框架 · 开源 · MIT

设计上极简。
能力靠进化。

约 3K 行种子代码、9 个原子工具和约 100 行 Agent Loop，让任意大模型获得对本地计算机的系统级控制。其余一切——技能、工具、剧本——都在运行时长出来并写进记忆。

# 约 100 行，agent_loop.py
while not done:
    obs   = perceive(env)      # 感知
    plan  = reason(llm, memory, obs)  # 推理
    done  = execute(tools, plan)      # 执行
    memory.write(experience)          # 记忆

六大核心特性

极简的种子，强执行力。

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。

架构

分层记忆 × 极简工具集 × 自主循环

记忆在任务执行中持续结晶，让智能体逐步形成稳定高效的工作模式。

分层记忆

L0元规则核心行为规则与系统约束

L1洞察索引最小索引层，用于快速路由与召回

L2全局事实长期运行中积累的稳定知识

L3任务技能 / SOP针对特定任务类型的可复用流程

L4会话归档从已完成会话蒸馏的记录，供长程召回

9 个原子工具

code_run运行任意代码file_read读文件file_write写文件file_patch改文件web_scan感知网页web_execute_js控制浏览器ask_user人机确认update_working_checkpoint工作便签start_long_term_update蒸馏长期记忆

经 code_run，智能体在运行时安装包、写脚本、调 API——把临时能力结晶为永久工具。

感知→推理→执行→记忆→…

自我进化

说一次，学一辈子。

这是 GenericAgent 与其他 Agent 框架的根本区别。

新任务

一个从未见过的请求。

自主探索

安装依赖、写脚本、调试、验证。

结晶为 Skill

执行路径写入记忆层。

下次直接调用

只需一句话。

你说	第一次	之后每次
“读一下我的微信消息”	安装依赖 → 逆向数据库 → 写读取脚本 → 保存 Skill	一行调用
“每天早上给我 Hacker News 摘要”	写抓取 → 生成摘要 → 定时运行 → 保存 Skill	一行调用
“帮我盯股票，有信号就提醒”	安装 mootdx → 搭筛选流程 → 配置 cron → 保存 Skill	一行启动
“用 Gmail 把这个文件发出去”	配置 OAuth → 写发送脚本 → 保存 Skill	直接可用

几周之后，你的实例拥有一棵世界上独一份的技能树——全部从 3K 行种子代码长出来。

对比

更轻、更省，而且会成长。

维度	GenericAgent	OpenClaw	Claude Code
代码量	约 3K 行	约 53 万行	已开源（庞大）
部署	pip install + API Key	多服务编排	CLI + 订阅
浏览器控制	真实浏览器，保留登录态	沙箱 / 无头浏览器	经 MCP 插件
系统控制	键鼠、视觉、ADB	多 Agent 委派	文件 + 终端
自我进化	技能与工具自主成长	插件生态	会话间无状态
开箱即用	少量核心文件 + 初始技能	数百个模块	丰富的 CLI 工具集

评测

五个维度，数据说话。

基线包括 Claude Code、OpenAI Codex 与 OpenClaw，在 Claude Sonnet 4.6 / Opus 4.6、GPT-5.4、MiniMax M2.7 上评测。

工具使用效率雷达图 — 工具使用效率雷达：GA 在 Token、请求数、工具调用三轴领先，四类任务质量保持。

跨任务自进化收敛 — 跨任务自进化：第二、三次运行在八个 Web 任务上收敛到稳定的低成本区间；OpenClaw 没有这种收敛。

任务完成与 Token 效率

SOP-Bench · Lifelong AgentBench · RealFin-Benchmark

工具使用效率

Tool Efficiency Benchmark（11 简单 + 5 长程）

记忆系统有效性

SOP-Bench（危险品）· LoCoMo · 20 技能压力测试

自进化能力

9 轮 LangChain 纵向研究 · 8 任务跨任务 Web 基准

网页浏览能力

WebCanvas · BrowseComp-ZH · 22 个自定义任务

数据集与结果技术报告

浏览器真实性

真实、持久的浏览器——不是无头沙箱。

GA 的网页工具经 TMWebdriver 运行：本地 WebSocket 服务 + Chrome 扩展，驱动你真实的 Chrome 会话，保留 Cookie、登录态、扩展与正常指纹。

检测信号	普通无头自动化	GA 网页工具
SannySoft headless test	常被检出	56/56 通过
bot.incolumitas.com	webdriver / CDP 检查失败	36/36 通过
BrowserScan bot detection	常显异常	正常
Device & Browser Info	多项机器人标记	Human · isBot=false
FingerprintJS bot demo	常被检出	通过
reCAPTCHA v3 demo	低人类分	0.9 人类分

前端与模式

在终端、桌面应用或你常用的聊天工具里使用它。

终端 UI

prompt_toolkit + rich，多会话、流式输出。python frontends/tui_v3.py

桌面与 Web UI

一键安装自带桌面应用；开发者用 python launch.pyw。

IM 机器人

Telegram、Discord、飞书、微信、QQ、企业微信、钉钉前端。

安卓手机

同一个智能体住进手机——见 GA 手机版。

GA 手机版

Goal 模式

时间预算驱动的自驱循环：“持续优化 X 直到 N 小时”，不提前交付。

Goal Hive

BBS 协调的 master/worker 并行推进长程目标。

Conductor 编排

派生、监督并自动清理并行子 Agent。

反射模式

由外部节拍驱动 GA——本机 Agent 用一个桥文件接入 GA Arena 的方式。

GA Arena

一个下午读完全部代码。

MIT 许可。Star、Fork，或者直接交给它第一个任务。

快速开始 GitHub

设计上极简。能力靠进化。

极简的种子，强执行力。

自我进化

极简架构

强执行力

高兼容性

省 Token

自举证明

分层记忆 × 极简工具集 × 自主循环

说一次，学一辈子。

新任务

自主探索

结晶为 Skill

下次直接调用

更轻、更省，而且会成长。

五个维度，数据说话。

真实、持久的浏览器——不是无头沙箱。

在终端、桌面应用或你常用的聊天工具里使用它。

终端 UI

桌面与 Web UI

IM 机器人

安卓手机

Goal 模式

Goal Hive

Conductor 编排

反射模式

一个下午读完全部代码。

设计上极简。
能力靠进化。