Skip to content

README_ZH.md

Latest commit

 

History

History
165 lines (115 loc) · 5.05 KB

README_ZH.md

File metadata and controls

165 lines (115 loc) · 5.05 KB

Evoltjs

English | 中文

当前的AI编码工具解决的是一次性的代码生成问题。然而软件真正的成本在于长期演化：需求变更、架构漂移和无穷无尽的维护工作——这让顶尖工程师沦为了系统的永久“看护员”。

EVOLT 正是为了终结这一切而生。

EVOLT 是一个让Agent具备自我进化能力的框架，让AI智能体能够覆盖软件开发全生命周期——从最初构建，到长期维护，再到持续演进。

我们不是在打造另一个代码助手。
我们是在解决长期软件工程的核心难题。

🏗️ 核心架构（愿景）

EVOLT 的设计围绕一个自我进化的改进引擎展开，它包含三个层次：

  • 🛠️ 工具使用的智能体 - 智能体能够像工程师一样，在真实代码库中执行读、写、测试、重构等操作。
  • 💾 持久化经验 - 所有成功的操作与模式被编码为可重用、可组合的知识资产。（规划中）
  • 🧠 自我进化 - 智能体的策略与工作流能够通过经验不断自我优化。（规划中）

✅ 当前状态

EVOLT 已稳定实现并开源其核心基础：工具使用的智能体。 这意味着你现在就可以构建能够理解、操作真实代码库的AI智能体。

我们正在积极设计与开发 自我进化 与 持久化经验。我们的开发路线完全公开，欢迎查看并参与讨论。

🚀 为什么从工具层开始？

我们相信，强大的、可编程的工具使用能力是长期自主演化的基石。在智能体学会“思考如何变得更好”之前，它必须能像人类开发者一样，在真实环境中稳定、可靠地“动手操作”。

安装

本地开发

对于本地开发，您可以使用 npm link 来测试包，特别是在进行代码更改后想要在本地测试修改效果时：

# 在项目根目录
npm run build
npm link

# 在您想要使用 evoltagent 的项目中
npm link evoltagent

从 npm 安装（发布后）

npm install evoltagent

使用方法

基础示例

⚠️ 注意：配置文件 config.yaml 使用驼峰命名（例如 apiKey、baseUrl），这与 Python 版本中使用的下划线命名不同。详细信息请参阅 LLM_CONFIG.md。

import { Agent, ModelResponse, ModelConfig } from "evoltagent";

// 使用 ModelConfig 配置模型
const modelConfig: ModelConfig = {
  provider: "deepseek",
  model: "deepseek-chat",
  apiKey: process.env.DEEPSEEK_API_KEY,
  baseUrl: process.env.DEEPSEEK_BASE_URL || "https://api.deepseek.com/v1",
  contextWindowTokens: 128000,
  maxOutputTokens: 8092,
  temperature: 0.2,
  topP: 0.9,
  stream: true,
};

async function main() {
  const agent = new Agent({
    name: "posy",
    profile: "You are a helpful assistant.",
    tools: ["ThinkTool.execute", "Reply2HumanTool.reply"],
    modelConfig: modelConfig,
  });

  const result = await agent.run("Please introduce yourself");
  console.log("Agent response:", result);
}

main().catch(console.error);

使用 MCP 工具

首先，您需要设置配置文件。关于 MCP Server 的配置方法，请参阅 LLM_CONFIG.md 了解详细信息。如果您已配置模型参数，可以使用配置文件中的模型名称来替换上面的 ModelConfig。

import { Agent, ModelResponse } from "evoltagent";

async function runAgent(userInput: string): Promise<ModelResponse[]> {
  const agent = new Agent({
    name: "posy",
    profile: "You are an assistant capable of operating a browser.",
    mcpServerNames: ["playwright"],
    modelConfig: "deepseek",
    verbose: 2,
  });

  return await agent.run(userInput);
}

开发

构建项目

npm run build

运行示例

⚠️ 注意：examples/agent/ 目录中的文件需要在 .env 文件中设置 BOYUE_API_KEY 和 BOYUE_API_URL。

⚠️ 注意：要使用其他提供商，只需调整 examples/agent/modelConfig.ts 中的配置。

# 基础示例
npx tsx examples/agent/agentDemoWithModelConfig.ts
npx tsx examples/agent/agentDemo.ts

# MCP 工具示例
npx tsx examples/agent/agentWithMCPTools.ts

导出的模块

核心模块

  • Agent - 主 Agent 类
  • Model - 模型类
  • Message、MessageHistory - 消息和消息历史管理

工具

  • SystemToolStore、FunctionCallingStore - 工具存储
  • ThinkTool - 思考工具
  • CommandLineTool - 命令行工具
  • FileEditor - 文件编辑器
  • Reply2HumanTool - 回复人类工具
  • TodoListTool - 待办事项列表工具
  • GitTool - Git 工具

工具注册

  • tools - 注册工具
  • registerAgentAsTool - 将 Agent 注册为工具

环境

  • BaseEnvironment - 基础环境
  • CodingEnvironment - 编程环境

配置

  • loadModelConfig - 加载模型配置
  • 其他配置常量和路径

🙏 致谢

衷心感谢开源项目 claude-quickstarts，在该项目的开发过程中提供了重要帮助。