GenericAgent/README.md

pc-agent-loop

pc-agent-loop 是一个极致简约的 PC 级自主 AI Agent 框架。它通过不到 100 行的核心代码和约 200 行的工具实现，构筑了把整个pc给它（浏览器、终端、文件系统）的物理级自动化能力。

🚀 核心特性

• 极简设计: 仅由 7 个基本工具 和一个高效的 Agentic Loop 构成，拒绝过度设计。
• 自主代码执行 (Code Execution): 能够根据任务需求自主编写并运行 Python 或 PowerShell 脚本，直接操控系统资源。
• 深度 Web 自动化 (Advanced Web Automation):
  • 语义化扫描: 自动清洗 HTML 内容，将复杂的 DOM 转化为 AI 易读的结构。
  • JS 注入执行: 在浏览器上下文中执行自定义 JavaScript，实现精准点击、滚动或数据抓取。
  • TMWebDriver: 支持通过 Tampermonkey 实现的持久化会话驱动。
• 精准文件编辑 (Smart File Patching): 并非盲目覆盖，而是支持通过 file_patch 以代码块匹配方式进行精确修改。
• 人机协作模式 (Human-in-the-loop): 在遇到验证码、关键权限或模糊决策时，主动请求用户介入。

📂 项目结构

• agent_loop.py: 核心引擎，负责“感知-思考-行动”的自主循环逻辑。
• ga.py: 工具箱，定义了 7 大核心原子工具的具体实现。
• agentapp.py: 基于 Streamlit 构建的轻量化交互式 Web 界面。
• sidercall.py: LLM 通信层，支持流式输出与 API 调用。
• TMWebDriver.py: 浏览器驱动模块（需配合 Tampermonkey 脚本使用）。

🛠️ 快速开始

1. 环境准备

• 安装 Python 3.8+。
• （可选）若需网页自动化，请在浏览器中安装 Tampermonkey 插件并导入本项目提供的对应脚本。

2. 安装依赖

缺啥装啥

3. 启动应用

在项目根目录下执行：

python launch.pyw

🧩 7 大核心工具

Agent 仅依靠以下 7 个原子工具的组合来完成复杂任务：

1. code_run: 针对 Windows 优化的双模态代码执行器（Python/PowerShell）。
2. web_scan: 获取网页清洗后的语义化 HTML 结构，支持多标签管理。
3. web_execute_js: 网页 JS 脚本注入，支持将结果存盘分析。
4. file_read: 分页式文件读取，支持行号定位。
5. file_write: 文件全量写入或追加。
6. file_patch: 基于源码块匹配的精准局部修改，确保缩进一致性。
7. ask_user: 关键节点请求人类干预。

---

⚠️ 警告: 本 Agent 具备执行本地代码和控制操作系统的物理权限。请务必在受信任的环境中运行，并在运行前仔细检查 Agent 的执行意图。