ATLAS

让智能体边用边学，自动适应新任务，无需重训练。

ATLAS 是一个面向智能体（Agent）的测试时自适应学习与自主专业化框架，旨在解决预训练模型在部署后无法根据新环境或任务持续进化的问题。其核心能力包括：在推理阶段动态调整模型行为，通过少量样本快速适应新场景；支持自主技能发现与模块化组合，让智能体根据任务需求自动选择或生成专用工具；提供本地优先（local-first）的轻量级运行环境，降低对云端算力的依赖。项目基于 Python 实现，深度集成主流 AI 智能体生态（如 coding agent），为开发者提供一套可插拔的测试时学习（test-time learning）工具链。ATLAS 特别适合需要高鲁棒性、快速领域迁移的智能体应用，如代码生成、自动化运维等，能显著减少人工微调成本，提升智能体在动态环境中的持续学习能力。

开源 free 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2092

维护状态活跃

是否开源是

定价模式 free

项目数据

分类智能体

开发团队itigges22

所属国家

官网地址

GitHubhttps://github.com/itigges22/ATLAS

定价模式free

价格说明开源项目，AGPL-3.0许可证，可免费使用和部署，无付费版本。

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型ai-agent,ai-harness,coding-agent,developer-tools,local-first

GitHub 星标★ 2092

30天Star增速

HF 下载量

上线时间2026-02-01 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：进阶约 30 分钟部署方式：本地安装 5 步

环境要求

GPU：16 GB 以上显存，支持 NVIDIA（CUDA）、AMD（ROCm）、Apple Silicon（Metal）或 Vulkan（预览）
运行时：Docker（NVIDIA 需额外安装 nvidia-container-toolkit）或 Podman
Python 3.9 及以上
磁盘空间：CUDA 约 20 GB / ROCm 约 22 GB（含模型权重与容器镜像）
支持 Ubuntu、Debian、RHEL、Fedora、Rocky、Alma 发行版

安装与启动步骤

1确认硬件环境

核对显存 16 GB+、已装 Docker 或 Podman、Python 3.9+ 且磁盘留出约 20 GB 以上空间。
2下载引导脚本

从官方仓库拉取一键引导脚本到当前目录，先不要执行，下一步先审查内容。
```
curl -fsSL -o atlas-bootstrap.sh https://raw.githubusercontent.com/itigges22/ATLAS/main/scripts/atlas-bootstrap.sh
```
3审查脚本内容

官方建议运行前先阅读脚本，确认它将执行的安装与启动动作符合预期。
```
less atlas-bootstrap.sh
```
4执行引导安装

脚本会识别发行版与 GPU 厂商、装运行时、下模型权重、构建 ASA 引导向量并启动整套服务。
```
bash atlas-bootstrap.sh
```
5启动 ATLAS

安装完成后，在任意项目目录中执行 atlas 命令进入 ATLAS 交互界面。
```
atlas
```

如何确认成功

在任意项目目录运行 atlas，能正常进入 ATLAS TUI 交互界面即表示部署成功。

常见问题

Q：整个安装大概要多久？

A：官方说明约 10-30 分钟，模型权重下载是主要耗时瓶颈，网速慢时会明显更久。

Q：我的 NVIDIA 显卡不是 RTX 50 系列能用吗？

A：预构建 CUDA 镜像面向 Blackwell（RTX 50xx），较老的 NVIDIA GPU 需要做一次本地重建，详见 SETUP.md 的 CUDA Compute Capability 章节。

Q：没有 NVIDIA 显卡可以跑吗？

A：可以。AMD 走 ROCm（社区测试）、Apple Silicon 走 macOS 原生 Metal 混合路径、Vulkan 为预览支持，Intel Arc（SYCL）仍在路线图中。

Q：不想用一键脚本，如何手动安装？

A：可参考 docs/SETUP.md，其中给出了 Docker Compose、裸机（bare-metal）与 K3s 的手动安装路径。

Q：macOS 上有专门的安装步骤吗？

A：有，Apple Silicon 走 macOS 混合 Metal 路径（原生 llama-server + Docker 承载其余部分），详见 docs/SETUP_MACOS.md。

注意事项

官方明确建议先下载并阅读 atlas-bootstrap.sh 再执行，不要直接管道执行脚本。
脚本会自动检测发行版（Ubuntu/Debian/RHEL/Fedora/Rocky/Alma）与 GPU 厂商并安装对应运行时。
整套流程包含下载模型权重、构建 ASA 引导向量与启动服务，请预留足够磁盘与等待时间。
Vulkan 属于预览支持，Intel Arc（SYCL）尚未支持，选卡前建议先看 SUPPORT_MATRIX.md。

核心亮点

真正实现测试时自适应，模型部署后仍能持续进化，解决传统微调滞后问题
本地优先设计，数据不出域，适合隐私敏感场景，且降低推理成本
模块化技能组合机制，可自动发现并复用专用工具，提升复杂任务完成率

不足之处

测试时学习可能增加单次推理延迟，影响高吞吐场景
文档/社区待观察

适用场景

代码生成助手在私有代码库中快速适配团队风格
自动化运维智能体根据实时日志动态调整故障处理策略
边缘设备上的个人助理持续学习用户习惯而不上传数据

替代项目

Voyager、AutoGPT、MetaGPT

项目介绍

ATLAS 是智能体领域的开源项目，由 itigges22 开发，是 2026 年新上线的项目。

在全站 13,109 个收录项目中，它的 GitHub 星标数（2,092）位列前 30%，在智能体分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。AGPL-3.0许可证，可免费使用和部署，无付费版本。

它主要面向的使用场景是：代码生成助手在私有代码库中快速适配团队风格。同类可对比的替代方案包括 Voyager、AutoGPT、MetaGPT。

上一篇：team9

下一篇：open-cowork