GenericAgent Agent工作流
AI Skill Hub 强烈推荐：GenericAgent Agent工作流 是一款优质的AI工具。在 GitHub 上收获超过 11.1k 颗 Star，AI 综合评分 8.2 分，在同类工具中表现稳健。如果你正在寻找可靠的AI工具解决方案，这是一个值得深入了解的选择。
📚 深度解析
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
GenericAgent Agent工作流 依赖 Python 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Python 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 GenericAgent Agent工作流 的版本更新，及时通知重要功能变化。
📋 工具概览
GenericAgent Agent工作流 是一款基于 Python 开发的开源工具，专注于 AI智能体、工作流自动化、自进化系统 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
📖 中文文档
GenericAgent Agent工作流 是一款基于 Python 开发的开源工具，专注于 AI智能体、工作流自动化、自进化系统 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：pip 安装（推荐）
pip install genericagent
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install genericagent
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/lsdefine/GenericAgent
cd GenericAgent
pip install -e .
# 验证安装
python -c "import genericagent; print('安装成功')"
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 命令行使用
genericagent --help
# 基本用法
genericagent input_file -o output_file
# Python 代码中调用
import genericagent
# 示例
result = genericagent.process("input")
print(result)
# genericagent 配置文件示例（config.yml） app: name: "genericagent" debug: false log_level: "INFO" # 运行时指定配置文件 genericagent --config config.yml # 或通过环境变量配置 export GENERICAGENT_API_KEY="your-key" export GENERICAGENT_OUTPUT_DIR="./output"
简介
<img src="assets/images/bar.jpg" width="880" alt="GenericAgent Banner"/>
🌟 Overview
GenericAgent is a minimal, self-evolving autonomous agent framework. Its core is just ~3K lines of code. Through 9 atomic tools + a ~100-line Agent Loop, it grants any LLM system-level control over a local computer — covering browser, terminal, filesystem, keyboard/mouse input, screen vision, and mobile devices (ADB).
Design philosophy — don't preload skills, evolve them.
Every time GenericAgent solves a new task, it automatically crystallizes the execution path into a reusable Skill. The longer you use it, the more skills accumulate — forming a personal skill tree grown entirely from 3K lines of seed code.
🤖 Self-Bootstrap Proof — Everything in this repository, from installing Git and running git init to every commit message, was completed autonomously by GenericAgent. The author never opened a terminal once.
🌟 项目简介
GenericAgent 是一个极简、可自我进化的自主 Agent 框架。核心仅 ~3K 行代码，通过 9 个原子工具 + ~100 行 Agent Loop，赋予任意 LLM 对本地计算机的系统级控制能力，覆盖浏览器、终端、文件系统、键鼠输入、屏幕视觉及移动设备（ADB）。
设计哲学 —— 不预设技能，靠进化获得能力。
每解决一个新任务，GenericAgent 就将执行路径自动固化为 Skill，供后续直接调用。使用时间越长，沉淀的技能越多，形成一棵完全属于你、从 3K 行种子代码生长出来的专属技能树。
🤖 自举实证 — 本仓库的一切，从安装 Git、git init 到每一条 commit message，均由 GenericAgent 自主完成。作者全程未打开过一次终端。
📋 Key Features
| Feature | Description |
|---|---|
| 🧬 **Self-Evolving** | Automatically crystallizes each task into a Skill. Capabilities grow with every use, forming your personal skill tree. |
| 🪶 **Minimal Architecture** | ~3K lines of core code. Agent Loop is ~100 lines. No complex dependencies, zero deployment overhead. |
| ⚡ **Strong Execution** | **TMWebdriver** injects into a real browser (preserving login sessions). 9 atomic tools take direct control of the system. |
| 🔌 **High Compatibility** | Supports Claude / Gemini / Kimi / MiniMax and other major models. Cross-platform. |
| 💰 **Token Efficient** | <30K context window — a fraction of the 200K–1M other agents consume. Less noise, fewer hallucinations, higher success rate, lower cost. |
---
🔓 Unlocking Advanced Capabilities
In GA, advanced capabilities are unlocked by instructing the agent, not by reading docs or installing extras. Each instruction below makes GA read its pre-installed SOPs (battle-tested playbooks in its memory), install whatever is missing, adapt to your OS, and persist the result into its own memory.
| Capability | Just tell GA |
|---|---|
| 🌐 Web automation | *"Set up your web automation capability."* — GA guides you through the one manual step: dragging the bundled Chrome extension into chrome://extensions. |
| 🔤 OCR | *"Set up your OCR capability with rapidocr and save it to memory."* |
| 👁️ Vision | *"Set up your vision capability from the template in memory/."* — GA copies the template, wires it to your existing LLM keys, and self-tests. |
| 🖱️ Computer use | *"Probe this system and set up your computer-use capability."* |
💡 About language: the pre-installed SOPs are written in Chinese — GA reads them natively, so this never blocks you. If you prefer an English knowledge base, just say: "Read your pre-installed SOPs and rewrite them in English (keep code, paths and error strings verbatim)." 🌍 About platforms: the SOPs were honed on Windows, but cross-platform adaptation is itself a GA task — on macOS/Linux, GA swaps in the platform equivalents (window enumeration, input control, screenshots) on its own. Same self-evolution principle.
---
📋 核心特性
| 特性 | 说明 |
|---|---|
| 🧬 **自我进化** | 每次任务自动沉淀 Skill，能力随使用持续增长，形成专属技能树 |
| 🪶 **极简架构** | ~3K 行核心代码，Agent Loop 约百行，无复杂依赖，部署零负担 |
| ⚡ **强执行力** | 注入真实浏览器（保留登录态），9 个原子工具直接接管系统 |
| 🔌 **高兼容性** | 支持 Claude / Gemini / Kimi / MiniMax 等主流模型，跨平台运行 |
| 💰 **极致省 Token** | 上下文窗口不到 30K，是其他 Agent（200K–1M）的零头；噪声更少、幻觉更低、成功率更高，成本低一个数量级 |
---
4️⃣ 能力扩展机制
具备动态创建新工具的能力。
通过 code_run，GenericAgent 可在运行时动态安装 Python 包、编写新脚本、调用外部 API 或控制硬件，将临时能力固化为永久工具。
GenericAgent 工作流程图
---
⭐ 社区与支持
如果这个项目对你有帮助，欢迎点一个 Star! 🙏
也欢迎加入 GenericAgent 体验交流群，一起交流、反馈、共建 👏
微信群 21 |
🚀 快速开始
⚠️ Python 版本： 推荐使用 Python 3.11 或 3.12。请不要使用 Python 3.14，与 pywebview 及部分依赖不兼容。 📖 详细安装指南：installation_zh.md（中文） · installation.md (English)
🚀 Quick Start
⚠️ Python version: use Python 3.11 or 3.12. Do not use Python 3.14 — it is incompatible with pywebview and a few other GA dependencies. 📖 Detailed installation guide: installation.md · installation_zh.md（中文）
💻 Usage
💻 使用方式
前端启动
桌面端
一键安装自带桌面端（Windows），双击：
frontends/GenericAgent.exe终端 UI
基于 Textual 的轻量键盘驱动界面。支持多会话并发、实时流式输出，有终端就能跑。
python frontends/tuiapp_v2.py<details> <summary><b>⚠️ Windows 上 TUI 显示异常的排查思路</b></summary>
1. textual 版本太旧，先 pip install -U textual； 2. PowerShell / cmd 自带终端对 Unicode 和键位的支持比较糟糕，Windows 上推荐用 Git Bash，体验明显更稳； 3. 仍然显示异常时，可以让 GA 自己修一遍，参考 Prompt： > "我在 Windows 的 PowerShell / cmd / Git Bash 中使用 frontends/tuiapp_v2.py 体验非常差，出现了一堆不兼容问题。请参考 Claude Code 在 Windows 终端的最佳配置，把所有字体和显示不兼容的问题修一遍。"
</details>
Streamlit UI
python launch.pyw🎯 Demo Showcase
| 🛡️ Real-Browser CAPTCHA Survival | 🌐 Autonomous Web Exploration |
 |
 |
| While configuring a Discord bot, an hCaptcha "Are you human?" challenge pops up mid-task — GA's real browser session passes it and the task continues. See Browser Realness. | Autonomously browses and periodically summarizes web content. |
| 🧋 Food Delivery Order | 📈 Quantitative Stock Screening |
 |
 |
| "Order me a milk tea" — navigates the delivery app, selects items, completes checkout. | "Find GEM stocks with EXPMA golden cross, turnover > 5%" — quantitative screening. |
| 💰 Expense Tracking | 💬 Batch Messaging |
 |
 |
| "Find expenses over ¥2K in the last 3 months" — drives Alipay via ADB. | Sends bulk WeChat messages, fully driving the WeChat client. |
---
Bot Interface (IM)
GenericAgent also supports IM frontends such as Telegram, Discord, and Lark.
| Platform | Command |
|---|---|
| Telegram | python frontends/tgapp.py |
| Discord | python frontends/dcapp.py |
| Lark / Feishu | python frontends/fsapp.py |
WeChat, QQ, WeCom and DingTalk are also supported — see the Chinese section below. For detailed setup, ask GenericAgent itself.
---
Bot 接口（IM）
GenericAgent 支持 Telegram、Discord、微信、QQ、飞书 / Lark、企业微信、钉钉等 IM 前端。
| 平台 | 启动命令 |
|---|---|
| Telegram | python frontends/tgapp.py |
| Discord | python frontends/dcapp.py |
| 微信 | python frontends/wechatapp.py |
python frontends/qqapp.py | |
| 飞书 / Lark | python frontends/fsapp.py |
| 企业微信 | python frontends/wecomapp.py |
| 钉钉 | python frontends/dingtalkapp.py |
详细配置直接问 GenericAgent。
---
4️⃣ Capability Extension
Capable of dynamically creating new tools.
Via code_run, GenericAgent can dynamically install Python packages, write new scripts, call external APIs, or control hardware at runtime — crystallizing temporary abilities into permanent tools.
GenericAgent Workflow Diagram
---
📊 Comparison
| Feature | **GenericAgent** | OpenClaw | Claude Code |
|---|---|---|---|
| **Codebase** | ~3K lines | ~530,000 lines | Open-sourced (large) |
| **Deployment** | pip install + API Key | Multi-service orchestration | CLI + subscription |
| **Browser Control** | Real browser (session preserved) | Sandbox / headless browser | Via MCP plugin |
| **OS Control** | Mouse/kbd, vision, ADB | Multi-agent delegation | File + terminal |
| **Self-Evolution** | Autonomous skill growth | Plugin ecosystem | Stateless between sessions |
| **Out of the Box** | Few core files + starter skills | Hundreds of modules | Rich CLI toolset |
---
📊 与同类产品对比
| 特性 | **GenericAgent** | OpenClaw | Claude Code |
|---|---|---|---|
| **代码量** | ~3K 行 | ~530,000 行 | 已开源（体量大） |
| **部署方式** | pip install + API Key | 多服务编排 | CLI + 订阅 |
| **浏览器控制** | 注入真实浏览器（保留登录态） | 沙箱 / 无头浏览器 | 通过 MCP 插件 |
| **OS 控制** | 键鼠、视觉、ADB | 多 Agent 委派 | 文件 + 终端 |
| **自我进化** | 自主生长 Skill 和工具 | 插件生态 | 会话间无状态 |
| **出厂配置** | 几个核心文件 + 少量初始 Skills | 数百模块 | 丰富 CLI 工具集 |
---
GenericAgent 是一个极简且具备自我进化能力的自主 Agent 框架。其核心代码仅约 3K 行，通过 9 个原子工具与约 100 行的 Agent Loop，赋予了 LLM 对本地计算机的系统级控制权，涵盖浏览器、终端、文件系统、键鼠输入、屏幕视觉及移动设备（ADB）。不同于预设技能的传统框架，GenericAgent 采用“不预设，靠进化”的设计哲学，能将解决新任务的路径自动固化为 Skill，随使用时间增长构建出专属的技能树。甚至整个仓库的初始化与提交均由其自主完成。
GenericAgent 具备自我进化能力，能将任务自动沉淀为 Skill，形成个性化技能树。采用极简架构，核心代码量极低，部署零负担。在执行力方面，通过注入真实浏览器保留登录态，并利用 9 个原子工具直接接管系统。它拥有极高的兼容性，支持 Claude、Gemini、Kimi、MiniMax 等主流模型。此外，其上下文窗口控制在 30K 以内，相比其他 Agent 极大地降低了 Token 消耗与幻觉风险，实现了高成功率与低成本的平衡。
在开始安装前，请务必确认 Python 版本。推荐使用 Python 3.11 或 3.12 版本。请注意，目前请不要使用 Python 3.14，因为它与 pywebview 及部分核心依赖存在不兼容问题。详细的安装步骤请参考中文版安装指南 installation_zh.md 或英文版 installation.md。
项目已提供快速启动指南。请确保您的开发环境符合 Python 版本要求后，按照文档指引进行初始化。GenericAgent 的设计旨在让用户通过简单的指令即可驱动 Agent 执行复杂的系统级任务，实现从指令到自动化执行的无缝衔接。
GenericAgent 提供了丰富的 Bot 接口支持，不仅限于终端操作，还兼容多种即时通讯（IM）前端。开发者可以通过运行特定的启动脚本，快速接入 Telegram、微信、QQ、飞书 / Lark、企业微信及钉钉等平台，实现跨平台的智能交互与远程控制。
GenericAgent 拥有强大的能力扩展机制，能够动态创建新工具。通过 code_run 功能，Agent 可以在运行时自主安装 Python 包、编写新脚本、调用外部 API 或直接控制硬件设备。这种机制允许它将处理临时任务的能力通过学习，最终固化为永久性的工具，实现能力的持续增长与闭环。
创新度高的自进化AI框架，工程设计精良。集成度好但复杂度较高，适合有AI开发经验的团队采用。
- 需要 GenericAgent 解决具体问题的开发者与运营人员
- 先在测试环境跑通最小用例，再接入生产数据
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- Python 依赖冲突：建议用 venv / uv 隔离环境
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 需要 GenericAgent 解决具体问题的开发者与运营人员
- 先在测试环境跑通最小用例，再接入生产数据
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
⚖️ 优点与不足
- +GitHub 11.1k Star，社区高度认可
- +MIT 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，GenericAgent Agent工作流 是一款质量优秀的AI工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | GenericAgent |
| 原始描述 | 开源AI工作流：Self-evolving agent: grows skill tree from 3.3K-line seed, achieving full system。⭐11.1k · Python |
| Topics | AI智能体工作流自动化自进化系统浏览器自动化Claude集成 |
| GitHub | https://github.com/lsdefine/GenericAgent |
| License | MIT |
| 语言 | Python |
收录时间：2026-05-13 · 更新时间：2026-05-16 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。