你是否厌倦了重复点击网页、手动执行命令、反复切换窗口？GenericAgent 不是一个预装几十种功能的“大而全”AI助手，而是一个真正能“边用边学、越用越强”的轻量级自主智能体。它从极简内核出发，通过与用户交互和环境反馈，自动构建属于你个人的技能树——比如学会订外卖、自动整理下载文件夹、监控竞品价格变化，甚至控制安卓手机。它不依赖云端服务，所有能力都在本地运行，隐私可控、响应飞快、Token 消耗仅为同类方案的 1/6。
核心功能
- 真正的系统级控制：无需额外插件，直接接管浏览器、终端、文件系统、键盘鼠标、屏幕截图与 OCR，还能通过 ADB 连接并操控安卓设备
- 自演化技能树：不靠人工写死指令，而是基于任务目标自主拆解、调用工具、验证结果、沉淀新技能，像人类一样“举一反三”
- 超低资源开销：整个框架仅约 3300 行 Python 代码，Agent 主循环不到 100 行；实测在 M2 Mac 上全程离线运行，单次任务平均仅消耗 1/6 的 LLM Token
- 多模型无缝支持：原生兼容 Claude、Gemini、本地 Ollama 模型（如 Qwen、Phi-3）等主流 LLM，可自由切换推理后端，不绑定任何厂商 API
- 结构化记忆系统：自动记录操作历史、成功模式与失败教训，形成可检索、可复用的长期记忆，避免“每次都是新手”
- 开箱即用的自动化场景：内置 9 个原子级工具（如 open_url、run_command、click_image、type_text），组合起来就能完成复杂流程，比如“查天气→截图→发微信给家人”
适合哪些人用
如果你是：想摆脱重复劳动的程序员、数据分析师或运营人员；重视隐私、拒绝把工作流上传云端的技术爱好者；正在学习 AI Agent 原理的学生或研究者；或是希望用最小成本打造个性化数字助理的普通用户——GenericAgent 正是为你设计的。它不要求你精通强化学习或 PPO 算法，只要你会写自然语言指令，它就能开始帮你干活，并在过程中越变越懂你。
快速上手
安装只需三步：
1. 安装 Python 3.10+ 和 Git
2. 执行 pip install genericagent（推荐使用虚拟环境）
3. 运行 genericagent --model claude-3-haiku --api-key your_key 或连接本地 Ollama：genericagent --model ollama:qwen2:7b
首次运行后，它会引导你完成权限配置（如辅助功能授权、屏幕录制许可）。接着，你就可以直接输入中文指令，例如：“帮我登录知乎，搜索‘开源Agent’，把前5条标题保存成 Markdown 文件”，它将自主规划、执行并返回结果。
项目信息
Self-evolving agent: grows skill tree from 3.3K-line seed, achieving full system control with 6x less token consumption
7.0k
今日 +3,483 stars this week
Stars
789
Forks
Python
MIT
编程语言：Python｜GitHub Star 数：7008｜开源协议：MIT｜GitHub 项目地址
这不是又一个“玩具级”AI Demo，而是一个已在真实办公场景中持续迭代、被数千开发者验证过的生产力内核——轻如羽翼，却能撬动整台电脑。
