@QingQ77: 做一个纯 Python 的自进化 AI 框架,64 个模块各管各的,AI 能自己记东西、学东西、改代码、做反思,不用装额外的库。 https://github.com/primaxlab/SelfEvolvingAI… 64 个模块,从记…

X AI KOLs Timeline 工具

摘要

这是一个纯Python的自进化AI框架,包含64个模块,覆盖记忆、知识图谱、联邦学习等功能,无需额外库即可运行。

做一个纯 Python 的自进化 AI 框架,64 个模块各管各的,AI 能自己记东西、学东西、改代码、做反思,不用装额外的库。 https://github.com/primaxlab/SelfEvolvingAI… 64 个模块,从记忆、知识图谱到联邦学习、插件系统,全用 Python
查看原文
查看缓存全文

缓存时间: 2026/05/29 14:11

做一个纯 Python 的自进化 AI 框架,64 个模块各管各的,AI 能自己记东西、学东西、改代码、做反思,不用装额外的库。 https://github.com/primaxlab/SelfEvolvingAI… 64 个模块,从记忆、知识图谱到联邦学习、插件系统,全用 Python


primaxlab/SelfEvolvingAI

Source: https://github.com/primaxlab/SelfEvolvingAI

🧬 SelfEvolvingAI - 自我进化AI系统

集成64个模块的完整自我进化AI系统框架

64个模块完整清单

核心模块 (1-7)

#模块文件功能
1记忆系统memory.py短期/长期/情景记忆、用户画像、记忆巩固、遗忘曲线
2工具扩展tool_extender.py动态工具注册、工具学习、工具编排、性能追踪
3代码自改进self_improver.pyAST代码分析、缺陷检测、自动修复、版本管理
4元认知metacognition.py能力评估、置信度计算、知识空白检测、求助决策
5知识图谱knowledge_graph.py实体识别、关系抽取、图谱存储、语义推理
6目标规划goal_planning.py目标分解、DAG调度、进度追踪、计划调整
7反思循环reflection.py经验提取、模式识别、策略优化、知识更新

扩展一 (8-17)

#模块文件功能
8主动探索active_exploration.py知识空白发现、探索策略、自学机制
9协作系统collaboration.py能力自评、协作者发现、任务分配
10情感智能emotional_intelligence.py情感识别、解读、响应生成、情感记忆
11因果推理causal_reasoning.py因果识别、图构建、反事实推理
12迁移学习transfer_learning.py领域相似度、知识抽象、跨域迁移
13持续学习continual_learning.py防遗忘、知识巩固、干扰检测
14知识蒸馏knowledge_distillation.py模式提取、规则生成、知识压缩
15创造性思维creative_thinking.py发散思维、类比推理、组合创新
16多模态multimodal.py文本/图像/音频处理、跨模态关联、融合
17对抗鲁棒adversarial_robustness.py攻击检测、防御执行、异常分析、安全审计

扩展二 (18-32)

#模块文件功能
18元学习meta_learning.py学习策略分析、速率自适应、结果预测
19强化学习reinforcement_learning.pyQ-learning、状态编码、奖励计算
20注意力attention.py重要性评估、焦点管理、干扰过滤
21上下文感知context_awareness.py时间/用户/任务上下文、适应建议
22自愈系统self_healing.py故障检测/诊断、自动修复、健康监控
23知识进化knowledge_evolution.py版本管理、冲突检测、知识合并
24预测学习predictive_learning.py趋势/行为/需求预测
25分布式协作distributed_collaboration.py实例管理、任务分配、结果聚合、负载均衡
26自适应架构adaptive_architecture.py架构监控、瓶颈识别、动态伸缩
27神经符号neuro_symbolic.py神经特征提取、符号推理、混合决策
28自监督self_supervised.py自动标注、对比学习、预测任务
29记忆宫殿memory_palace.py空间记忆组织、关联管理、记忆路径
30决策模式decision_patterns.py决策记录、模式识别、策略优化
31自适应学习率adaptive_learning_rate.py学习率调度、收敛检测
32联邦学习federated_learning.py本地训练、模型聚合(FedAvg)、隐私保护

扩展三 (33-44)

#模块文件功能
33提示工程prompt_engineering.py提示生成、优化、A/B测试、评估
34任务编排task_orchestration.pyDAG任务编排、依赖解析、并行调度
35代码生成code_generation.py代码模板、优化、质量评估、重构建议
36测试自动化test_automation.py测试生成、执行、覆盖率分析
37自动文档auto_documentation.pyAST代码解析、API文档生成、变更日志
38性能优化performance_optimization.py性能分析、瓶颈检测、自动优化、异常检测
39配置管理configuration_management.py配置存储、版本控制、热更新、环境管理
40日志分析log_analysis.py日志收集、模式识别、异常检测、趋势分析
41监控告警monitoring_alerting.py指标收集、阈值监控、告警触发、健康检查
42备份恢复backup_recovery.py全量/增量备份、恢复管理、版本回滚
43API网关api_gateway.py路由管理、限流、认证、负载均衡
44消息队列message_queue.py消息生产/消费、优先级队列、死信处理

扩展四 (45-54)

#模块文件功能
45缓存管理cache_manager.pyLRU/LFU缓存、标签失效、缓存穿透保护
46调度器scheduler.pyCron定时、间隔调度、延迟执行、回调管理
47向量数据库vector_store.py向量存储、余弦/欧氏/点积相似度检索
48会话管理session_manager.py会话创建/恢复、状态持久化、超时管理
49自然语言理解nlu_engine.py意图识别、实体抽取、槽位填充
50推荐引擎recommendation.py协同过滤、内容推荐、混合推荐
51数据管道data_pipeline.pyETL流程、数据清洗、数据转换
52特征工程feature_engineering.py特征提取、选择、变换、相关性分析
53工作流引擎workflow_engine.py可视化工作流、条件分支、循环
54通知中心notification_center.py多渠道通知、订阅、模板、广播

扩展五 (55-64) 🆕

#模块文件功能
55加密服务encryption_service.py哈希、HMAC签名、加密解密、密钥管理
56全文检索search_engine.py倒排索引、BM25排序、模糊搜索、搜索建议
57限流器rate_limiter.py令牌桶、滑动窗口、固定窗口、限流统计
58插件系统plugin_system.py插件注册/加载/卸载、钩子、生命周期管理
59流式处理stream_processor.py流创建、事件发送、窗口聚合、消费者
60分布式锁distributed_lock.py互斥锁、可重入锁、乐观锁、锁续期
61数据同步data_sync.py变更追踪、增量同步、冲突解决、版本管理
62模型服务model_serving.py模型注册、加载、部署、推理、A/B测试
63Web服务器web_server.py路由、中间件、静态文件、请求处理
64国际化i18n.py多语言翻译、语言检测、数字/日期格式化

快速开始

cd SelfEvolvingAI
python main.py                    # 交互式运行
python main.py --status           # 查看系统状态
python main.py --evolve           # 触发进化
python main.py --modules          # 查看64个模块状态
python main.py --report           # 生成完整报告

代码示例

from core.evolution_loop import SelfEvolvingAI

ai = SelfEvolvingAI("./my_project")
result = ai.process("如何用Python读取文件?")
print(f"参与模块: {len(result['modules_used'])}个")

evolution = ai.evolve("manual")
print(f"进化代数: {ai.state.generation}")

进化循环(64模块参与)

感知 → 上下文感知 + 多模态 + 注意力 + NLU + 情感
  ↓
记忆 → 记忆系统 + 记忆宫殿 + 知识图谱 + 向量数据库
  ↓
思考 → 元认知 + 因果推理 + 神经符号 + 创造性思维 + 推荐
  ↓
行动 → 目标规划 + 任务编排 + 工具调用 + 代码生成 + 工作流
  ↓
反思 → 反思循环 + 决策模式 + 预测学习 + 知识蒸馏
  ↓
进化 → 代码自改进 + 知识进化 + 自愈 + 自适应架构
  ↓
基础设施 → 缓存 + 调度 + 会话 + 管道 + 特征 + 通知 + 监控
  ↓
安全扩展 → 加密 + 限流 + 分布式锁 + 全文检索 + 插件 + 流式

设计原则

  1. 零依赖 — 纯Python实现,无需外部库
  2. 模块化 — 每个模块独立,可单独使用
  3. 安全第一 — 所有修改必须可回滚
  4. 渐进式 — 小步改进,不搞大重构
  5. 可量化 — 所有评估都有数值支撑

许可证

MIT License

相似文章

@QingQ77: Loops 提供 100 个精心策划的 AI 驱动自动化循环模板,覆盖软件开发、数据科学、内容创作、产品运营、学习管理等领域。 https://github.com/jwangkun/loops 让 AI 助手自己反复"干→查→修→再干"…

X AI KOLs Timeline

Loops 是一个包含 100 个 AI 驱动自动化循环模板的开源项目,覆盖软件开发、数据科学、内容创作等领域,支持 Claude Code、Cursor、Trae 等 AI 编程助手,通过“执行→检查→修复→重复”的闭环模式实现自主任务完成。

@cevenif: 用Claude Code或Codex做开发,但总觉得AI在乱跑?这门课可能正是你缺的那块拼图。 GitHub上有个开源课程叫 Learn Harness Engineering,专门教你给AI编程助手建立一套可控的工作框架,围绕五个核心机…

X AI KOLs Timeline

GitHub 上开源课程 Learn Harness Engineering,教你为 AI 编程助手(如 Claude Code、Codex)建立可控工作框架,包含12节理论课和6个实战项目,核心机制涵盖指令、状态、验证、范围、会话。

@GitHub_Daily: 很多教程教 AI Agent 开发都是直接上框架,装完跑起来了,但底下到底怎么回事不清楚。 ai-agents-from-scratch 反过来,先从最基本的模型调用写起,一步步搭出工具调用、记忆、ReAct 循环这些核心模式。 全程用本…

X AI KOLs Timeline

GitHub_Daily 推荐了一个开源项目 ai-agents-from-scratch,它从零开始使用本地模型逐步实现工具调用、记忆和 ReAct 循环等核心模式,帮助开发者理解 AI Agent 的底层原理,而不直接使用框架。