7/24 办公室 -- 自进化 AI 代理系统

一个在生产环境中运行的 AI 代理，由 约 10,000 行纯 Python 构建而成，无任何框架依赖。不使用 LangChain、LlamaIndex 或 CrewAI——仅依靠标准库和少量小型第三方包。

36 种工具，20 个文件，模块化架构，全天候运行。

由一人借助 AI 协同开发工具独立构建，在多用户环境下实现 24/7 全天候生产运行。

v2.0 新特性

• 模块化工具架构——从单体的 tools.py 拆分为 7 个领域模块
• 群聊支持——为群组对话提供独立容器，并引入 @提及权限控制
• AI 镜像——行为画像报告（soul_report）+ 未来自我对话模式（future_self）
• 提示系统——结构化行为纠正：自动检测 LLM 虽有工具却未使用的情况
• 动态工具过滤——5 种上下文配置文件（语音/日程/群组/诊断/默认），以减少 token 浪费
• 预算感知系统提示——在组装系统提示时跟踪 token 预算
• 非活跃保护——对休眠用户（超过 3 天无操作）自动跳过定时任务
• 熔断机制——每个会话中连续失败 3 次后禁用相关工具
• 交互式可视化——通过 render_page 使用 ECharts 生成 HTML 页面（折线图/柱状图/饼图/雷达图/表格/报告）
• 容器协调——路由器在启动时会根据路由表自动重建缺失的容器
• 指数退避重试——消息 API 调用将进行 3 次重试，延迟分别为 2/4/8 秒
• 会话自动归档——每日记录所有对话的黑盒日志

功能特性

• 工具使用循环——兼容 OpenAI 的函数调用功能，具备自动重试机制，每轮对话最多可尝试 20 次
• 三层记忆体系——会话历史 + LLM 压缩的长期记忆 + LanceDB 向量检索
• MCP/插件系统——通过 JSON-RPC（stdin 或 HTTP）连接外部 MCP 服务器，支持热加载无需重启
• 运行时工具创建——代理可在运行时编写、保存并加载新的 Python 工具（create_tool）
• 自我修复——每日自检、会话健康诊断、错误日志分析，并在出现故障时自动通知
• Cron 定时调度——支持一次性与周期性任务，任务状态持久化且不受重启影响，具备时区感知与非活跃保护功能
• 多租户路由——基于 Docker 的自动资源调配，每个用户独享一个容器，定期健康检查并进行容器协调
• 多模态支持——可处理图片、视频、文件、语音及链接等媒体；内置 ASR（语音转文本）功能，并可通过 base64 解析图像内容
• 网络搜索——集成多搜索引擎（Tavily、Bocha、GitHub、HuggingFace），具备自动路由与双引擎默认策略
• 视频处理——智能静音检测剪辑、添加背景音乐，以及通过 API 进行 AI 视频生成
• 消息集成——可插拔的消息平台，支持防抖、消息拆分及流式媒体上传
• 群聊功能——独立容器、@提及权限控制、上下文缓冲区（最近 20 条消息）、发言者识别

系统架构

                    +-----------------+
                    |  消息平台       |
                    +--------+--------+
                             |
                    +--------v--------+
                    |   router.py     |  多租户路由
                    |  自动调配       |  容器协调
                    |  群组路由       |  健康检查
                    +--------+--------+
                             |
                    +--------v--------+
                    | xiaowang.py     |  入口点
                    |  HTTP 服务器    |  回调处理
                    |  防抖           |  媒体下载/ASR
                    |  群聊支持       |  非活跃追踪
                    +--------+--------+
                             |
                    +--------v--------+
                    |    llm.py       |  工具使用循环（核心）
                    |  预算感知       |  会话管理
                    |  系统提示       |  提示系统集成
                    |  多模态         |  记忆注入
                    +--------+--------+
                             |
     +----------+----+------+------+----+-----------+
     |          |    |             |    |           |
+----v-----+ +-v----v--+ +-------v-+ +-v--------+ |
| tools_    | |tools_   | |tools_   | |tools_    | |
| messaging | |admin    | |search   | |video     | |
| send/file | |exec/diag| |web/mem  | |trim/bgm  | |
| schedule  | |plugin   | |recall   | |generate  | |
+-----------+ |MCP      | +---------+ +----------+ |
              +----+----+                           |
              +----v----+  +----------+  +----------v--+
              |tools_   |  |tools_    |  |  nudge.py   |
              |page     |  |mirror    |  |  5 条规则    |
              |ECharts  |  |soul rpt  |  |  自动提示    |
              |6 types  |  |future    |  +-------------+
              |self      |
              +----------+
              +--------------+--------------+
              |              |              |
       +------v------+  +---v--------+  +--v-----------+
       | memory.py   |  |scheduler.py|  | archive.py   |
       | 三层         |  | cron+once  |  | 日常黑盒记录 |
       | 压缩         |  | 非活跃保护|  | 机密存储     |
       | 去重         |  | 保护       |  +--------------+
       | 检索         |  +------------+
       +------+------+
              |
       +------v------+
       |mcp_client.py|  JSON-RPC over stdio/HTTP
       | 自动重连 + 热加载
       +-------------+

记忆系统

第一层：会话记忆（短期）
  - 每个会话保留最近 40 条消息，以 JSON 文件形式存储
  - 当超出容量时触发压缩
  - 对于超过 100KB 的会话，自动归档

第二层：压缩记忆（长期）
  - LLM 从被驱逐的消息中提取结构化事实
  - 采用余弦相似度进行去重（阈值为 0.92）
  - 存储为向量形式，存入 LanceDB 数据库

第三层：检索记忆（主动回忆）
  - 用户输入消息 -> 文本嵌入 -> 向量检索
  - 将最相关的 K 条记忆注入到系统提示中
  - 注入过程考虑 token 预算，实时跟踪用量

工具列表（36个内置）

分类	模块	工具
核心	tools_admin	exec, message
文件	tools_admin	read_file, write_file, edit_file, list_files
调度	tools_messaging	schedule, list_schedules, remove_schedule
媒体发送	tools_messaging	send_image, send_file, send_video, send_link, send_location, send_namecard
视频	tools_video	trim_video（自动剪掉静音部分）、add_bgm、generate_video
搜索	tools_search	web_search（Tavily+Bocha双引擎）、search_nearby（地理编码+POI）、search_memory、recall
可视化	tools_page	render_page（通过ECharts绘制折线图/柱状图/饼图/雷达图/表格/报告）
AI镜像	tools_mirror	soul_report（行为画像HTML）、future_self（对话模式）
诊断	tools_admin	self_check, diagnose, task_history, code_audit, asr_check, daily_digest
内存	tools_admin	compact_memory, compact_guides
插件	tools_admin	create_tool, list_custom_tools, remove_tool
MCP	tools_admin	reload_mcp

模块结构

文件	行数	职责
xiaowang.py	~1040	入口：配置、HTTP服务器、回调、防抖、ASR、群组支持
llm.py	~1260	LLM API + 工具使用循环 + 预算感知系统提示 + 提醒集成
tools.py	~37	协调层（导入各领域模块）
tools_base.py	~314	注册表 + @tool装饰器 + 动态过滤 + 熔断机制
tools_messaging.py	~550	消息/文件/日程/位置/名片相关工具
tools_admin.py	~860	执行/文件操作/诊断/插件/MCP管理
tools_mirror.py	~716	AI镜像：灵魂报告 + 未来自我
tools_page.py	~470	交互式HTML页面生成（ECharts）
tools_search.py	~293	多引擎网络搜索 + 记忆搜索
tools_video.py	~394	视频剪辑/添加背景音乐/视频生成
messaging.py	~447	消息平台API封装 + CDN上传/下载
memory.py	~1100	三层记忆系统（会话记忆 + 压缩记忆 + 向量记忆）
scheduler.py	~652	Cron定时任务 + 一次性调度 + 非活跃保护
router.py	~500+	多租户Docker路由器 + 自动调配 + 对账
mcp_client.py	~342	MCP协议客户端（JSON-RPC，无新增依赖）
nudge.py	~190	提醒系统：检测工具误用，自动注入提示
archive.py	~204	每日会话归档（黑盒记录器）
audit.py	~448	自动化11项代码审计

快速开始

方案一：直接运行

git clone https://github.com/wangziqi06/724-office.git
cd 724-office
cp config.example.json config.json
# 编辑config.json以填写您的API密钥

pip install croniter lancedb websocket-client pilk numpy httpx beautifulsoup4 pydub jieba fpdf2

mkdir -p workspace/memory workspace/files
python3 xiaowang.py

方案二：Docker部署（推荐）

# 将Dockerfile.example复制为Dockerfile
# 将docker-compose.example.yml复制为docker-compose.yml
# 编辑.env文件以填写您的凭证

docker compose build
docker compose up -d

该代理会在8080端口启动HTTP服务器。请将您的消息平台Webhook指向http://YOUR_SERVER:8080/。

配置

完整配置结构请参见config.example.json。关键部分包括：

• models -- LLM提供商（任何兼容OpenAI的API），并设置备用链路
• messaging -- 消息平台的凭证和接口地址
• memory -- 三层记忆系统的设置（嵌入式API、相似度阈值）
• asr -- 语音转文本API的凭证
• video_api -- AI视频生成API
• mcp_servers -- MCP服务器连接信息（stdin或HTTP传输）
• page_base_url -- 生成可视化页面的基础URL

设计原则

1. 零框架依赖 -- 每一行代码都清晰可见且可调试。没有魔法，没有隐藏的抽象。
2. 模块化工具 -- 添加一项功能只需在相应领域模块中添加一个@tool装饰的函数。
3. 边缘部署 -- 设计目标是在Jetson Orin Nano（8GB内存，ARM64架构）上运行。内存预算低于2GB。
4. 自我进化 -- 该代理可以在运行时创建新工具、诊断自身问题，并通知所有者。
5. 结构性行为修正 -- 不要用提示来纠正代理的错误，而是添加提醒、钩子和验证机制。
6. 为删除而构建 -- 当模型变得更智能时，每个模块都应该能够被干净地移除。
7. 上下文是最稀缺的资源 -- 设计的核心约束是token预算，而非计算能力。

许可证

MIT

724-office 快速上手指南

724-office 是一个基于纯 Python 构建的自进化 AI Agent 系统，无需 LangChain 等重型框架，仅依赖标准库和少量轻量包。它支持多租户路由、三层记忆系统、动态工具创建及可视化报表生成，适合在生产环境中 24/7 运行。

环境准备

系统要求

• 操作系统: Linux / macOS (Windows 需 WSL2)
• Python 版本: Python 3.8+
• 硬件建议: 最低 2GB 可用内存（专为边缘设备如 Jetson Orin Nano 优化）
• 网络: 需访问 OpenAI 兼容 API 及外部服务（搜索、视频生成等）

前置依赖

确保已安装 git、python3 和 pip。若使用 Docker 部署，需安装 Docker 和 Docker Compose。

安装步骤

方案一：直接运行（推荐开发调试）

1. 克隆项目

   git clone https://github.com/wangziqi06/724-office.git
   cd 724-office
   

2. 配置密钥 复制示例配置文件并填入你的 API Keys（LLM、消息平台、ASR 等）：

   cp config.example.json config.json
   # 请使用编辑器修改 config.json
   

3. 安装依赖 建议使用国内镜像源加速安装：

   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple croniter lancedb websocket-client pilk numpy httpx beautifulsoup4 pydub jieba fpdf2
   

4. 初始化目录

   mkdir -p workspace/memory workspace/files
   

5. 启动服务

   python3 xiaowang.py
   

方案二：Docker 部署（推荐生产环境）

1. 准备配置文件

   cp Dockerfile.example Dockerfile
   cp docker-compose.example.yml docker-compose.yml
   # 编辑 .env 文件填入凭证
   

2. 构建并启动

   docker compose build
   docker compose up -d
   

基本使用

启动成功后，Agent 将在 8080 端口 运行 HTTP 服务器。

1. 配置消息平台回调 将你的消息平台（如微信、飞书、钉钉等）的 Webhook 地址指向： http://YOUR_SERVER_IP:8080/

2. 交互示例 在消息平台中直接向 Agent 发送指令，系统将自动识别意图并调用工具：

   • 自然对话: "帮我总结一下今天的新闻"（自动调用 web_search）
   • 文件操作: "把刚才的内容保存到 summary.txt"（自动调用 write_file）
   • 数据可视化: "画一个展示本周销量的柱状图"（自动调用 render_page 生成 ECharts HTML）
   • 定时任务: "每天早上 9 点提醒我查看邮件"（自动调用 schedule）

3. 验证运行状态 查看终端日志，确认无报错且出现 Server started 相关提示。若启用诊断工具，可发送“自检”触发 self_check 工具查看系统健康度。