01项目概览

02背景与起源

GenericAgent 由复旦大学知识工场实验室旗下的 A3 实验室（Advantage AI Agent Lab，与深圳夸夸菁领科技有限公司联合建立）主导开发。项目的出发点来自团队在实际部署 Agent 系统时的一个持续困惑：

背后原因是结构性的：传统框架把所有工具描述都塞进系统提示词，导致上下文窗口里充斥大量低密度信息，LLM 在海量干扰中难以精准推理。A3 实验室由此提出 上下文信息密度最大化（CIDM） 原则，并以此为核心重新设计了 Agent 架构。

2026 年 4 月 18 日，团队在 arXiv 发布技术报告，成为全球首篇聚焦自进化智能体系统设计的技术报告。报告数据显示，GA 在保持任务准确率的前提下，Token 消耗比同类竞品低近 10 倍。

03核心功能

049 个原子工具

GA 的全部外部交互能力都建立在这 9 个原子工具上——少而精，覆盖人机交互的完整能力环：

05四层记忆系统

GA 的记忆系统从短期缓存到长期技能，分为四个层级，各司其职：

L4 技能库是 GA 与传统 Agent 框架最本质的区别：传统框架的能力由开发者预设，GA 的能力由它自己积累。理论上使用时间足够长，GA 可以在 30K Token 的上下文限制内完成竞争对手需要 300K Token 的任务。

06自进化机制

GA 的进化循环包含四个关键步骤：

这个循环的妙处在于：失败也是数据，成功才固化技能。GA 不会把失败路径写进技能库，只保留验证有效的执行序列，从根本上避免了错误技能的传播。

07技术架构

整个架构的精华在于：从 Agent Loop 到工具层仅需约 3,300 行代码，去掉了传统框架的层层抽象和中间件，LLM 直接与原子工具交互。代码密度极高，却几乎零依赖（Python 标准库 + 可选浏览器驱动）。

08安装与快速上手

安装

# 克隆仓库
git clone https://github.com/lsdefine/GenericAgent.git
cd GenericAgent

# 安装依赖（极少）
pip install -r requirements.txt

# 配置 LLM（支持任意 OpenAI 兼容接口）
export OPENAI_API_KEY="sk-xxx"
export OPENAI_BASE_URL="https://api.openai.com/v1"  # 或 DeepSeek V4 等

启动 Agent

# 交互模式
python agent.py

# 单次任务模式
python agent.py --task "帮我整理 Downloads 文件夹，按类型归类"

# 查看已积累的技能树
python agent.py --list-skills

接入 DeepSeek V4（国内推荐）

# DeepSeek V4 于 2026-04-24 开源，与 GA 完美配合
export OPENAI_BASE_URL="https://api.deepseek.com/v1"
export OPENAI_API_KEY="your-deepseek-key"
export OPENAI_MODEL="deepseek-v4-flash"  # Flash 版成本更低

python agent.py

手动注册技能

# 技能文件格式（YAML）
name: compress_folder
trigger: 压缩文件夹|zip folder|打包目录
steps:
  - shell_run("zip -r {output}.zip {folder}")
  - file_read("{output}.zip") # 验证
validated: true

09竞品对比

数据来源：各项目 GitHub 仓库 + 第三方基准测试（2026 年 4 月）。Token 消耗数据为社区实测平均值，实际结果随任务类型和 LLM 差异较大。

10适用场景

11局限性与注意事项

12综合评分

13参考链接

• → GitHub 仓库：lsdefine/GenericAgent
• → Datawhale 中文教程：hello-generic-agent
• → arXiv 技术报告（2026-04-18）：GenericAgent: A Token-Efficient Self-Evolving LLM Agent via Contextual Information Density Maximization
• → 36Kr 深度报道：通用自进化Agent新突破——30K上下文就够了
• → 腾讯新闻：首篇自进化智能体技术报告出炉，Token成本降10倍
• → DeepWiki：code_run 工具详细文档
• → 官方网站：genericagent.org