KlomboAGI：一个面向持久化智能体研究的自主认知运行时

KlomboAGI是基于Python的实验性自主认知运行时系统，专为持久化智能体研究设计。它不宣称实现AGI，而是通过持久化记忆、世界模型、规划-验证-批评循环等机制，探索智能体随时间变得更智能的可能性。核心研究问题为：智能体能否通过长期运行和持续学习提升任务表现？项目定位为严肃研究平台，强调持久性与时间维度的价值。

核心目标

聚焦智能体长期积累价值，区别于一次性智能系统，假设其价值体现在长期经验积累与行为优化上。

与同类项目对比

• AutoGPT：更重持久化与结构化，非探索性
• LangChain：专注长期运行智能体，非即时响应
• BabyAGI：提供更完整执行环境与世界模型

项目明确声明“非AGI”，以诚实态度定位为研究平台而非产品。

持久化存储

• 任务存储：使命、任务、世界状态等持久化
• 多层记忆：工作/语义/程序性记忆（借鉴认知科学）
• 世界模型：维护实体、关系与快照历史

认知循环架构

规划器-验证器-批评器循环：

• 规划器：分解目标为步骤
• 验证器：检查安全合规
• 批评器：反思评估并改进

其他功能

• 受保护执行：留痕分析+策略检查
• 工作空间操作：文件/命令/代码仓库交互
• 调度队列：优先级管理+CLI支持

技术实现

Python3.9+、BSL许可证、文件系统优先、模块化架构、测试驱动。

测试套件覆盖：

• 运行时初始化与持久化
• 使命/任务跟踪
• 认知组件（记忆/计划/批评等）
• 世界模型更新
• 安全策略
• 真实操作执行
• 多步循环与停止条件
• 代码仓库评估

测试确保项目可验证、可信任，区别于实验性代码。

LLM集成

• 可选集成用于智能规划/批评/反思
• 兼容OpenAI风格API（Ollama/OpenAI/Groq等）
• 无外部依赖，HTTP调用用标准库

优雅降级

LLM不可用时自动切换到启发式规则，保证鲁棒性。

快速入门

1. 配置.env文件
2. 运行诊断：klomboagi doctor
3. 初始化：klomboagi init
4. 创建并运行使命：mission create+run

应用场景：

• 长期代码分析（监控代码库变化）
• 自动化文档维护（生成变更摘要）
• 智能体行为研究平台
• 个人知识管理助手

建议相关开发者/研究者使用该平台实验。

KlomboAGI代表智能体研究从即时响应转向长期积累的方向，设计扎实、测试完善。其核心价值在于提出“如何让智能体成长”的问题，为相关领域提供实验平台。