如果你想从“完整项目”入手做 AI Agent 开发，优先看这几个开源项目（按类型帮你分了类）：

为什么从这里开始？ 因为 Agent 开发涉及记忆、工具、规划、多模型、多平台等多个复杂模块，自己从零搭建容易陷入细节。直接研究成熟项目，能快速掌握最佳实践和架构模式，事半功倍。

1. 单体“自进化 Agent”框架：
   • Hermes Agent（爱马仕） —— 重点看：记忆系统 + 技能自学习闭环 + 多平台网关
   • GenericAgent —— 重点看：极简 ~3K 行自进化架构，适合自己照着重构
2. 多平台“助手型 Agent”：
   • OpenClaw（龙虾） —— 重点看：多平台消息网关 + 工具集成 + 可观测性
3. 多角色“多 Agent 协作”框架：
   • MetaGPT —— 重点看：角色化多 Agent + 软件公司流程编排
   • CrewAI —— 重点看：轻量多 Agent + 任务拆分 + 工作流编排
4. 平台级 Agent 工作流：
   • Dify —— 重点看：可视化 Agent 工作流 + RAG + 一键部署

下面按“你要开发”的视角，简单说说每个项目适合学什么、怎么选。

---

1. Hermes Agent（爱马仕）—— 自进化单体 Agent

• 仓库： NousResearch/hermes-agent
• 官网： https://hermes-agent.org
• 特点：
  • 自我进化闭环： 任务完成后自动提炼成 Skill，下次直接复用，并持续优化 Skill
  • 四层持久记忆： 热记忆/温记忆/冷记忆 + USER.md / MEMORY.md，SQLite + FTS5 全文检索
  • 多平台消息网关： Telegram / Discord / Slack / 飞书 / 钉钉 / WhatsApp 等 10+ 平台
  • 6 种执行后端： 本地、Docker、SSH、Daytona、Singularity、Modal 等
  • 多模型： OpenRouter 200+ 模型、OpenAI、Kimi、MiniMax 等

开发上值得学的点：

• 如何设计“执行 → 总结 → Skill 生成 → Skill 自改进”的闭环（这是 Hermes 最大的亮点）
• 分层记忆系统怎么存、怎么检索、怎么自动摘要和遗忘
• 消息网关层如何与核心 Agent 引擎解耦： 前端只负责收发消息，真正的 Agent 循环在一个地方跑
• Skill 标准化（YAML/Markdown 元数据 + 文档）和技能市场/生态怎么做

适合你：
想做一个“长期在线、越用越懂你”的个人 Agent / 办公助手，尤其看重记忆和自进化能力。

---

2. GenericAgent —— 极简自进化框架，适合自己重写

• 仓库： lsdefine/GenericAgent
• 特点：
  • 核心只有约 3K 行代码，Agent 循环约 100 行，9 个原子工具
  • 自进化： 每次任务自动沉淀成 Skill，形成个人技能树
  • 系统级控制： 浏览器、终端、文件系统、键盘鼠标、屏幕视觉、ADB（手机）等
  • 兼容多种模型： Claude / Gemini / Kimi / MiniMax 等

开发上值得学的点：

• 如何用最少的代码实现一个完整的 Agent Loop（观察 → 思考 → 行动 → 记忆 → Skill）
• 如何把“工具层”抽象成 9 个原子工具，再组合出复杂技能
• 自进化的实现细节： Skill 的数据结构、触发条件、版本演进机制

适合你：
如果你想“自己从零写一个 Agent 框架”，GenericAgent 比 Hermes 更适合当骨架，因为它刻意做得极简，代码量小，容易通读再重写。

---

3. OpenClaw（龙虾）—— 多平台助手型 Agent

• 仓库： openclaw/openclaw
• 官网： https://openclaw.ai
• 特点：
  • 定位： 个人 AI 助手，跑在你自己的设备上，通过 WhatsApp / Telegram / 邮件等渠道帮你做事
  • Gateway-first 架构： 强调多平台消息接入 + 可控执行
  • 内置大量工具： 邮件、日历、浏览器、文件操作等，偏“生活/办公自动化”
  • 多模型支持，可以一键切换不同模型

开发上值得学的点：

• 消息网关设计： 如何统一接 WhatsApp / Telegram / 邮件 / Slack，再转成统一消息格式给 Agent 核心
• 工具抽象： 如何把“发邮件”“查日历”“操作浏览器”等统一抽象成 Tool
• 可观测性与安全： 日志、权限、审批、沙箱（OpenClaw 这块比 Hermes 稍弱，但可以看它做了哪些）

适合你：
如果你想做“一个连微信/飞书/钉钉的私人助手”，OpenClaw 是很好的参考；特别是“多端接入”的部分。

---

4. MetaGPT —— 多角色协作的多 Agent 框架

• 仓库： FoundationAgents/MetaGPT
• 文档（含中文）： MetaGPT/docs/README_CN.md
• 特点：
  • 把多 Agent 模拟成“软件公司”： 产品经理 / 架构师 / 项目经理 / 工程师等角色
  • 定义了清晰的工作流： 需求 → 设计 → 任务拆分 → 编码 → 测试，完整流程
  • 支持多模型轮转、文档解析、复杂项目自动生成

开发上值得学的点：

• 如何给每个 Agent 分配“角色 + 职责 + 上下文”
• 多 Agent 之间如何通过消息/共享文档协作（而不是简单串联）
• 如何把“项目流程”固化为可执行的 Pipeline，而不是一次性脚本

适合你：
如果你想做“多 Agent 协作完成一个复杂项目（比如自动开发一个项目、自动做数据分析报表）”，MetaGPT 是目前最完整的一个参考。

---

5. CrewAI —— 轻量多 Agent 编排框架

• 仓库： crewAIInc/crewAI
• 示例： crewAIInc/crewAI-examples
• 特点：
  • 轻量、独立、高性能的多 Agent 框架，强调简单可控
  • 通过角色定义 + 任务拆分 + 工作流编排，把多个 Agent 组装成一个“团队”
  • 示例丰富： 营销自动化、内容创作、业务流程等

开发上值得学的点：

• 如何定义一个 Agent（角色、目标、工具）和任务（Task）
• 如何把多个 Task 组装成流程（串行 / 并行 / 条件分支）
• 如何在保持轻量的前提下，做到可观测和可调试

适合你：
如果你觉得 MetaGPT 太“重”，只想做一个小而美的多 Agent 工作流，CrewAI 是更轻量的选择。

---

6. Dify —— 平台级 Agent 工作流

• 仓库： langgenius/dify
• 官网： https://dify.ai
• 特点：
  • 生产级 LLM 应用开发平台，包含 Agentic 工作流、RAG、模型管理、插件等
  • 可视化编排工作流，拖拽式搭建 Agent 流程
  • 插件体系： 官方插件 + 社区插件

开发上值得学的点：

• 如何设计一个“平台级”的 Agent 编排系统： 工作流节点、变量、错误处理、重试机制
• RAG / 工具调用 / 多模型如何统一抽象成节点
• 如何做可观测性（日志、指标、追踪）和权限隔离

适合你：
如果你想做一个“类似 Dify 的 Agent 平台”，或者要给团队提供低代码的 Agent 构建能力，这个项目值得重点研究。

---

7. 怎么选：给你一个简单决策图

结合你说的“爱马仕 / OpenClaw 这种级别”，我建议的组合是：

1. 核心架构参考：
   • 记忆 + 自进化： 看 Hermes + GenericAgent
   • 多平台接入： 看 OpenClaw 的网关层
2. 多 Agent / 工作流：
   • 想做“软件公司式”多角色协作： 看 MetaGPT
   • 想做轻量工作流： 看 CrewAI
3. 平台化：
   • 想做 SaaS / 低代码平台： 看 Dify

---

8. 实际开发时，怎么“抄作业”更高效

1. 先定一个很小的目标
   比如：“做一个能自动整理 GitHub Issue 并发飞书通知的单 Agent”，先跑通，再补记忆和多 Agent。
2. 通读一个项目的核心循环
   • Hermes： 看 agent/ 下的 prompt_builder.py / memory_manager.py / skill_utils.py + run_agent.py
   • GenericAgent： 看 agent_loop.py + llmcore.py + memory/
3. 先删后改
   把这些项目克隆下来，先删掉你暂时不需要的功能（比如只保留 CLI + 文件工具 + 简单记忆），跑起来，再一点点加。
4. 统一接口标准
   • 工具： 统一成 tool_schema（name / description / parameters / execute）
   • 消息： 统一成 Message（role / content / metadata）
   • 记忆： 统一成 MemoryStore（save / search / delete）
     这样你之后换框架、加平台，成本会低很多。

---

9. 下一步：从“看懂”到“动手”

理论看完了，下一步就是动手。这里提供一个简单的学习路径图，帮你把知识串联起来：

记住： 最好的学习方式是“模仿-修改-创造”。选一个最接近你目标的项目，把它跑起来，然后尝试修改其中一个模块（比如给 Hermes 加个新工具，或者给 CrewAI 改个任务流程），你会对 Agent 架构有更深的理解。

欢迎关注我与我一起学习AI开发。