OmniAgent简介

OmniAgent 是一个基于 OpenClaw 设计思想的开源自进化 Agent 框架。是当前唯一实现全维度自进化 (OmniEvolve) 的 Agent：

• 主动式记忆：基于显式交互反馈与隐式LLM归纳的双路对齐机制，实现对用户的主动式记忆与自进化
• Skill自进化：实时交互中自动创建、检查、修复Skill，实现了 Skill 的实时自进化
• Context自进化：基于多层信息栈架构和主动式记忆，实时更新记忆与用户偏好，实现Personalization Memory & Context的自进化
• BrainModel自进化：通过新型在线强化学习反馈回路，实现 BrainModel 在交互中动态迭代自进化

基于以上达成了 Agent 全维度（Skill、Context、BrainModel）自进化。 同时全新设计Hyper-Harness 和 Deep Reflexion 模块，提升与保证Agent 系统安全性与任务成功率：

• Hyper-Harness：原创的高效、安全、智能的执行支架，为 OmniAgent 的复杂任务的安全性提供系统支撑
• Deep Reflexion：通过内外双层反思架构，实时风险拦截与失败经验转化，为 OmniAgent 的复杂任务成功率提供系统支撑

---

OmniAgent VS OpenClaw VS Hermes

维度	OpenClaw	Hermes	* OmniAgent
Skill 进化	静态无进化	执行后定期进化（慢）	执行中实时自进化（快）
Skill 注入	User Message	User Message	User Message
Context 进化	静态 Contex无进化	基于 Prompt 指令进化（弱）	基于实时交互反馈和 LLM 总结反馈自进化（强）
主动式记忆	无	无	交互中/交互后 双路主动式记忆
BrainModel 进化	固定模型 无进化	固定模型 无进化	自部署模型 在线强化学习进化
Harness 安全	静态安全扫描（可绕过）	Skill 信任分级策略、静态安全扫描（可绕过）	Tool&Skill 信任分级策略、四层安全动态扫描系统（不可绕过）
Hyper-Harness	无（慢）	无（慢）	动态多智能体、Tool 动态并发执行（快）
Agent-Loop	ReAct 单轮循环（成功率低）	ReAct 单轮循环（成功率低）	内外双层循环 Deep Reflexion （成功率高）

---

核心能力

OmniEvolve（全维进化）：Agent 随交互持续进化，安全动态加固。

• 主动式记忆：基于多层信息栈，通过显式用户反馈与隐式 LLM 归纳的双路对齐机制，实现用户画像与记忆的主动沉淀与自进化
• Skill自进化：通过对高频 Action 序列的范式提取，实现 Skill 的原生自生成；依托用户交互与 LLM 诊断的双路反馈，实现 Skill 的自动诊断与修复
• Personalization Context：通过多维偏好信号的实时捕捉，构建自适应个性化上下文，实现 Agent-Loop 与用户个性偏好的精准契合
• BrainModel自进化：通过新增的在线强化学习 (GRPO + PRM) 反馈回路，实现 BrainModel 在交互使用中模型闭环自进化

Hyper Harness（超级脚手架）：更加高效、安全、智能的 Harness 引擎。

• 渐进式上下文加载：基于 Anthropic Claude Skills 启发的设计模式——Progressive Disclosure（渐进式披露），按需逐级加载
• 动态守护智能体：新增设计 Sentinel（规划）与 Guardian（守卫）Agent，动态分析任务的复杂与安全程度，实时激活 Sentinel / Guardian Agent，提升复杂任务成功率与安全率
• 工具动态并发执行：自动解析工具间依赖，从串行等待转变为异步并行调用，降低长链路任务的延迟
• 四层动态安全扫描系统：LLM 智能审查 → 策略引擎 → 交互审批 → 执行沙箱。通过信任分级，不同 Skill 适用不同的安全策略。安全扫描不可被绕过（业内首创）

Deep Reflection（内外双层反思架构）：提升 Agent 任务成功率（PASS@1）。

• Agent-Loop 内层失败经验转化至外层：基于 LLM 通过故障驱动的自动根因分析（RCA）与启发式策略提取，将 Reflexion 动态注入上下文空间，实现内外双层协作闭环反思与智能重试
• Agent-Loop 失败预防机制：三层失败预防体系（轨迹重复、错误Action重复、Loop 伪终止）监测失败风险并注入上下文，提升任务成功率（PASS@1）

---

你可以用 OmniAgent 做什么

场景	OmniAgent 能做什么
工作区与技能	配置文件注入：通过 引导文件（AGENTS.md / SOUL.md / CUSTOM.md）等文件直接定义 Agent 的性格、任务和行为准则；渐进式加载：根据对话深度，分层（L0/L1/L2）读取关联文档，防止 Token 溢出。
编码与开发	代码全生命周期处理：支持在本地环境内直接编写、运行、测试代码；自动纠错：运行报错后，Agent 自动读取 Traceback 信息并尝试修复，直至程序跑通。
调研与分析	多维网络搜索：自动调用搜索工具，并深入访问多个网页提取关键信息；知识交叉验证：对比不同来源信息，输出带有信源标注的综合报告。
系统运维	Shell 指令执行：支持在沙箱环境或宿主机执行终端命令；安全控制流：内置安全扫描系统，涉及删除、格式化等高危指令时自动挂起并请求用户审批。
多端部署	全平台网关：统一管理飞书、Discord、Telegram、命令行等渠道的消息路由；会话保持：支持在不同客户端之间无缝切换，保持 Agent 的记忆一致性。
灵活模型后端	混合模型路由：支持自由组合 OpenAI、Claude、DeepSeek、Ollama 等后端；

---

快速开始

环境要求： Python 3.11+，LLM API Key（DeepSeek / OpenAI / Anthropic / Ollama / Gemini）。

安装

# 1. 初始化
$ pip install -e .

# 2.交互式配置向导 — 选择提供商、输入 API Key，一步到位
$ omniagent onboard

# 3. 开启试用
$ omniagent chat                    # CLI
$ omniagent serve                   # Web UI → http://127.0.0.1:18790

交互方式

方式	命令	说明
终端	omniagent chat	终端内交互式对话
Web UI	omniagent serve	启动 Gateway，浏览器打开 http://127.0.0.1:18790
移动端（飞书 / Discord / Telegram）	omniagent serve	启动 Gateway，并在 config.yaml 中配置 Channel，最后在终端打开会话

---

配置说明

配置分层：默认值 → ~/.omniagent/config.yaml → 环境变量。

providers:
  deepseek:
    api_key: "sk-your-key"
    model_id: deepseek-chat

agent:
  model_provider: deepseek
  reflexion_enabled: true

完整配置参考：docs.omniagent.dev (即将上线)

---

架构与项目结构

┌──────────────────────────────────────────────────────┐
│  渠道层:  CLI · Web UI · 飞书 · Discord · Telegram     │
└──────────────────────┬───────────────────────────────┘
                       │
┌──────────────────────▼───────────────────────────────┐
│  Gateway  (WebSocket + HTTP · 会话管理)                │
└──────────────────────┬───────────────────────────────┘
                       │
┌──────────────────────▼───────────────────────────────┐
│  Reflexion Agent Loop                                │
│                                                      │
│  ┌─────────────────┐  ┌──────────────────────────┐   │
│  │ Deep Reflexion  │  │ Hyper Harness            │   │
│  │ 反思循环         │  │ ┌────────────────────┐   │   │
│  │ 失败预防机制      │  │ │渐进式上下文加载       │   │   │
│  └─────────────────┘  │ │动态工具执行          │   │   │
│                       │ │四层动态安全扫描      │   │   │
│  ┌─────────────────┐  │ │动态多智能体          │   │   │
│  │ Sentinel Agent  │  │ └────────────────────┘   │   │
│  │ (规划)           │  └──────────────────────────┘   │
│  ├─────────────────┤                                 │
│  │ Guardian Agent  │  ┌──────────────────────────┐   │
│  │ (安全审查)       │  │ OmniEvolve               │   │
│  └─────────────────┘  │ ┌────────────────────┐   │   │
│                       │ │主动式记忆            │   │   │
│                       │ │Skill自进化          │   │   │
│                       │ │Personalization     │   │   │
│                       │ │BrainModel 自进化    │   │   │
│                       │ └────────────────────┘   │   │
│                       └──────────────────────────┘   │
└──────────────────────────────────────────────────────┘
                       │
┌──────────────────────▼───────────────────────────────┐
│  LLM Providers                                       │
│  DeepSeek · OpenAI · Anthropic · Ollama · Gemini     │
│  OpenRouter · vLLM · SGLang · Custom                 │
└──────────────────────────────────────────────────────┘

omniagent/
├── agents/          # 核心：反思循环、规划、安全审查、技能/记忆进化、上下文管理
├── security/        # 策略引擎、审批、审计、沙箱
├── tools/           # 多个内置工具
├── channels/        # 飞书、Discord、Telegram、Webhook
├── config/          # OmniAgentConfig + 子配置
├── gateway/         # WebSocket + HTTP 服务器
└── rl/              # GRPO + PRM 训练管线

---

路线图

近期计划

• 四层主动记忆体系（Proactive Memory 2.0） — 从对话中自动提取和沉淀长期记忆，完善主动式记忆体系，解决自进化间冲突与优先级问题
• Plan-Mode 模式 — 实现全新的 Agent 规划模式，在 Agent 执行复杂任务前生成并确认方案，再逐步执行
• 扩展渠道生态 — 新增微信、企微、大象、钉钉 等渠道接入，完善渠道抽象层，降低新渠道接入成本
• 多智能体协作增强 — 提升多智能体间的通信与任务编排能力，支持 Agent 间动态委派和结果汇总
• 文档

---

参与贡献

1. Fork 本仓库并创建特性分支
2. 编写代码并补充测试
3. 运行 python -m pytest 验证
4. 提交 Pull Request

欢迎各种形式的贡献 — Bug 修复、新工具、渠道接入、文档改进。

---

许可证

本项目基于 GPL-3.0 许可证开源。引用本项目的代码必须以相同许可证开源。

---