GenericAgent

在当下各种Agent框架层出不穷的时候，GenericAgent走了一条完全不同的路：极简 + 自我进化。它的核心代码只有约3300行，却能让任意大模型获得对本地计算机的系统级控制，并且越用越强，形成独属于你个人的技能树。这一点，在目前主流Agent方案中几乎是独一份。

GenericAgent 网站截图

核心设计哲学：不预装技能，只进化技能

大多数Agent框架喜欢把工具、插件、知识库预先塞得满满当当，代码量动辄几十万行，部署复杂。而GenericAgent反其道而行之：

• 极简原子工具集：仅9个原子工具（代码执行、文件读写、浏览器真实注入、终端、键盘鼠标、屏幕视觉、ADB移动设备控制等）。
• 极简Agent Loop：核心循环只有约100行。
• 自我进化机制：每完成一个新任务，Agent会自动将成功的执行路径“结晶”成可复用的Skill（技能/SOP），写入分层记忆系统。下次遇到类似任务，直接一键调用。

这意味着：第一次做某件事时它可能要探索、安装依赖、调试；但从第二次开始，它就变成了“老手”。用得越久，你的Agent实例就越强大，那棵技能树完全是独一无二的。

作者甚至展示了硬核自证：仓库里从安装Git到每一次commit，都是GenericAgent自己完成的，作者全程没碰过终端。

真正突出的技术亮点

1. 分层记忆系统（Layered Memory） 设计了L0元规则、L1洞察索引、L2全局事实、L3任务技能、L4会话归档等多层记忆。只有需要的信息才会进入上下文，极大提高了信息密度，减少了幻觉。这也是它实现6倍token节省的关键原因之一（上下文窗口通常<30K，却能处理长周期复杂任务）。
2. 真实浏览器注入 + 系统级控制 不是无头浏览器，而是注入真实浏览器，保留登录态、Cookie等。配合键盘鼠标和视觉能力，能完成点餐、股票筛选、微信消息读取、支付宝记账等真实世界任务。
3. 极致token效率与低成本 在多个基准测试（SOP-Bench、Lifelong AgentBench等）中，GenericAgent在任务完成率相当甚至更高的情况下，token消耗远低于Claude Code、OpenClaw等方案，同时交互次数更少。长期使用后，成本优势会进一步放大。
4. 多模型兼容 + 多前端支持 支持Claude、Gemini、Kimi、MiniMax等主流模型。提供终端UI、Streamlit桌面、Qt、Telegram Bot、个人微信等前端，部署简单，几步就能跑起来。
5. 完全开源与社区潜力 项目活跃，已发布技术报告（arXiv），并有百万级技能库等后续规划。任何人都可以本地部署，甚至通过它来进化出更复杂的自动化工作流。

与其他Agent的对比

适用人群与实际价值

• 开发者/程序员：自动化重复编码、测试、部署流程，积累个人开发技能库。
• 办公族：自动处理邮件、报表、数据抓取、跨软件操作。
• 量化/理财用户：股票筛选、数据监控、通知提醒。
• AI爱好者：研究Agent进化机制，打造真正属于自己的“数字分身”。

当然，它目前仍处于快速发展阶段，复杂长周期任务有时仍需人工干预，技能结晶的质量也依赖底层模型能力。但它的方向非常清晰：让Agent从“一次性工具”变成“持续成长的伙伴”。