PurrPod/purrcat
PurrPod/purrcat has 99 GitHub stars and 15 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-16 19:58 UTC. Last push 2026-11-15.
实测星标增长
- 24小时
- 0
- 7天
- 正在收集历史
- 15天
- 正在收集历史
- 1个月
- 正在收集历史
各周期内的星标净变化,周期相互重叠,并非每日新增。缺失的测量保持空白。星标代表关注度,不代表软件质量。
关于
PurrCat Agent
人工智能README.zh-CN.md
原文
快速开始
PurrCat 仍在快速迭代,推荐从源码安装,以便及时获取最新功能与修复。
一键安装
macOS / Linux
curl -fsSL https://raw.githubusercontent.com/PurrPod/purrcat/main/install.sh | bash
Windows(PowerShell)
irm https://raw.githubusercontent.com/PurrPod/purrcat/main/install.ps1 | iex
安装脚本会检查并安装所需的前置依赖,克隆源码至 ~/purrcat,安装项目依赖并注册全局 purrcat 命令。
安装完成后:
purrcat desktop start # 启动 Electron 桌面端
purrcat desktop update # 更新源码并刷新依赖
安装说明: 目前仅提供源码安装方式,不提供预打包的桌面安装包。Windows 安装流程验证较充分;macOS / Linux 的测试覆盖相对有限。Windows 下安装 Docker Desktop 后,需要手动启动一次以完成初始化并接受相关协议。
API 端口
桌面 API 默认使用 8000 端口。运行 npm run dev 时,如果该端口被占用,会自动尝试其他可用端口。
如需固定端口,可设置 PURRCAT_API_PORT 环境变量,或向 main.py 传入 --api-port。显式指定的端口不可用时,会返回错误,而不会静默切换。
核心特性
00 · 信息驱动的 Agent 设计
模型决定能力,信息决定方向。
模型能力不断增强,但人与 Agent 之间、Agent 与 Agent 之间的信息鸿沟并不会因此自动消失。想要什么,仍然需要被充分表达、理解,并在执行过程中准确传递。
PurrCat 不只关注模型能做什么,也关注任务信息如何进入系统、如何在执行过程中流动,以及哪些信息值得被长期保留。我们希望通过更灵活的交互信道、可编排的信息流和混合记忆,让 Agent 更贴近你的真实意图。
- 便利沟通的UI插件架构:将你的工作内容融合在UI插件里,构建独属于你的信道,不必每次都用文字指示,只需点击按钮即可高效沟通与补充信息。
- 可编排的信息流:既能将 Agent 的执行过程按你的工作方式组织为可配置的 DAG 工作流,又能用一个简单的yaml文件编排 Agent Loop,何时注入必要信息,由你决定。
- 多层混合记忆:分阶段注入短时工作记忆、
MEMORY.md与 PurrMemo 的情景记忆、语义记忆和认知图谱,帮助 Agent 在需要时找回相关信息。 - 共享上下文的子代理实现:SubAgent 使用独立的分支标识、模型实例与事件循环,同时共享同一份上下文基础,让子代理充分理解主 Agent 的需求,而不必把所有协作都建立在 Agent 之间的自然语言对话上,既保证高效,又实现上下文管理。
01 · 一切皆插件
除内核之外,让能力、流程与界面都可以扩展。
- 从工具到执行范式的可扩展性:工具、技能、传感器、Agent Loop、工作流和 UI 面板均可通过扩展机制接入或定制。通过一个 yaml 文件配置执行过程中的信息注入、工具使用检查与循环退出条件,让 Agent 的行为方式也能按需调整。
- 可扩展的 UI:以轻量宿主承载不同区域的 UI 插件,支持运行时挂载与热插拔,由你的工作内容快速搭建你的高效信道。例如内置浏览器支持选取 DOM 元素、框选区域和就地评论,让界面修改可以围绕具体元素进行,而不必反复用文字描述位置。
- 开放的插件生态:兼容 MCP 服务与 Agent Skills 规范的技能,并通过内置市场安装插件。支持
skill、ui-plugin、mcp、agentloop、sensor和graph等扩展类型及其依赖解析。
02 · RSI 自进化体系
不止使用能力,还能构建、评估与迭代能力。
PurrCat 将能力生成与评估结合起来,让 Agent 的扩展过程不仅能够执行,也能够接受验证。
- Agent 自主构建插件:进化工厂提供 Trace2Skill、MCP 工具构建、传感器构建等能力,并支持通过
create_ui_plugin创建 UI 插件。 - 生成后进行评估:技能可以生成配套的
SKILL.md与evals.json评测集,并通过内置评估器检查触发与执行质量。传感器和 MCP 工具也有各自的验证机制。不是无条件地修改自身,而是建立一条可检查、可评估、可迭代的能力改进流程。 - 热重载与迭代归档:支持插件热重载;进化工厂以独立 HTML 报告呈现评估结果,并保留迭代记录。对于支持回滚的升级,可以恢复到先前版本。
03 · 安全的自托管
Agent 有自己的工作空间,你的主机仍然由你掌控。
PurrCat 将 Agent 的执行环境与宿主机隔离,让它能够持续工作,同时明确限制宿主机文件的访问边界。
- 独立执行沙箱:Agent 在专属 Docker 容器中执行命令、操作文件,并持久保存工作区与日志。
- 受控的宿主机文件交互:对文件导入进行大小与路径校验;文件导出可触发 Git 快照,便于审计和回溯;通过目录黑白名单限制访问范围。
- Heartbeat + Goal:
GOAL.md提供长期目标。Agent 可在空闲时通过心跳周期自主执行巡查、信息收集与汇报等工作,心跳间隔支持热重载。
04 · 更高效的上下文与工具管理
减少不必要的工具信息,保持稳定的长会话缓存。
- 稳定的 KV Cache:API Key 管理器将任务与会话绑定到单一密钥,减少密钥切换对长会话前缀缓存的影响。根据项目实测,在长会话下,缓存命中率稳定 99% 以上。
- 按需检索工具与技能:原生工具使用紧凑 Schema;工具与技能采用入库策略,将注意力问题转化为检索问题,MCP 工具和技能通过向量检索按需选取,避免每次请求都携带全部扩展定义,并且热重载工具不破坏缓存,安装大量工具不多耗 token。
- 减少协作冗余:不相关的工作流以结构化数据传递节点结果,配合记忆摘要与任务交接,减少不必要的自然语言转述和重复上下文。
设计目标
PurrCat 希望提供一个可定制、可扩展、可持续演进的 Agent 底座。
从信息如何进入 Agent,到任务如何执行、记忆如何组织、能力如何扩展,开发者都可以根据自己的工作方式进行编排,而不必被固定的 Agent Loop 或单一的交互模式限制。
让 Agent 不只更强,也更符合你的工作方式。
参与贡献
贡献指南见 CONTRIBUTING.md。
如遇安装、配置出错,请提交 issue 说明遇到的问题,我们看到后会提供解决方案。
致谢
- zhenghuanle:测试从零开始的安装流程。
- Gaeulczy:测试一键安装与运行脚本。
- JohnWJ-co:测试 macOS 版本并协助排查问题。
- 感谢中山大学开放鸿蒙技术俱乐部举办的智能体开发大赛提供奖金赞助。
许可证
PurrCat 基于 MIT 许可证 开源,可用于使用、修改与分发,包括商业用途。