一个类似openclaw那样的agent框架：GenericAgent 。核心仅 ~3K 行代码，通过 9 个原子工具 + ~100 行 Agent Loop，赋予任意 LLM 对本地计算机的系统级控制能力，覆盖浏览器、终端、文件系统、键鼠输入、屏幕视觉及移动设备。github.com/lsdefine/GenericAgent

它的设计哲学是：不预设技能，靠进化获得能力。每解决一个新任务，GenericAgent 就将执行路径自动固化为 Skill，供后续直接调用。使用时间越长，沉淀的技能越多，形成一棵完全属于你、从 3K 行种子代码生长出来的专属技能树。

📋 核心特性

自我进化: 每次任务自动沉淀 Skill，能力随使用持续增长，形成专属技能树 极简架构: ~3K 行核心代码，Agent Loop 约百行，无复杂依赖，部署零负担 强执行力: 注入真实浏览器（保留登录态），9 个原子工具直接接管系统 高兼容性: 支持 Claude / Gemini / Kimi / MiniMax 等主流模型，跨平台运行 极致省 Token: 上下文窗口不到 30K，是其他 Agent（200K–1M）的零头。分层记忆让关键信息始终在场——噪声更少，幻觉更低，成功率反而更高，而成本低一个数量级。