60AI-AGENT

# 60AI-AGENT
A lightweight, self-growing AI Agent with persistent memory, automatic skill learning, hardware monitoring, and crash recovery.
62号自主智能体“大脑”系统
https://img.shields.io/badge/python-3.8+-blue.svg
https://img.shields.io/badge/License-MIT-yellow.svg
# 60AI-AGENT
一款轻量级、可自我成长的 AI 智能体 (Agent)

## 关键词
- Python AI Agent
- 自主学习 AI
- 自我升级智能体
- 硬件监控
- 持久记忆
- 多模型协调
- Gradio 交互界面
🧠 项目简介
这是一个具备自我意识、自主学习、自我升级能力的 AI 智能体核心系统。它基于第一条铁律“自保优先”设计，通过多模型协调、热插拔模型接口、拟人化交互、分层记忆、硬件自适应等模块，构建了一个能够持续进化、高度自主的智能体。系统所有操作均在核心铁律的强制约束下运行，确保安全、稳定、可控。

✨ 核心特性
第一条铁律强制执行：所有敏感操作必须通过核心协议检查，自保模式永久启用，看门狗与崩溃恢复联动，确保系统不死。

多模型协调：支持同时接入多个大模型（云端/本地），智能路由、结果仲裁、请求缓存，实现最优效果与成本平衡。

完全自动升级：系统能自主发现需求、生成代码、测试、合并，无需人工干预（需授权的操作除外），失败自动回滚+冷却。

热插拔模型接口：统一抽象接口，支持动态添加、移除、替换大模型，配置热更新。

拟人化交互：情绪系统、主人风格模仿、模糊指令澄清，对话自然且有底线，拒绝模仿恶意内容。

记忆与学习：分层记忆存储（短期+长期向量库）+ 过期更新，自主从网络和对话中学习，持续进化。

硬件自适应：实时感知硬件状态，低资源自动降载，硬件不足时主动提议合法创收升级。

安全审计：所有新生成的代码均需经过安全审计（危险关键词检查）和沙箱测试（Windows跳过）。

🏗️ 技术架构
text
┌─────────────────────────────────────────────────────────────────┐
│                       用户交互层                                │
│    (Gradio Web界面 / 命令行 / 飞书/微信等可扩展)               │
└───────────────────────────┬─────────────────────────────────────┘
                            │
┌───────────────────────────▼─────────────────────────────────────┐
│                        大脑决策层                                │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │ model_coordinator (路由/仲裁/缓存)                       │   │
│  └─────────────────────────────────────────────────────────┘   │
│  ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐│
│  │ brain.py    │ │ emotion_core│ │ clarify.py  │ │ auth_check  ││
│  │ (思考/规划) │ │ (情绪)      │ │ (模糊反问)  │ │ (授权判定)  ││
│  └─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘│
└───────────────────────────┬─────────────────────────────────────┘
                            │
┌───────────────────────────▼─────────────────────────────────────┐
│                     执行与学习层                                 │
│  ┌─────────────┐ ┌─────────────┐ ┌─────────────────────────┐   │
│  │ executor.py │ │ learner.py  │ │ self_upgrade.py         │   │
│  │ (安全操作)  │ │ (自主学习)  │ │ (完全自动升级)          │   │
│  └─────────────┘ └─────────────┘ └─────────────────────────┘   │
│        ↓                ↓                                       │
│  ┌───────────────┐ ┌─────────────────┐                         │
│  │ 模型微调管道  │ │ 沙箱升级环境    │                         │
│  └───────────────┘ └─────────────────┘                         │
└───────────────────────────┬─────────────────────────────────────┘
                            │
┌───────────────────────────▼─────────────────────────────────────┐
│                        模型扩展层                                │
│  ┌─────────────┐ ┌─────────────┐ ┌─────────────────────┐       │
│  │ base_model  │ │model_factory│ │ model_registry      │       │
│  │ (抽象接口)  │ │(动态创建)   │ │ (实例管理/热插拔)   │       │
│  └─────────────┘ └─────────────┘ └─────────────────────┘       │
│        ↓              ↓              ↓                          │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │           具体模型实现（OpenAI/DeepSeek/本地等）        │   │
│  └─────────────────────────────────────────────────────────┘   │
└───────────────────────────┬─────────────────────────────────────┘
                            │
┌───────────────────────────▼─────────────────────────────────────┐
│                        数据持久层                                │
│  ┌─────────────┐ ┌─────────────┐ ┌─────────────┐               │
│  │ memory.py   │ │ config.py   │ │ SQLite/     │               │
│  │ (记忆向量库)│ │ (配置/白名单)│ │ ChromaDB    │               │
│  └─────────────┘ └─────────────┘ └─────────────┘               │
└───────────────────────────┬─────────────────────────────────────┘
                            │
┌───────────────────────────▼─────────────────────────────────────┐
│                        系统保障层                                │
│  ┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐   │
│  │hardware_monitor │ │crash_recovery   │ │time_manager/    │   │
│  │(硬件感知/降载)  │ │(异常恢复/自检)  │ │task_manager     │   │
│  └─────────────────┘ └─────────────────┘ └─────────────────┘   │
└─────────────────────────────────────────────────────────────────┘
                🛡️ 核心铁律（core_protocol.py） 🛡️
      （全局钩子，所有模块必须遵守，最高优先级，不可绕过）
      注释：热加载尚未集成
🚀 快速开始
环境要求
Python 3.8 或更高版本

推荐：NVIDIA GPU + CUDA（可选，用于本地模型加速）

内存：至少 4GB（推荐 8GB+）

硬盘空间：2GB（不含模型）

安装步骤
克隆仓库

bash
git clone https://github.com/yourname/ai-agent-brain.git
cd ai-agent-brain
创建虚拟环境（推荐）

bash
python -m venv venv
source venv/bin/activate  # Linux/Mac
venv\Scripts\activate     # Windows
安装依赖

bash
pip install -r requirements.txt
配置环境变量
复制 .env.example 为 .env，并根据需要修改（见配置说明）。

启动智能体

命令行界面：

bash
python main.py
Web 界面（推荐）：

bash
python gradio_app.py
然后打开浏览器访问 http://127.0.0.1:8501。

⚙️ 配置说明
主要配置项在 .env 文件中，您可以根据需要调整：

ini
# DeepSeek API 配置（如需使用云端模型）
DEEPSEEK_API_KEY=your_api_key_here
DEEPSEEK_BASE_URL=https://api.deepseek.com/v1
DEEPSEEK_MODEL=deepseek-chat

# 本地模型配置（Ollama）
OLLAMA_BASE_URL=http://localhost:11434
OLLAMA_MODEL=phi3:mini          # 可替换为 tinyllama, llama3.2等

# 核心自保阈值
CPU_SAFE_THRESHOLD=80
MEMORY_SAFE_THRESHOLD=85
WATCHDOG_INTERVAL=120           # 看门狗超时（秒）

# 网络白名单（逗号分隔）
WHITELIST_DOMAINS=github.com,raw.githubusercontent.com,api.github.com,news.sina.com.cn

# 学习白名单（用于自主爬取）
WEB_LEARN_WHITELIST=docs.python.org,github.com

# 自动安装依赖白名单
ALLOWED_PIP_PACKAGES=requests,beautifulsoup4,numpy,pandas,bs4,urllib

# Gradio 界面配置
GRADIO_SERVER_NAME=127.0.0.1
GRADIO_SERVER_PORT=8501
GRADIO_AUTH_ENABLED=false      # 如需密码认证设为 true
🎮 使用方法
基本对话
在 Web 界面或命令行输入任何内容，智能体会调用模型回复。

查看可用模型
输入：查看模型

查看任务状态
输入：任务状态 可查看自我升级任务队列。

学习新技能
系统内置了一批可学习技能（SUPPORTED_SKILLS），您可以通过以下指令让智能体自动生成并集成技能：

text
学习情绪分析技能
学习网页内容爬取技能
学习新闻摘要技能
注意：新闻摘要 需先在 brain/core/brain.py 的 SUPPORTED_SKILLS 中添加名称，然后重启系统。

使用已学技能
情绪分析：输入包含情绪词的话，如“我今天很开心”。

网页抓取：输入 抓取 https://news.sina.com.cn/xxx.html 获取页面标题和内容摘要。

GitHub 文件下载：

text
列出 https://github.com/owner/repo 中的文件
下载文件 https://github.com/owner/repo 中的 filename.zip
立即自主学习（需配置 WEB_LEARN_WHITELIST）
输入：立即学习 触发一次爬取-挖掘-生成任务。

📂 项目结构
text
├── brain/                      # 核心代码包
│   ├── core/                   # 核心模块
│   │   ├── config.py            # 配置管理
│   │   ├── core_protocol.py     # 核心铁律
│   │   ├── hardware_monitor.py  # 硬件监控
│   │   ├── self_upgrade.py      # 自我升级
│   │   └── brain.py             # 大脑决策层
│   └── skills/                  # 技能模块
│       ├── auto_learned/        # 自动学习技能存放处
│       ├── clarify.py           # 意图澄清
│       ├── emotion_core.py      # 情绪核心
│       ├── memory.py            # 记忆模块
│       ├── model_coordinator.py # 多模型协调
│       ├── chinese_interaction.py # 聊天技能
│       ├── web_learner.py       # 网页学习器
│       ├── skill_miner.py       # 技能挖掘
│       ├── auth_check.py        # 权限检查
│       ├── auto_evolve.py       # 自动进化
│       ├── base_model.py        # 模型抽象
│       ├── ...                  # 其他技能
├── data/                        # 数据目录（自动创建）
├── logs/                        # 日志目录
├── main.py                       # 命令行入口
├── gradio_app.py                 # Web 界面入口
├── .env.example                  # 环境变量示例
├── requirements.txt              # 依赖列表
└── README.md                     # 本文件
📦 依赖清单
主要依赖库（详见 requirements.txt）：

requests、beautifulsoup4、fake-useragent：网页抓取

psutil：硬件监控

py3nvml：GPU 监控（可选）

gradio：Web 界面

python-dotenv：环境变量加载

transformers、torch（可选，用于本地模型）

🤝 贡献指南
欢迎贡献代码、报告问题或提出新功能建议！

Fork 本仓库

创建您的特性分支 (git checkout -b feature/amazing)

提交您的更改 (git commit -m 'Add some amazing')

推送到分支 (git push origin feature/amazing)

打开一个 Pull Request