---

[!WARNING] 🧪 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。

🎯 项目介绍

  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。

✨ 你将收获什么？

• 🔍 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
• 🏗️ 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
• 🧠 掌握记忆与进化 四层记忆架构、技能蒸馏、自我进化机制
• ⚙️ 高级技能 Reflect 模式、子智能体、Plan 模式等进阶玩法
• 🚀 实战案例 办公、娱乐、挖宝等真实场景落地

🎯 项目受众

• 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
• 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
• 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
• 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
• 基础要求：无基础要求，无门槛安装使用

📚 在线阅读

🌐 在线阅读 - 无需下载，随时随地学习

📖 目录

第一部分：应用指南

章节名	简介	状态
第1章 安装与环境配置	Python 安装、项目下载、API Key 配置、GUI 与命令行启动	✅
第2章 浏览器能力解锁	安装 tmwd_cdp_bridge 插件，实现浏览器自动化操控	✅
第3章 基础入门：第一个小时	GA 界面介绍、OCR/视觉能力、飞书CLI、文件搜索、多轮对话技巧	✅
第4章 记忆与技能体系	四层记忆架构（L1-L4）、技能蒸馏、技能搜索与迁移	✅
第5章 聊天平台集成	微信、飞书、钉钉、QQ、Telegram、企业微信接入指南	✅
第6章 进阶技巧	自主行动模式、定时任务、Reflect 模式、子智能体、Plan 模式	✅

第二部分：原理篇

章节名	简介	状态
第7章 上下文信息密度最大化	GA 的第一性原理：信息密度优先于上下文长度	✅
第8章 系统架构总览	统一智能体循环、双执行模式、四大机制协同	✅
第9章 最小原子工具集	9 个原子工具覆盖五大能力类别，Token 消耗仅 Claude Code 的 35%	✅
第10章 分层记忆架构	四层记忆（L1 索引→L2 事实→L3 SOP→L4 归档）与按需加载策略	✅
第11章 上下文截断与压缩	四级压缩流水线，将上下文控制在 30k Token 以内	✅
第12章 自我进化	从自然语言到 SOP 再到代码执行的三阶段进化，节省 89.6% Token	✅
第13章 涌现能力	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	✅

第三部分：案例篇

章节名	简介	状态
Case 1：自动在社交软件上发消息	激活窗口→搜索联系人→验证会话→发送文字/图片/文件→验证结果的五步流程	✅
Case 2：登录态围观热榜 + 礼貌评论	借登录态浏览器抓 B 站热榜首条（含 Top20 评论 + 弹幕样本），蒸馏 300 字总结，起草 3 条候选评论给用户审稿后发出；含 ask_user 双确认 + rapid_ocr 双验证	✅
Case 3：自我探寻 · 全网社交画像	一句"帮我做个性格分析"自动探测已登录平台、抓公开发文、JSON-mode 蒸馏 → 输出「快速版 MD + 深度版 HTML」双产物；含脱敏脚本 + frontend-design 反 AI slop	✅
Case 4：登录态视频离线 · 飞机上看一部番	借 B 站登录态拿 12 集 DASH 流主备 URL，双层 ThreadPool 并发下载 + ffmpeg -c copy 合流；触类旁通到 YouTube 私有 playlist / 内部录像	✅
Case 5：B站收藏夹语义分类	通过 B 站 API 拉取收藏夹条目，交由大模型进行语义分类，并批量移动到目标收藏夹；强调语义优先、禁止关键词硬匹配	✅

💡 如何学习

  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：

• 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。
• 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。
• 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。

  建议按顺序学习，也可以根据自己的需求选择性阅读：

• 零基础用户：从第一部分开始，先跑通安装和基本使用
• 想了解原理：直接进入第二部分，深入架构设计与技术细节
• 想快速实战：跳到第三部分案例篇，边做边学

🙏 贡献者名单

姓名	职责	简介
张洲嘉	项目负责人	复旦大学
沈豪	实战Case贡献者	复旦大学，Datawhale成员
朱家杰	第一章内容贡献者	复旦大学
杨航	第二章内容贡献者	复旦大学
袁雨奇	第三章内容贡献者	复旦大学
曹兮	第四章贡献者	复旦大学
宋坤	第五章贡献者	复旦大学

🤝 参与贡献

• 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的同学进行反馈跟进~
• 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的同学进行反馈跟进~
• 如果你对 Datawhale 很感兴趣并想要发起一个新的项目，请按照Datawhale开源项目指南进行操作即可~

关注我们

📄 LICENSE

---