[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-1146":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":10,"languages":10,"totalLinesOfCode":10,"stars":11,"forks":12,"watchers":13,"openIssues":14,"contributorsCount":15,"subscribersCount":15,"size":15,"stars1d":16,"stars7d":17,"stars30d":18,"stars90d":15,"forks30d":15,"starsTrendScore":19,"compositeScore":20,"rankGlobal":10,"rankLanguage":10,"license":10,"archived":21,"fork":21,"defaultBranch":22,"hasWiki":23,"hasPages":23,"topics":24,"createdAt":10,"pushedAt":10,"updatedAt":25,"readmeContent":26,"aiSummary":27,"trendingCount":15,"starSnapshotCount":15,"syncStatus":13,"lastSyncTime":28,"discoverSource":29},1146,"hello-generic-agent","datawhalechina\u002Fhello-generic-agent","datawhalechina","📚 《Generic Agent使用指南》——轻松上手自进化智能体，从基础调用到高级技巧全覆盖","https:\u002F\u002Fdatawhalechina.github.io\u002Fhello-generic-agent\u002F",null,502,49,2,10,0,9,28,105,27,9.1,false,"main",true,[],"2026-06-12 02:00:23","\u003Cdiv align=\"center\">\n\n\u003Cimg src=\"docs\u002Fpublic\u002Fhello-generic-agent.png\" alt=\"Hello Generic Agent\" width=\"70%\">\n\n\u003Cp>\u003Cem>多年以后，当你的 Agent 只用两千个 token 就完成了别人两万个 token 才能启动的任务，\u003Cbr>你会回想起第一次点开这个教程部署 GA 的那个下午。\u003C\u002Fem>\u003C\u002Fp>\n\n# Hello Generic Agent（🧪 Beta公测版）\n\n\u003Cp>\u003Cem>从安装到原理，全面掌握以\"上下文信息密度最大化\"为核心的 Generic Agent\u003C\u002Fem>\u003C\u002Fp>\n\n\u003Cp>📌 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Flsdefine\u002FGenericAgent\">\u003Cstrong>Generic Agent 主仓库\u003C\u002Fstrong>\u003C\u002Fa> · 如果 GA 有帮助到你，别忘了给 GA 点一个 Star ⭐\u003C\u002Fp>\n\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fdatawhalechina\u002Fhello-generic-agent?style=flat&logo=github\" alt=\"GitHub stars\"\u002F>\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdatawhalechina\u002Fhello-generic-agent?style=flat&logo=github\" alt=\"GitHub forks\"\u002F>\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flanguage-Chinese-brightgreen?style=flat\" alt=\"Language\"\u002F>\n\u003Ca href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC%20BY--NC--SA%204.0-lightgrey\" alt=\"License\"\u002F>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdatawhalechina.github.io\u002Fhello-generic-agent\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F在线阅读-Online%20Reading-green?style=flat&logo=gitbook\" alt=\"Online Reading\">\u003C\u002Fa>\n\n\u003C\u002Fdiv>\n\n---\n\n> [!WARNING]\n> 🧪 Beta公测版本提示：教程主体已完成，正在优化细节，欢迎大家提Issue反馈问题或建议。\n\n## 🎯 项目介绍\n\n  本项目是 Generic Agent（GA）的入门教程，从零开始带你掌握这款以\"上下文信息密度最大化\"为核心原则的通用智能体。教程分为三大部分：**应用指南**帮助你快速上手 GA 的安装、配置与日常使用；**原理篇**深入剖析 GA 的架构设计与关键技术，包括最小原子工具集、分层记忆体系、上下文压缩策略和自我进化机制；**案例篇**通过实战场景带你将所学融会贯通。让你不仅会用，更能理解其背后的设计哲学。\n\n### ✨ 你将收获什么？\n\n- 🔍 **理解核心原理** 深入理解 GA 的上下文信息密度最大化设计哲学\n- 🏗️ **亲手实践** 从安装配置到浏览器自动化、聊天平台集成，全流程上手\n- 🧠 **掌握记忆与进化** 四层记忆架构、技能蒸馏、自我进化机制\n- ⚙️ **高级技能** Reflect 模式、子智能体、Plan 模式等进阶玩法\n- 🚀 **实战案例** 办公、娱乐、挖宝等真实场景落地\n\n## 🎯 项目受众\n\n- 为Openclaw、ClaudeCode 超大token消耗而苦恼的Agent使用者，GA的token使用效率是Openclaw的10x-30x\n- 还在对比各种自进化智能体性能的Agent开发者和爱好者，给GA一天时间就能进化成你的专属助手\n- 还在愁找不到好用web插件的openclaw使用者，GA的web操作能力绝对能让你眼前一亮\n- 希望了解GA设计原理（上下文工程、记忆系统、工具设计、自我进化）的技术学习者\n- 基础要求：无基础要求，无门槛安装使用\n\n## 📚 在线阅读\n\n**[🌐 在线阅读](https:\u002F\u002Fdatawhalechina.github.io\u002Fhello-generic-agent\u002F)** - 无需下载，随时随地学习\n\n## 📖 目录\n\n### 第一部分：应用指南\n\n| 章节名                                                  | 简介                                                       | 状态 |\n| ------------------------------------------------------- | ---------------------------------------------------------- | ---- |\n| [第1章 安装与环境配置](docs\u002Fpart1\u002Fchapter1\u002Findex.md)       | Python 安装、项目下载、API Key 配置、GUI 与命令行启动      | ✅   |\n| [第2章 浏览器能力解锁](docs\u002Fpart1\u002Fchapter2\u002Findex.md)       | 安装 tmwd_cdp_bridge 插件，实现浏览器自动化操控            | ✅   |\n| [第3章 基础入门：第一个小时](docs\u002Fpart1\u002Fchapter3\u002Findex.md) | GA 界面介绍、OCR\u002F视觉能力、飞书CLI、文件搜索、多轮对话技巧 | ✅   |\n| [第4章 记忆与技能体系](docs\u002Fpart1\u002Fchapter4\u002Findex.md)       | 四层记忆架构（L1-L4）、技能蒸馏、技能搜索与迁移            | ✅   |\n| [第5章 聊天平台集成](docs\u002Fpart1\u002Fchapter5\u002Findex.md)         | 微信、飞书、钉钉、QQ、Telegram、企业微信接入指南           | ✅   |\n| [第6章 进阶技巧](docs\u002Fpart1\u002Fchapter6\u002Findex.md)             | 自主行动模式、定时任务、Reflect 模式、子智能体、Plan 模式  | ✅   |\n\n### 第二部分：原理篇\n\n| 章节名                                                  | 简介                                                          | 状态 |\n| ------------------------------------------------------- | ------------------------------------------------------------- | ---- |\n| [第7章 上下文信息密度最大化](docs\u002Fpart2\u002Fchapter7\u002Findex.md) | GA 的第一性原理：信息密度优先于上下文长度                     | ✅   |\n| [第8章 系统架构总览](docs\u002Fpart2\u002Fchapter8\u002Findex.md)         | 统一智能体循环、双执行模式、四大机制协同                      | ✅   |\n| [第9章 最小原子工具集](docs\u002Fpart2\u002Fchapter9\u002Findex.md)       | 9 个原子工具覆盖五大能力类别，Token 消耗仅 Claude Code 的 35% | ✅   |\n| [第10章 分层记忆架构](docs\u002Fpart2\u002Fchapter10\u002Findex.md)       | 四层记忆（L1 索引→L2 事实→L3 SOP→L4 归档）与按需加载策略   | ✅   |\n| [第11章 上下文截断与压缩](docs\u002Fpart2\u002Fchapter11\u002Findex.md)   | 四级压缩流水线，将上下文控制在 30k Token 以内                 | ✅   |\n| [第12章 自我进化](docs\u002Fpart2\u002Fchapter12\u002Findex.md)           | 从自然语言到 SOP 再到代码执行的三阶段进化，节省 89.6% Token   | ✅   |\n| [第13章 涌现能力](docs\u002Fpart2\u002Fchapter13\u002Findex.md)           | 三个简单原语组合涌现出子智能体、看门狗、定时任务等高级行为    | ✅   |\n\n### 第三部分：案例篇\n\n| 章节名                                                      | 简介                                                         | 状态 |\n| ----------------------------------------------------------- | ------------------------------------------------------------ | ---- |\n| [Case 1：自动在社交软件上发消息](docs\u002Fpart3\u002Fchapter14\u002Findex.md) | 激活窗口→搜索联系人→验证会话→发送文字\u002F图片\u002F文件→验证结果的五步流程 | ✅   |\n\n## 💡 如何学习\n\n  项目分为三大部分，每一部分都是通往下一阶段的坚实阶梯：\n\n- **第一部分：应用指南**（第1章～第6章），从安装环境、解锁浏览器能力开始，到记忆与技能体系、聊天平台集成，最后掌握自主行动、定时任务、子智能体等进阶技巧。零门槛上手，一步步把 GA 变成你的专属助手。\n- **第二部分：原理篇**（第7章～第13章），深入 GA 的设计哲学。从\"上下文信息密度最大化\"这一第一性原理出发，逐步拆解系统架构、最小原子工具集、分层记忆、上下文压缩、自我进化机制，直到理解简单原语如何涌现出复杂能力。\n- **第三部分：案例篇**，通过办公、娱乐、挖宝等真实场景的实战案例，将前两部分所学融会贯通。\n\n  建议按顺序学习，也可以根据自己的需求选择性阅读：\n\n- **零基础用户**：从第一部分开始，先跑通安装和基本使用\n- **想了解原理**：直接进入第二部分，深入架构设计与技术细节\n- **想快速实战**：跳到第三部分案例篇，边做边学\n\n## 🙏 贡献者名单\n\n| 姓名   | 职责             | 简介                    |\n| :----- | :--------------- | :---------------------- |\n| 张洲嘉 | 项目负责人       | 复旦大学                |\n| 沈豪   | 实战Case贡献者   | 复旦大学，Datawhale成员 |\n| 朱家杰 | 第一章内容贡献者 | 复旦大学                |\n| 杨航   | 第二章内容贡献者 | 复旦大学                |\n| 袁雨奇 | 第三章内容贡献者 | 复旦大学                |\n| 曹兮   | 第四章贡献者     | 复旦大学                |\n| 宋坤   | 第五章贡献者     | 复旦大学                |\n\n## 🤝 参与贡献\n\n- 如果你发现了一些问题，可以提Issue进行反馈，如果提完没有人回复你可以联系[保姆团队](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002FDOPMC\u002Fblob\u002Fmain\u002FOP.md)的同学进行反馈跟进~\n- 如果你想参与贡献本项目，可以提Pull Request，如果提完没有人回复你可以联系[保姆团队](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002FDOPMC\u002Fblob\u002Fmain\u002FOP.md)的同学进行反馈跟进~\n- 如果你对 Datawhale 很感兴趣并想要发起一个新的项目，请按照[Datawhale开源项目指南](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002FDOPMC\u002Fblob\u002Fmain\u002FGUIDE.md)进行操作即可~\n\n## 关注我们\n\n\u003Cdiv align=center>\n\u003Cp>扫描下方二维码关注公众号：Datawhale\u003C\u002Fp>\n\u003Cimg src=\"https:\u002F\u002Fraw.githubusercontent.com\u002Fdatawhalechina\u002Fpumpkin-book\u002Fmaster\u002Fres\u002Fqrcode.jpeg\" width = \"180\" height = \"180\">\n\u003C\u002Fdiv>\n\n## 📄 LICENSE\n\n\u003Cdiv align=\"center\">\n\u003Ca rel=\"license\" href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">\n  \u003Cimg alt=\"知识共享许可协议\" style=\"border-width:0\" src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC%20BY--NC--SA%204.0-lightgrey\" \u002F>\n\u003C\u002Fa>\n\u003Cbr \u002F>\n本作品采用\n\u003Ca rel=\"license\" href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">\n  知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议\n\u003C\u002Fa>\n进行许可。\n\u003C\u002Fdiv>\n\n---\n\n\u003Cdiv align=\"center\">\n  \u003Cp>⭐ 如果这个项目对你有帮助，请给我们一个 Star！\u003C\u002Fp>\n\u003C\u002Fdiv>\n","《Hello Generic Agent》项目是一个关于Generic Agent（GA）的全面入门教程，旨在帮助用户从基础调用到高级技巧全面掌握这款以“上下文信息密度最大化”为核心原则的通用智能体。该项目详细介绍了GA的核心功能，如最小原子工具集、分层记忆体系、上下文压缩策略及自我进化机制，并通过实际案例展示了如何在办公自动化、娱乐互动等多个场景中应用这些技术。适合正在寻找高效token使用方案的Agent使用者、对自进化智能体感兴趣的开发者和技术爱好者学习参考。无论你是希望优化现有智能体性能还是想深入了解GA背后的设计哲学，本教程都能提供详尽指导。","2026-06-11 02:41:56","CREATED_QUERY"]