jzjzzzzzzz/agent-me

Distill your knowledge, memories, and decisions into an open-source, inspectable AI Agent Twin.

Agent‑Me – 你自己的开源「AI双胞胎」

是什么 – Agent‑Me 是一个可运行的 FastAPI + React 应用，可将版本控制的 Markdown 个人知识库转换为一个小型、可检查的 AI 代理。该代理不仅复述事实，还遵循一个确定性的多阶段流程（检索 → 规划 → 研究 → 批判 → 写作 → 可选验证），并返回完整的执行轨迹，使每个回答都有证据支持且可审计。

为何重要 – 大多数个人聊天机器人仅依赖单一提示词加向量存储。Agent‑Me 将个人 AI 视为一个具有显式记忆、来源和基于证据回答的系统。所有中间步骤均公开，可查看双胞胎为何如此回答，并在证据不足时阻止合成。

核心概念

组件	角色	实现（如 README 所述）
个人知识	双胞胎的静态事实、偏好、经验等	可审查的版本控制 Markdown 文件（例如 `knowledge/example-profile.md`）。
RAG	在回答前查找相关摘录。	作用于 Markdown 语料库的有界、确定性本地检索器。
规划者	决定回答问题的整体方法。	生成类型化的 `Plan` 数据类。
研究者	拉取计划所需的精确来源摘录。	返回包含摘录和元数据的 `EvidenceBundle`。
批评者	检查证据是否足以进行合成。	发出 `Critique`；若证据不足，可返回“证据不足”固定响应以阻断流程。
写作者	生成最终答案，引用证据。	发出包含引用和安全摘要的 `WrittenAnswer`。
验证者 (可选)	对引用路径和其他不变量进行额外检查。	生成 `Verification` 结果；若检查失败，可拒绝答案。
公开轨迹	使整个执行过程可观测。	包含每个阶段结果、安全摘要和指标的 JSON 负载。
评估	保证回归测试中的确定性行为。	版本化固定用例（`course/fixtures/...`）和确定性评估器在 CI 中运行。

工作原理（高层次流程）

用户发送请求 到 /api/v1/collaborate（或聊天端点）。请求包含问题和期望的工作流（default = 规划者‑研究者‑批评者‑写作者，verified = 添加验证者）。
检索从本地语料库中提取相关 Markdown 摘录。
规划者 创建一个结构化计划，描述需要回答的内容。
研究者 收集计划所需的精确摘录。
批评者 验证收集到的证据是否充分；若不充分，返回固定“证据不足”回复。
写作者 组合出引用意识的答案。
验证者（启用时）检查引用路径和其他不变量；失败则被阻断。
响应包含答案、来源列表、grounded 标志和每个阶段的完整 trace。

快速入门

方法	步骤
Docker Compose（推荐）	1️⃣ `git clone https://github.com/jzjzzzzzzz/agent-me.git` 2️⃣ `cd agent-me && cp .env.example .env` 3️⃣ `docker compose up --build` 在 http://localhost:5173 访问 UI，在 http://localhost:8000/docs 访问 API 文档。
本地工具链	需要 Python 3.11+、`uv`、Node 22+、npm。运行 `make setup`，然后启动后端（`uvicorn …`）和前端（`npm run dev`）。
可选 LLM 提供商	在 `.env` 中设置 `LLM_BASE_URL`、`LLM_API_KEY` 和 `LLM_MODEL`，指向 OpenAI 兼容端点（例如 OrcaRouter）。仅 `/api/v1/chat` 端点使用外部模型；`/collaborate` 保持完全本地运行。

典型用例

个人知识助手 – 向双胞胎提问关于你自己的项目、偏好或过去决策的问题，获得引用确切 Markdown 条目的答案。
研究可复现性 – 公开轨迹允许你审计结论是如何得出的，对合规或学术环境很有用。
教育演示 – 仓库包含双语课程，引导开发者逐步构建该流程。
持续学习 AI 双胞胎原型 – 架构故意模块化，可替换 Markdown 存储为更丰富的图结构，添加基于同意的摄入，或接入工具调用模块。

限制（如仓库所述）

当前记忆是静态的 Markdown 文件集；无自动摄入或遗忘功能。
结构化身份模型、时间推理和置信度评分是 未来工作。
验证者仅检查引用路径不变量；不保证事实真实性。
使用外部 LLM 提供商时，仅聊天端点发送数据到外部；核心协作流程保持本地。
该系统是 实验性架构，非生产就绪的个人助手。

接下来查看

架构细节 – docs/ARCHITECTURE.md
API 模式 – docs/API.md
信任模型 – docs/TRUST.md
路线图与贡献 – ROADMAP.md 和 CONTRIBUTING.md
评估固定用例 – course/fixtures/collaboration_cases.json

总结 – Agent‑Me 是一个具体的开源平台，用于构建一个将个人知识以可检查形式存储，并通过透明、多代理流程回答问题的「AI 双胞胎」。它有意受限（本地检索、确定性运行），但设计为可扩展，以实现持续学习、保护隐私的个人数字化身。