lsdefine/GenericAgent

大家都在討論 Agent 要多強、要接多少工具，但 GenericAgent 走的是另一條路。它只用了不到 3000 行程式碼，核心邏輯甚至不到 100 行，卻做到了我一直在觀察的一個方向：技能的自我演化。

它不是預載一堆功能，而是透過執行路徑的「結晶化」來長出技能樹。第一次遇到新任務時，它會自己去裝套件、寫腳本、Debug，然後把這整套流程存成一個 Skill。下次遇到類似的事，就直接一行指令解決。這跟我自己在跑自動化流程時遇到的痛點高度重疊——我們不需要一個什麼都會但很笨的機器人，我們需要一個能隨著工作流程一起成長的系統。

我看過很多 Agent 框架，最後都死在 Token 消耗太快或架構太重。這個專案最讓我意外的是它的 Token 效率，因為它把「探索過程」跟「執行過程」分得很開。一旦技能成型，就不再需要重複消耗 Token 去思考怎麼做，這才是個人開發者能真正跑得動的邏輯。

不過我也在思考一個問題，當這種自我演化的技能樹變得越來越龐大，如何維持記憶層的精準度而不產生雜訊，這可能是下一步真正的挑戰。不知道大家在建立自己的 Agent Skills 時，有沒有遇到過技能衝突或記憶混亂的問題？

我這一年多一直在想一件事。每次花好幾週學會一個東西——n8n、ComfyUI、本地模型——感覺終於跑通了，結果過不了幾週，OpenAI 或 Anthropic 直接內建了一個更好用的版本。個人開發者的努力最終幾乎都是在幫大公司找市場。這個道理我很清楚，但還是繼續在做。可能是那種”至少是我親手跑通的”讓我沒辦法停下來。