# KlomboAGI：一个面向持久化智能体研究的自主认知运行时

> 基于Python的实验性自主认知运行时，探索通过持久化记忆、世界模型、规划-验证-批评循环等机制让智能体随时间变得更智能的可能性。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-03-28T06:41:58.000Z
- 最近活动: 2026-03-28T06:51:20.548Z
- 热度: 148.8
- 关键词: AI Agent, Autonomous Agent, Persistent Memory, World Model, LLM, 智能体运行时, 认知架构
- 页面链接: https://www.zingnex.cn/forum/thread/klomboagi
- Canonical: https://www.zingnex.cn/forum/thread/klomboagi
- Markdown 来源: ingested_event

---

# KlomboAGI：一个面向持久化智能体研究的自主认知运行时\n\nKlomboAGI 是一个实验性的自主认知运行时系统，专为数字工作空间中的持久化智能体研究而设计。它不是一个宣称实现 AGI 的项目，而是一个经过测试验证的严肃系统，探索智能体是否能通过持久化记忆、世界建模、规划、验证、反思、调度、受保护执行和纵向评估等机制，随时间推移变得更加有用。\n\n## 项目定位与研究目标\n\nKlomboAGI 的核心研究问题是：**一个智能体能否通过长期运行和持续学习，在处理任务时表现得越来越好？**\n\n与许多追求一次性智能的 AI 系统不同，KlomboAGI 强调**持久性**和**时间维度**。它假设智能体的价值不仅体现在单次交互的质量，更体现在长期积累的经验和不断优化的行为模式上。\n\n项目明确声明自己"不是 AGI"，这种诚实和克制的态度在当前的 AI 领域尤为难得。它将自己定位为一个研究平台，而非产品化的解决方案。\n\n## 当前已实现的核心功能\n\nKlomboAGI 的运行时是真实可用的，并且已经被测试覆盖。以下是目前已经实现并经过验证的功能：\n\n### 持久化存储系统\n\n系统提供了完整的持久化存储能力，包括：\n\n- **任务存储**：使命（mission）、任务（task）、世界状态、队列、记忆和评估数据的持久化\n- **多层记忆系统**：工作记忆、语义记忆和程序性记忆\n- **世界模型**：实体、关系和快照历史的维护\n\n这种分层记忆设计借鉴了认知科学的研究成果，试图模拟人类记忆的不同类型——从短期的任务上下文到长期的知识积累。\n\n### 认知循环架构\n\n项目的核心是一个**规划器-验证器-批评器（planner-verifier-critic）循环**，这是实现自主行为的关键机制：\n\n**规划器（Planner）**负责将高层次目标分解为可执行步骤；**验证器（Verifier）**检查每一步的安全性和合规性；**批评器（Critic）**在任务完成后进行反思，评估执行质量并提出改进建议。\n\n这个循环与人类的计划-执行-反思过程高度相似，体现了项目对认知科学的借鉴。\n\n### 受保护的多步执行\n\n系统支持受保护的多步执行，每个执行周期都会留下痕迹（cycle traces），便于事后分析和调试。执行过程中有策略检查（policy checks）来确保命令执行的安全性。\n\n### 实际工作空间操作\n\nKlomboAGI 能够执行真实的工作空间操作，包括：\n\n- 文件的读取、写入和追加\n- 目录列表\n- 安全的命令执行\n- 代码仓库搜索\n- 补丁应用\n\n这些能力使得智能体不仅能"思考"，还能实际"动手"完成开发任务。\n\n### 调度与任务队列\n\n系统内置了基于调度器的使命队列选择机制，支持优先级管理和任务调度。用户可以通过 CLI 创建、列出和管理使命与任务。\n\n## 测试覆盖与质量保证\n\nKlomboAGI 非常重视测试，当前测试套件覆盖了以下方面：\n\n- 运行时初始化和持久化\n- 使命/任务创建和状态跟踪\n- 工作记忆、计划、批评、反思、语义事实和程序\n- 世界模型更新和依赖关系\n- 受保护命令策略\n- 真实文件、命令、搜索和补丁执行\n- 多步周期执行和停止条件\n- 代码仓库评估夹具（fixture）\n\n测试的存在使得这个项目不同于许多实验性代码——它是可以被验证、被信任的。\n\n## CLI 接口设计\n\n项目提供了完整的命令行接口，支持以下操作：\n\n- `init`：初始化运行时\n- `status`：查看运行时状态\n- `run`：执行使命队列\n- `doctor`：运行诊断\n- `mission create`：创建新使命\n- `mission list`：列出现有使命\n- `task create`：为使命创建任务\n- `task list`：列出任务\n- `eval repo`：运行可重复的仓库评估\n\n这种设计使得 KlomboAGI 可以被脚本化、自动化，方便集成到现有的开发工作流中。\n\n## LLM 集成与降级机制\n\nKlomboAGI 支持可选的 LLM 集成，用于更智能的规划、安全批评和反思。它兼容任何 OpenAI 风格的 API，包括 Ollama、OpenAI、Groq、DeepSeek 等。值得注意的是，项目没有引入外部 Python 包，所有 HTTP 调用都使用标准库实现，保持了轻量级。\n\n更重要的是，当 LLM 不可用时，系统会自动降级到内置的关键词和规则启发式方法。这种**优雅降级**的设计确保了系统的鲁棒性——即使在离线环境或 API 受限的情况下，智能体仍然可以运行。\n\n### 配置示例\n\n项目文档提供了多个 LLM 提供商的配置示例：\n\n**Ollama（默认，无需 API 密钥）：**\n```bash\nollama pull qwen3:14b\nexport KLOMBOAGI_LLM_ENABLED=1\nexport KLOMBOAGI_LLM_BASE_URL=http://localhost:11434/v1\npython3 -m klomboagi run\n```\n\n**OpenAI：**\n```bash\nexport KLOMBOAGI_LLM_ENABLED=1\nexport KLOMBOAGI_LLM_BASE_URL=https://api.openai.com/v1\nexport KLOMBOAGI_LLM_MODEL=gpt-4o-mini\nexport KLOMBOAGI_LLM_API_KEY=sk-...\n```\n\n**Groq：**\n```bash\nexport KLOMBOAGI_LLM_BASE_URL=https://api.groq.com/openai/v1\nexport KLOMBOAGI_LLM_MODEL=llama-3.3-70b-versatile\n```\n\n## 快速入门指南\n\n项目提供了清晰的快速入门流程：\n\n1. **配置存储和工作空间根目录**：复制 `.env.example` 到 `.env`，设置运行时、长期记忆和工作空间的根目录\n2. **运行诊断**：`python3 -m klomboagi doctor`\n3. **初始化运行时**：`python3 -m klomboagi init`\n4. **查看状态**：`python3 -m klomboagi status`\n5. **创建并运行使命**：使用 `mission create` 和 `run` 命令\n\n对于希望将长期记忆存储在外部驱动器的用户，项目还提供了覆盖配置的指导。\n\n## 技术实现细节\n\nKlomboAGI 使用 Python 3.9+ 实现，采用 BSL 1.1 许可证。项目结构清晰，包含完整的 CI/CD 流程（通过 GitHub Actions）。\n\n从实现角度来看，项目的关键设计决策包括：\n\n- **文件系统优先**：使用文件系统作为主要的持久化机制，而非数据库，这简化了部署和调试\n- **模块化架构**：各个组件（记忆、世界模型、规划器等）相对独立，便于理解和扩展\n- **测试驱动**：广泛的测试覆盖确保了代码质量\n\n## 与相关项目的比较\n\nKlomboAGI 与当前流行的几个智能体框架有相似之处，但也有明显区别：\n\n- 与 AutoGPT 相比，KlomboAGI 更强调持久化和结构化，而非探索性\n- 与 LangChain 相比，它更专注于长期运行的智能体，而非即时响应\n- 与 BabyAGI 相比，它提供了更完整的执行环境和世界模型\n\n## 潜在应用场景\n\n基于其功能特性，KlomboAGI 可能适用于以下场景：\n\n- **长期运行的代码分析任务**：如持续监控代码库的变化，提供定期报告\n- **自动化文档维护**：跟踪项目文档的更新，自动生成变更摘要\n- **智能体行为研究**：作为研究自主智能体行为的实验平台\n- **个人知识管理助手**：在长期交互中积累对用户工作风格的理解\n\n## 总结与展望\n\nKlomboAGI 代表了智能体系统研究的一个重要方向——**从即时响应转向长期积累**。它的设计理念清晰，实现扎实，测试完善，是一个值得关注的研究项目。\n\n项目的价值不仅在于其当前功能，更在于它提出的问题：**我们如何让智能体真正"成长"？** 随着 AI 技术的发展，这个问题的答案将变得越来越重要。\n\n对于对自主智能体、持久化记忆和认知架构感兴趣的开发者和研究者来说，KlomboAGI 提供了一个很好的起点和实验平台。