继龙虾和爱马仕之后,又一个开源AI智能体火了

3000行代码干翻13万个技能？复旦团队的AI智能体，思路野到离谱

31万星标的龙虾，内置13万个技能。13.5万星标的爱马仕，靠40多个工具打天下。而复旦团队搞出来的这个东西，总共就9个工具，3000行代码。结果呢？它能自己学会发朋友圈、点外卖、刷短视频，还能操控你整台电脑。

这不是科幻片，这是已经开源、你现在就能跑的项目。

别人建商场，它从一双手开始

这个项目叫GenericAgent，复旦大学知识工场实验室和深圳夸夸菁领科技联合开发，今年1月开源，三个月冲上GitHub Trending榜首，拿下6200多个星标。

但星标不是重点，重点是它的逻辑跟龙虾、爱马仕完全不同。

龙虾像一个建好的大型商场，13万个技能摆在那里，你要什么自己去找。爱马仕像一个会记笔记的助手，用着用着会自己总结出新技能。

GenericAgent呢？它开局什么都没有，就9个最基础的工具：浏览器、终端、文件系统、键盘鼠标、屏幕视觉、手机控制……

你给它一个任务，它就自己摸索。走一步看一步，磕磕绊绊把事情做完。然后它会把整个执行过程存下来，变成一个"技能"。下次碰到类似任务，直接调用，不再从头来。

:GenericAgent的9个原子级工具示意图]

用得越久，技能越多，它就越能干。

据报道，它第一次学会发朋友圈花了将近两个小时。但学会之后，这个技能就永久存进了记忆库。再也不用重新学。

你有没有觉得这个过程特别眼熟？

它学东西的方式，和你学用手机一模一样

回想一下你第一次用智能手机。发朋友圈要想半天：先打开微信，然后找到发现页，再点朋友圈，再点右上角相机……每一步都要想。

但现在呢？你根本不过脑子，手指头自己就去了。这就是"熟能生巧"，是从刻意思考变成下意识操作的过程。

GenericAgent走的就是这条路。

它不是靠预装一堆固定流程来工作的。它是真的在"学"。第一次笨拙，第二次流畅，第三次丝滑。跟你当年学手机的过程一模一样。

GenericAgent从第一次执行任务到形成技能的流程对比

这跟爱马仕的"自我进化"听起来有点像，但底层逻辑完全不同。爱马仕是在调用过程中不断优化自己的推理链条，更像是一个越来越聪明的大脑。GenericAgent是在真实操作中积累肌肉记忆，更像是一双越来越灵巧的手。

一个练脑子，一个练手。方向不一样。

为什么工具越少，反而越好用

这就要说到GenericAgent设计团队提出的一个核心原则：上下文信息密度最大化。

翻译成人话就是——在AI有限的"注意力窗口"里，让每一条信息都有用，别塞垃圾进去。

传统智能体喜欢预装大量工具和技能。看起来很豪华，但有个致命问题：工具越多，AI在选择"用哪个"这件事上消耗的算力就越大。就像你打开一个有200个按钮的遥控器，光找按钮就能找半天。

GenericAgent反过来。只给9个最基础的工具，让AI在实战中自己组合出高级技能。

根据技术报告的数据，这种方式让Token消耗降低了大约6倍。打个比方。龙虾给你一本100页的使用手册，遇到问题翻手册就行。GenericAgent给你一个空笔记本，每解决一个问题就记一笔。时间一长，这本笔记比任何手册都管用。

因为它是你自己的。

学术派下场，画风不太一样

GenericAgent背后是A3实验室，项目负责人肖仰华，复旦大学计算机学院教授、博导，国内知识图谱领域的知名学者。

这个出身决定了它跟龙虾和爱马仕的气质差异。

龙虾是社区驱动，全球开发者一起堆出来的。爱马仕是硅谷创业公司做的，背后有7000万美元融资撑着。而GenericAgent是学术项目，技术报告发在了arXiv上，设计思路经过了同行评审级别的论证这不是说学术一定比工程好。但有一个区别值得注意：GenericAgent的"自进化"机制有明确的技术定义和实验数据支撑，不是一个用来融资的营销故事。

3000行Python代码，任何有基础的开发者都能读完、读懂。这种透明度，在当下的AI智能体赛道里其实挺稀缺的。

当然，6200个星标跟龙虾的31万比，差了几十倍。GenericAgent目前更像一个极客玩具，离普通用户上手还有距离。但3000行代码能做到操控整台电脑和手机，这件事本身就够让人重新想想——AI智能体的竞争力，到底靠什么？

三条路，终点还看不清

现在AI智能体赛道上，三个代表性选手站出来了。

龙虾，走的是"连接一切"的路。工具多、技能全、生态大。爱马仕，走的是"越用越聪明"的路。推理强、记忆好、迭代快。GenericAgent，走的是"极简自生长"的路。起点低、代码少，但进化空间大。

哪条路能走到最后？说实话，现在没人知道。

但有一件事是确定的：AI智能体的竞争，正在从"谁功能多"变成"谁学得快"。预装再多技能，不如有一个好的学习机制。因为这个世界的需求是无限的，你不可能提前把所有技能都写好。

3000行代码写不了多少功能，但写得下一套进化规则。而进化规则这个东西，时间越长，价值越大。这可能才是GenericAgent真正值得关注的地方。