lsdefine/GenericAgent

解決的問題

GenericAgent 是一個最小化、自我進化的自主代理框架，旨在賦予 LLM 對本地電腦的系統級控制權。它無需預先載入龐大的專用技能庫，而是允許代理自主發現、執行任務，並將成功的執行路徑「結晶化」為可重複使用的技能，從而減少 token 消耗與幻覺。

工作原理

該框架的核心程式碼量約為 3,000 行，執行循環約 100 行。它使用分層記憶系統（L0-L4）儲存元規則、全域事實與任務特定的 SOP。代理透過 9 種原子工具（如程式碼執行、檔案操作與網頁掃描）與世界互動。

為了擴展能力，代理遵循自我進化機制：探索新任務，安裝必要相依性，撰寫腳本，並驗證結果。一旦成功，便會將該過程儲存為記憶中的「技能」，以便未來直接呼叫並一鍵執行。

適用對象

適用於希望擁有輕量級、跨平台自主代理，能控制瀏覽器、終端與行動裝置（透過 ADB）的開發者與高階使用者，無需承擔大型框架或複雜部署的開銷。

主要亮點

• 自我進化的技能樹：自動將成功的任務完成轉換為永久可重用的技能。
• 極簡架構：核心邏輯僅包含約 3K 行程式碼，高效且易於部署。
• 真實瀏覽器控制：使用 TMWebdriver 注入真實瀏覽器會話，保留登入狀態並繞過機器人檢測（如 hCaptcha）。
• token 效率高：在低於 30K token 的上下文視窗中運行，顯著低於許多競爭性代理。
• 系統級存取：透過 ADB 直接控制鍵盤、滑鼠、檔案系統與行動裝置。