站）：

# 变量名含 'oai' → 走 OpenAI 兼容格式
oai_config = {
    'apikey': 'sk-你的密钥',
    'apibase': 'http://你的API地址:端口',
    'model': '模型名称',
}

Claude 兼容格式（Anthropic 原生接口）：

# 变量名含 'claude'（不含 'native'）→ 走 Claude 兼容格式
claude_config = {
    'apikey': 'sk-ant-你的密钥',
    'apibase': 'https://api.anthropic.com',
    'model': 'claude-sonnet-4-20250514',
}

推荐：Native 格式（适合 Claude / OpenAI 原生工具调用，效果最好）：

# 变量名含 'native' + 'claude' → Claude 原生工具调用
native_claude_config0 = {
    'name': 'cc-relay-1',
    'apikey': 'sk-你的密钥',
    'apibase': 'https://你的中转地址/claude/office',
    'model': 'claude-opus-4-6',
    'fake_cc_system_prompt': True,  # CC 中转站必须置 True
}

MiniMax（走 OpenAI 兼容接口）：

oai_minimax_config = {
    'apikey': 'eyJh...',
    'apibase': 'https://api.minimax.io/v1',
    'model': 'MiniMax-M2.7',
}

关键规则：变量命名决定接口格式（不是模型名决定的）：

apibase 拼接规则：

更省心：Mixin 故障转移——配多个 API 源，一个挂了自动切下一个：

mixin_config = {
    'llm_nos': ['cc-relay-1', 'cc-relay-2', 'gpt-native'],
    'max_retries': 10,
    'base_delay': 0.5,
}

第 4 步：启动

# 命令行模式（推荐新手先试这个）
python3 agentmain.py

# 图形界面模式（依赖装好后可用）
python3 launch.pyw

懒人方案：启动后直接对 Agent 说：

请查看你的代码，安装所有用得上的 python 依赖

它会自己读代码、找依赖、全部装好。然后你就可以用 GUI 模式了。

使用方法

方法一：命令行对话

最简单的用法，终端里跟 Agent 直接对话：

帮我在桌面创建一个 hello.txt，内容是 Hello World

Agent 会读取你的指令，调用 file_write 工具完成任务。第一次可能需要几步，但完成后就会固化成 Skill。

方法二：浏览器自动化

先解锁 Web 工具（只需一次）：

执行 web setup sop，解锁 web 工具

之后你就可以让 Agent 操控真实浏览器了：

打开淘宝，搜索 iPhone 16，按价格排序
去 B 站，查看我最近看过的历史视频
帮我点一杯奶茶

它注入的是你正在使用的真实浏览器，所有 Cookie、登录态都保留——不需要扫码重登，不需要无头浏览器。

方法三：聊天平台接入

想让 Agent 随时随地接收指令？接一个聊天平台就行：

看你的代码，帮我配置微信的机器人接入

支持的平台和启动方式：

以微信为例——扫码绑定后，你在外面对着微信说一句"帮我查一下今天的科技新闻"，电脑上的 Agent 就开始工作了。

完整工作原理

GenericAgent 通过 分层记忆 × 最小工具集 × 自主执行循环 完成复杂任务：

五层记忆系统

Agent 的记忆不是一锅粥，而是分五层精确组织：

• L0 元规则（Meta Rules）：Agent 的基础行为规则和系统约束，相当于"宪法"
• L1 记忆索引（Insight Index）：极简索引层，用于快速路由与召回，相当于"目录"
• L2 全局事实（Global Facts）：长期运行中积累的稳定知识，相当于"百科全书"
• L3 任务 Skills / SOPs：可复用的任务流程，相当于"操作手册"——这正是自进化的核心
• L4 会话归档（Session Archive）：从已完成任务中提炼的归档记录，支持长程回忆

这五层设计确保了 Agent 始终在 <30K Token 内完成推理——其他 Agent 动辄塞入 200K 甚至 1M 的上下文，大部分是噪声。GenericAgent 用分层记忆精准定位关键信息，噪声更少、幻觉更低、成本更低，成功率反而更高。

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），简洁到你能一眼看完所有逻辑。

能力扩展机制

通过 code_run 工具，Agent 可以在运行时动态安装 Python 包、编写新脚本、调用外部 API 甚至控制硬件——临时能力固化为永久工具，这就是"自进化"的实现路径。

实际场景举例

与同类产品对比

简短对比总结：

• vs OpenClaw：GenericAgent 代码量仅 OpenClaw 的 1/177，部署从零到运行只需 3 条命令（OpenClaw 需要多服务编排）。关键是 GenericAgent 不依赖预装技能——它靠使用进化，越用越强。
• vs Claude Code：Claude Code 是无状态的，会话关了经验就丢了。GenericAgent 每次任务都沉淀 Skill，跨会话积累。同时 GenericAgent 还多出了浏览器操控、ADB 手机控制等 Claude Code 做不到的事。
• 通用优势：GenericAgent 上下文不到 30K，Token 成本是其他 Agent 的一个零头。分层记忆确保关键信息精准召回，噪声更少、幻觉更低，成功率反而更高。

高级模式解锁

所有高级模式都是自文档化的——不用翻手册，直接问 Agent：

这就是 GenericAgent 的核心设计理念：代码即文档。Agent 能读懂自己的源码，任何功能你都可以直接问它。

关于自举证明

值得一提的是，GenericAgent 整个仓库——从安装 Git、执行 git init 到每一条 commit message——都是 Agent 自主完成的。作者全程未打开过一次终端。这不仅是"dogfooding"，而是完整的 self-bootstrap：Agent 用自己写自己的代码，证明了这个极简框架的可行性。

小结

GenericAgent 用 3K 行核心代码证明了一件事：Agent 不需要几十万行代码和复杂编排，9 个原子工具 + 100 行循环就够了。真正让 Agent 变强的不是预装多少技能，而是能不能持续进化。

从点外卖到量化选股，从微信 Bot 到自主网页探索，GenericAgent 都能做到。而且你用得越久，它就越懂你——每次任务都在积累经验，最终长出一棵完全属于你的技能树。

如果你受够了每次都要从零开始的 Agent，或者只想花 3 条命令就部署一个真正能用的 AI 助手，GenericAgent 值得一试。

🔗 项目地址：https://github.com/lsdefine/GenericAgent

📖 新手图文教程：飞书文档

⭐ 目前约 30K Star，今日 +872 星——说明社区在快速增长，值得跟进。