复旦团队发布GenericAgent：3K代码实现自进化与四层记忆

背景

在 AI Agent 领域，随着 LLM 能力的提升，基于大模型的自动化代理（Agent）逐渐成为开发者提升效率的重要工具。然而，现有的主流 Agent 框架（如 OpenClaw、Claude Code 等）往往存在 Token 消耗巨大、工具调用冗余、记忆机制复杂以及幻觉问题严重等痛点。

在此背景下，复旦大学团队研发了 GenericAgent（简称 GA）。该项目以极简的代码量（约 3K 行代码）为核心卖点，旨在通过精简的原子工具、高效的记忆机制和自进化能力，解决长程任务中的效率与成本问题。该开源项目已在 LINUX DO 社区进行推广，并强调其通过“解锁”全部能力后，能在长程任务中超越 OpenClaw，在 Token 消耗上优于 Claude Code。

核心内容

GenericAgent 的设计哲学在于“少即是多”，通过极简架构实现高性能。其核心特性主要体现在以下几个方面：

1. 极简原子工具与高效调用

与 Claude Code 内置的 53 个工具或 OpenClaw 的 22 个工具不同，GenericAgent 仅保留了 9 个原子工具。这种精简设计旨在减少模型在工具选择上的认知负荷，从而提高工具调用的准确性和执行效率，专注于最小可行产品（MVP）的高效完成。

2. 四层分级记忆系统

GA 引入了独特的四层记忆机制，这是其降低 Token 开销的关键杀手锏。

• 机制要求：用户需在后台开启 scheduler 才能激活记忆系统。
• L4 记忆能力：启用 L4 层级后，Agent 具备长期记忆能力，能够回溯并知晓用户上周的操作、特定 Session 或启动时完成的任务历史。
• 效果：通过结构化记忆，避免了重复上下文输入，显著优化了长程任务的上下文管理。

3. 反思驱动自进化（Self-Evolving）

GA 具备任务完成后的自动蒸馏能力。当任务结束后，Agent 会自动将执行过程提炼为标准操作程序（SOP）。这种“反思驱动”的机制使得 Agent 能够随着使用次数增加而不断进化，提升后续类似任务的执行效率。

4. 结构化浏览器提取（WebCanvas）

这是 GA 的“最大杀招”，旨在替代 Playwright 等传统浏览器自动化工具。

• 性能优势：相比 OpenClaw，WebCanvas 在 Web 任务评分上高出 11.2 分，而 Token 消耗仅为后者的 1/4。
• 技术实现：通过 Chrome 插件 tmwd_cdp_bridge 实现与浏览器的深度交互，结合 SOP 指南（如 tmwebdriver_sop.md 和 ljqCtrl_sop.md），实现了高精度的网页信息提取。
• 建议：官方建议用户移除 skills.sh 上原有的 Agent Browser 操作，转而安装此组件以获得更优体验。

5. 上下文长度与 Token 效率

在相同输入（如 "Hello"）下，GA 的 Prompt 长度仅为 2298 tokens，远低于 Claude Code 的 22821 tokens 和 OpenClaw 的 43321 tokens。这种极致的精简使得 GA 在处理复杂任务时具有显著的成本优势。

6. 兼容性与缓存优化

• 渠道适配：GA 已适配 Anyrouter、Ampere.sh 等主流中转渠道，并解决了 v1/openrouter 接口中 OAI 缓存不足的问题。
• 缓存策略：实现了针对 OAI 和 Claude Code 两种接口的缓存优化策略，支持从 5 分钟到 1 天的多级缓存配置，进一步降低调用成本。

7. 反检测与安全性

• CRS 检测：GA 能够绕过 CRS（Cloudflare Turnstile 等）的客户端检测。在小批量测试中，成功通过了 Claude Code Max 中转服务的检测，未出现如 OpenClaw 常见的“秒封”现象。
• 免责声明：尽管模拟了客户端行为并处理了 System Prompt，但官方不建议用户将其用于违反服务条款的行为，因为检测机制在不断变化。

8. 未来规划

• Desktop Pet：即将发布的新版本将加入“桌面宠物”功能，作为作者的个性化爱好展示。
• MultiAgent Manager Web Service：计划上线多任务多窗口守护进程监控服务，支持对 OpenClaw、Claude Code、GA 等多 Agent 进行实时状态监控，并通过桌面或桌宠形式通知任务完成状态。

关键要点

• 代码极简：仅约 3K 行代码，架构轻量，易于理解和二次开发。
• 记忆机制：必须开启 scheduler 并执行 GETTING_STARTED.md 中的指令以解锁全部能力，否则 Agent 仅具备短期或无记忆能力。
• Token 优势：Prompt 长度仅为竞品的 1/10 甚至 1/20，大幅降低推理成本。
• 浏览器工具：WebCanvas 功能在精度和 Token 效率上显著优于 OpenClaw 和 Playwright，是处理 Web 任务的首选。
• 自进化能力：通过自动蒸馏 SOP 实现 Agent 的自我优化，适合长期复用的工作流。
• 环境依赖：用户需自行配置环境依赖，让 Agent 具备“眼睛和双手”（即文件系统访问和浏览器控制能力），否则无法发挥实际效用。
• 社区驱动：项目依赖 LINUX DO 社区反馈，官方鼓励用户互相交流，并承诺后续发布详细的能力解锁教程。

意义与影响

GenericAgent 的出现为 AI Agent 的开发提供了一条“轻量化、高效率”的新路径。其核心价值在于证明了通过精简工具集、优化记忆结构和引入自进化机制，可以在不依赖庞大模型上下文的前提下，实现甚至比大型商业 Agent 更优的性能和更低的成本。

对于开发者而言，GA 提供了一个极佳的参考案例，展示了如何平衡 Agent 的功能性与资源消耗。特别是其结构化浏览器提取技术和四层记忆机制，为解决 Agent 领域的幻觉问题和 Token 瓶颈提供了新的思路。此外，其对主流中转渠道的广泛适配和缓存优化，也降低了普通用户使用高级 LLM 服务的门槛，推动了 AI 工具在日常工作流中的普及。