Appearance
Generic Agent - 复旦研发的通用自主进化智能体
是什么
Generic Agent 是复旦大学肖仰华团队研发的新型通用智能体，能够自主检索、装载、组合和执行 Skills，并通过经验沉淀实现自我进化。
- 研发团队： 复旦大学知识工场实验室（A3 Laboratory — Advantage AI Agent 实验室）
- DataHub Skills： fudankw.cn — 百万级 AI 技能资源库
- 关联项目： OpenClaw（昵称"龙虾"）
- 定位： 自主进化智能体（Self-evolving Agent）
不是什么
- 不是单任务 Agent（能自主学习新技能，非预设好固定功能）
- 不是纯大模型对话产品（有手有脚，能执行实际操作）
- 不是普通的 RAG 或工具调用（具备自我进化和经验沉淀能力）
解决啥
| 痛点 | 方案 |
|---|---|
| Agent "出厂即定型"，遇到新任务不会做 | 自动去 DataHub Skills 找工具、试方法、存经验 |
| 技能分散、质量参差不齐 | DataHub 对每个 Skill 做 6 大维度、30 多项指标的"体检" |
| 缺乏安全评估机制 | 建立完整的安全风险评估体系，关注隐私泄漏 |
| 多技能组合使用困难 | Generic Agent 自动将多个 Skills 串联成完整工作流 |
| 经验无法沉淀 | 技能执行的经验教训存入长期记忆 |
好在哪
| 能力 | 说明 |
|---|---|
| 自主检索技能 | 遇到任务自动搜索 DataHub，按"质量+安全"排序 |
| 技能组合执行 | 自动串联多个 Skills，形成完整的工作流 |
| 经验沉淀进化 | 将执行教训存储为长期记忆，下次做得更好 |
| 质量评估体系 | 清晰度、完整性、可执行性三维评估 |
| 安全风险评估 | 自主运行安全性、影响范围、数据暴露等评估 |
| 成本量化预估 | Token 消耗量、响应延迟、稳定性的量化预估 |
亮点
- 140 万+ 高质量 Skills： 覆盖 Coding、Productivity、AI-ML 等领域
- 即插即用： "按需挂载"，非传统静态资源库
- 对话式智能推荐： 而非传统的搜索式
- "超级龙虾"潜质： 肖仰华认为可能成就拥有接近无限技能的"帝王虾"
怎么跑
在线浏览技能库
直接访问 DataHub Skills
- 搜索：按关键字查找 Skills
- 排序：综合排序 / Stars 最多 / 最近更新 / 最新创建
- 分类：Coding、Productivity、AI-ML 等
与 OpenClaw 配合使用
Generic Agent 作为 OpenClaw 的"质检员"和技能调度引擎：
用户指令 → Generic Agent → 搜索 DataHub Skills → 筛选高质量 Skills
↓
自动组合/串联 Skills
↓
执行任务 + 沉淀经验
示例：从零学会发小红书
- 用户发指令："发一篇小红书"
- Agent 最初没有小红书工具
- 自主访问 DataHub，按"质量+安全"双重排序
- 下载"小红书通用工具""爆款文案生成""图像自动化排版"三个 Skills
- 阅读接口文档，自动串联执行
- 成功发送图文并茂的小红书帖子
- 经验沉淀到记忆库
整个过程"一杯咖啡的时间"，全新 Agent 变为社媒运营能手。
怎么用
- 政务场景： "政务龙虾" Dintal Claw 即基于 Generic Agent，已引发社会关注
- 个人助手： 让 Agent 学会操控任意应用（发朋友圈、发小红书等）
- 自动化办公： 组合 Skills 完成复杂工作流
- 开发工具： 让 Agent 自主安装和更新 Skills，无需人工干预
- 研究实验： 学习新技能后能自我复制和安装其他 Agent
延伸： 配合 DataHub 数据集平台（51 万+ 数据集），"数据"和"能力"双引擎驱动。
by 文殊