@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…
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。
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.py | AST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.py | Q-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.py | DAG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.py | AST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 |
| 43 | API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.py | LRU/LFU缓存、标签失效、缓存穿透保护 |
| 46 | 调度器 | scheduler.py | Cron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.py | ETL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 |
| 63 | Web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
- 零依赖 — 纯Python实现,无需外部库
- 模块化 — 每个模块独立,可单独使用
- 安全第一 — 所有修改必须可回滚
- 渐进式 — 小步改进,不搞大重构
- 可量化 — 所有评估都有数值支撑
许可证
MIT License
相似文章
@QingQ77: 开源的"代码即动作"科研智能体,用持久化内核运行真正的 Python/R 代码而不是固定工具表,让研究者靠便宜模型(豆包 ¥9.9/月)复现 Claude Science 级别的科研自动化。 https://github.com/PKU-…
开源的科研智能体 OpenAI4S,通过持久化内核运行真正的 Python/R 代码,结合 JSON 工具编排,让研究者可以用极低成本(豆包 ¥9.9/月)复现 Claude Science 级别的科研自动化。
@zhouluobo: 一套能跑起来的 AI 工具链,我觉得至少要覆盖 10 个环节。 1. 入口 Hermes Agent 2. 代码执行 Claude Code、Codex、Gemini CLI 3. 长期记忆 Obsidian、QMD、SQLite 4. …
介绍了一套完整的 AI 工具链,涵盖入口、代码执行、记忆、任务调度、组网、部署、资料库、网页操作、多媒体生产和信息分发等10个环节,并推荐了每个环节的具体工具。
@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"…
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…
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…
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。