跳到正文
开源 · MIT · 约 3K 行种子代码

会自我进化的智能体
在你的电脑上,也在你的手机里。

GenericAgent 用 9 个原子工具约 100 行的 Agent Loop,让任意大模型获得对真实机器的系统级控制——浏览器、终端、文件、键鼠、屏幕视觉,以及现在的安卓手机。不预设技能,靠进化获得能力。

GenericAgent 在真机上操作 12306
# 一句话
$ ga "盯着我的自选股,突破就提醒我"
→ 安装 mootdx · 写筛选脚本 · 配置定时任务
→ 沉淀为 Skill · 下次只需一句
<30K每任务上下文窗口
~3K行种子代码
9个原子工具
~100行 Agent Loop
<30KToken 上下文窗口
跨平台咖啡比价
查高铁票
点奶茶,停在付款前
GA 手机版 · Android

一句话,手机自己去办。

同一个智能体现在住进了你的安卓手机。它像人一样看屏幕、点按钮、读结果——在你已经登录的真实 App 里把事办完。不可逆的动作前,先问你一次。

  • 端侧原生 App,不是云端模拟器、不是网页壳
  • 视觉 + 无障碍双通道读屏
  • 下单、付款、提交前有确认门
  • 每次运行沉淀成 App 操作剧本(SOP),越用越快
为什么是 GenericAgent

极简的种子、强执行力,以及越用越强的能力。

把复杂度交给进化,而不是预先堆进代码。

自我进化

每完成一个新任务,执行路径自动结晶为可复用的 Skill。用得越久能力越多,从 3K 行种子代码长出属于你的技能树。

极简架构

核心约 3K 行代码,Agent Loop 约 100 行。无复杂依赖,零部署负担。

强执行力

注入真实浏览器、保留登录态。9 个原子工具直接控制系统:浏览器、终端、键鼠、视觉、ADB。

高兼容性

支持 Claude / GPT / Gemini / Kimi / MiniMax / GLM 等主流模型,跨 Windows、macOS、Linux。

省 Token

上下文控制在 30K 以内,只有其他 Agent 200K–1M 的一小部分。噪声更少、幻觉更少、成功率更高。

自举证明

仓库里的一切——从安装 Git、git init 到每一次提交——都由 GenericAgent 自主完成。作者没有打开过终端。

它如何工作

分层记忆 × 极简工具集 × 自主循环

三根支柱协同完成复杂任务,同时持续积累经验。

五层记忆 L0–L4

元规则、洞察索引、全局事实、任务技能、会话归档——压缩式记忆,而非向量堆砌。

9 个原子工具

code_run、文件读/写/改、网页感知、浏览器 JS、ask_user 和两个记忆工具。经 code_run,临时能力结晶为永久工具。

约 100 行 Agent Loop

感知 → 推理 → 执行 → 记忆 → 循环。小到一口气读完。

以 GenericAgent 为基座

同一颗种子:做游戏、做交易、做竞技、做内容。

下面每个项目都是 GA 在公开环境里干真活:评测台、自主交易员、竞技场选手、生产线。

快速开始

一分钟跑起来。

克隆源码或一键安装,填入 API Key,然后交给它第一个任务。

克隆安装(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   # add your LLM API key
python frontends/tui_v3.py          # terminal UI
一键安装 · Windows PowerShell
powershell -ExecutionPolicy Bypass -c "$env:GLOBAL=1; irm https://raw.githubusercontent.com/lsdefine/GenericAgent/main/assets/ga_install.ps1 | iex"
一键安装 · Linux / macOS
GLOBAL=1 bash -c "$(curl -fsSL https://raw.githubusercontent.com/lsdefine/GenericAgent/main/assets/ga_install.sh)"
请使用 Python 3.11 或 3.12。Python 3.14 与 pywebview 等依赖不兼容。

养一个世界上独一份的智能体。

几周之后,你的实例会拥有一棵世界上独一无二的技能树——全部从 3K 行种子代码长出来。