ATLAS

让智能体边用边学，自动适应新任务，无需重训练。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署智能体 🍴 复刻 201 🐛 待处理 151 👀 关注 17

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2111

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，AGPL-3.0许可证，可免费使用和部署，无付费版本。

项目预览

项目数据

分类智能体

开发团队inferstep

官网地址https://inferstep.com

GitHubhttps://github.com/inferstep/ATLAS

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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,llm,local-first,local-llm,self-hosted

GitHub 星标★ 2111

上线时间2026-02-01 00:00:00

代码更新2026-11-09

仓库体积81.5 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数5

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2111

技术标签

ai-agent coding-agent developer-tools llm local-first

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
```