GenericAgent — 从 3K 行种子代码自我进化的 AI Agent 框架
Self-evolving agent: grows skill tree from 3.3K-line seed, achieving full system control with 6x less token consumption. 12.5k Stars，极致精简 + 自我进化。
核心定位
设计哲学：不要预设技能，靠进化获得能力。
每解决一个新任务，GenericAgent 将执行路径自动固化为 Skill，存入分层记忆系统。使用时间越长，技能树越丰富，形成完全属于用户的个性化 Agent。
自举实证：作者全程未打开过一次终端，所有 commit、Skill 安装均由 Agent 自主完成。
架构三要素
分层记忆系统（5 层）
| 层级 | 名称 | 说明 |
|---|---|---|
| L0 | Meta Rules | 基础行为规则和系统约束 |
| L1 | Insight Index | 极简索引，快速路由与召回 |
| L2 | Global Facts | 长期积累的稳定知识 |
| L3 | Task Skills / SOPs | 可复用任务流程 |
| L4 | Session Archive | 已完成任务提炼的归档 |
9 个原子工具
code_run（执行代码）、file_read、file_write、file_patch、web_scan、web_execute_js（控制浏览器）、ask_user（人机确认）、update_working_checkpoint、start_long_term_update
~100 行 Agent Loop
核心执行循环仅约百行代码（agent_loop.py），感知 → 推理 → 执行 → 写记忆 → 循环。
核心能力
- 真实浏览器注入：保留登录态，覆盖浏览器/终端/文件系统/键鼠/屏幕视觉/ADB
- 极致省 Token：上下文 <30K，是其他 Agent（200K-1M）的零头，6 倍 token 节省
- 多 IM 前端：Telegram / 微信 / QQ / 飞书 / 企业微信 / 钉钉
- 多前端：桌面 App / Terminal UI / Streamlit UI
- 多模型兼容：Claude / Gemini / Kimi / MiniMax
自我进化机制
[新任务] → [自主摸索：装依赖/写脚本/调试验证] → [固化为 Skill 写入记忆层] → [下次同类任务直接调用]
数据
- 12.5k Stars · 1.4k Forks
- 800 Commits
- Python 89.8% · JavaScript 6.6%
- arXiv 技术报告
与同类对比
| GenericAgent | OpenClaw | Claude Code | |
|---|---|---|---|
| 代码量 | ~3K 行 | ~530K 行 | 已开源体量大 |
| 浏览器 | 真实浏览器保留登录态 | 沙箱/无头 | MCP 插件 |
| 进化 | 自主生长 Skill | 插件生态 | 会话间无状态 |
| Token 消耗 | <30K | 200K-1M | 较大 |