Teenage-AGI
Teenage-AGI 是一个受“生成式智能体”论文启发的开源 Python 项目，旨在赋予 AI 代理持久的记忆与深度思考能力。它解决了传统大模型在对话中容易“遗忘”上下文、缺乏长期记忆以及难以进行行动前推理的痛点。通过结合 OpenAI 的强大语言能力和 Pinecone 向量数据库，Teenage-AGI 能让 AI 在回复用户前先检索过往记忆、内部“深思熟虑”再输出结果，且即使程序关闭，记忆也能永久保存并持续积累。
该工具的独特亮点在于其模拟人类认知的六步工作流：从向量化存储查询、检索相关记忆，到生成思维链、记录思考过程，最后基于记忆与思考产出回答并再次归档。这种机制让 AI 能够像拥有连续意识的个体一样进行多轮交互，甚至记住自己的名字与特征。
Teenage-AGI 主要适合开发者、AI 研究人员以及对自主智能体架构感兴趣的技术爱好者使用。用户只需配置 API 密钥即可在本地终端或 Docker 容器中运行，探索具备长期记忆和反思能力的下一代 AI 应用原型。对于希望深入理解智能体如何“思考”与“记忆”的创作者而言，这是一个极具价值的实验性工具。
使用场景
一位独立开发者正在构建一个需要长期陪伴用户、具备连续记忆能力的虚拟角色游戏 NPC，希望它能记住玩家的历史互动并据此做出有深度的反应。
没有 Teenage-AGI 时
- 记忆断层严重：每次对话重启或上下文窗口溢出后，NPC 就会“失忆”，无法提及之前与玩家约定的事件或细节。
- 缺乏深度思考：NPC 只能对当前输入进行即时反应，无法像人类一样在回答前先在“内心”权衡利弊或组织逻辑，导致回复肤浅。
- 数据持久化困难：开发者需要自行编写复杂的数据库代码来存储和检索历史对话向量，开发成本高且难以维护。
- 角色一致性差：由于缺乏长期记忆支撑，NPC 的性格特征和行为模式容易随对话轮数增加而发生漂移，破坏沉浸感。
使用 Teenage-AGI 后
- 永久记忆留存：借助 Pinecone 向量数据库，Teenage-AGI 自动将关键互动向量化存储，即使程序关闭再启动，也能准确回忆玩家的姓名和过往经历。
- 内置思维链条：通过独有的"think"机制，Teenage-AGI 在输出回复前会先生成内部思考过程，使 NPC 的回答更具逻辑性和情感深度。
- 开箱即用的记忆架构：开发者只需配置 API 密钥即可运行，Teenage-AGI 内置了完整的“读取 - 思考 - 行动 - 存储”闭环，无需重复造轮子。
- 角色高度拟人：基于长期记忆和相关性检索，Teenage-AGI 能让 NPC 在不同会话中保持性格一致，甚至主动提及旧事，极大增强代入感。
Teenage-AGI 通过赋予 AI 持久的记忆与独立思考能力，将原本单薄的聊天机器人升级为拥有“灵魂”的长期陪伴型智能体。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明
快速开始
青少年AGI
目标
本项目深受多项与Auto-GPT相关的项目（以BabyAGI为主）以及论文【“生成式智能体：人类行为的交互式模拟”】（https://arxiv.org/abs/2304.03442）的启发。通过使用OpenAI和Pinecone，本Python项目为AI智能体赋予了记忆功能，并使其在执行动作之前能够“思考”——即在输出文本之前进行深思熟虑。此外，只需关闭AI，它便不会忘记自己的记忆，因为其数据存储于Pinecone中，且其memory_counter会自动保存当前所处的索引位置。
更新记录
4月12日：新增了“read”和“think”命令。在查询前添加“read: ”或“think: ”，即可利用read（任意长度均可）向AI输入信息，或将记忆插入到智能体中。
各个部分
- 【工作原理】（https://github.com/seanpixel/Teenage-AGI/blob/main/README.md#how-it-works）
- 【使用方法】（https://github.com/seanpixel/Teenage-AGI/blob/main/README.md#how-to-use）
- 【实验结果】（https://github.com/seanpixel/Teenage-AGI/blob/main/README.md#experiments）
- 【关于项目与我的更多介绍】（https://github.com/seanpixel/Teenage-AGI/blob/main/README.md#more-about-the-project--me）
- 【致谢】（https://github.com/seanpixel/Teenage-AGI/blob/main/README.md#credits）
工作原理
每当用户对AI发起查询时，会发生以下流程：
- AI将查询进行向量化处理，并将其存储至Pinecone向量数据库中。
- AI会查看自身的记忆库，查找与当前查询相关联的记忆及过往查询记录。
- AI会思考应采取何种行动。
- AI将第3步中的思考结果存储下来。
- 基于第3步的思考以及第2步中相关联的记忆，AI将生成最终输出。
- AI会将当前查询及其答案存储至Pinecone向量数据库的记忆中。
使用方法
- 通过
git clone https://github.com/seanpixel/Teenage-AGI.git克隆仓库，并进入克隆后的项目目录。 - 安装所需软件包：运行
pip install -r requirements.txt。 - 从模板文件复制并修改
.env文件，将其命名为.env。 - 打开
.env文件，填写您的OpenAI和Pinecone API密钥。 - 运行
python main.py，然后在终端中与AI展开对话吧！
在Docker容器中运行
您可以通过docker-compose在容器中隔离运行本系统：
docker-compose run teenage-agi
实验结果
目前，使用GPT-4时，我发现它能够记住自己的姓名及其他特征。此外，即使没有上下文窗口，AI也能很好地延续对话（尽管我可能很快会加入这一功能）。随着我对它的不断探索与调试，我会适时更新本节内容。
关于项目与我的更多介绍
在阅读了Simulcra论文后，我在大学宿舍里启动了这个项目。我意识到，自己所生成的大部分“语言”其实都源自内心深处，于是萌生了一个想法：如果让AGI也具备类似的能力，岂不妙哉？目前，我是一名创始人，正运营着一家名为DSNR的初创公司（网址），同时也在USC就读大一。如果您有任何问题或想交流，欢迎随时通过推特与我联系！
致谢
感谢@yoheinakajima以及“生成式智能体：人类行为的交互式模拟”（https://arxiv.org/abs/2304.03442）团队的创意！
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。