agent-apprenticeship

让AI智能体像学徒一样干活、学习、积累经验

开源 🏷️定价信息待确认 ✅ 目前可打开智能体 🍴 复刻 59 👀 关注 28

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1603

维护状态较活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

agent-apprenticeship 项目界面预览图 — 图片来源：项目官网

项目数据

分类智能体

开发团队ray-r-ren

官网地址https://forsy.ai

GitHubhttps://github.com/ray-r-ren/agent-apprenticeship

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议MIT

主要语言Python

技术栈/模型agent-apprenticeship,agent-experience,agent-learning,agent-traces,ai-agents,autonomous-agents,claude-code,codex,cursor,loop-engineering,openclaw,opencode

GitHub 星标★ 1603

上线时间2026-06-19 00:00:00

代码更新2026-10-21

仓库体积1.2 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数4

项目介绍

这是一个让AI智能体通过工作流循环完成任务、迭代改进并积累经验的开源生态系统。它解决了当前AI智能体孤立运行、无法从过往任务中学习成长的问题。核心能力包括：智能体通过工作流循环执行任务，由导师智能体或人类在环中进行评估反馈，将完成的工作转化为可复用的工作经验和数据，从而持续提升后续智能体的表现。项目采用Python实现，强调智能体的学徒制培养模式，支持任务追踪、经验沉淀和智能体经济生态的构建。

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 ★ 1603

技术标签

ai-agents autonomous-agents claude-code codex cursor

使用教程

难度：入门约 10 分钟部署方式：命令行工具 8 步

环境要求

Node.js 与 npm 环境（README 全部命令基于 npx / npm）
至少一个导师模型提供商的 API Key（OpenAI / Anthropic / Gemini / OpenRouter）
可写入 ~/.agent-apprenticeship/.env.local 的本地文件权限
可联网的终端环境（用于拉取 npx 包并调用模型）

安装与启动步骤

1初始化工作区

在终端运行初始化向导，按提示完成首次配置；若想全部采用默认值可加 --defaults 参数跳过交互。
```
npx agent-apprenticeship init
```
2全局安装命令

可选步骤：全局安装后即可直接使用 apprentice 命令，随后执行一次 init 完成初始化。
```
npm install -g agent-apprenticeship
apprentice init
```
3检查环境状态

用 settings 查看当前配置，用 doctor 做环境自检，确认依赖与密钥是否就绪。
```
apprentice settings
apprentice doctor
```
4配置模型提供商

运行 configure 配置学徒智能体与导师模型；密钥写入 ~/.agent-apprenticeship/.env.local 文件中。
```
apprentice configure
apprentice configure model
```
5填写 API Key

把导师模型密钥写进 ~/.agent-apprenticeship/.env.local；也可用 export 仅对当前终端会话生效。
```
export OPENAI_API_KEY="sk-xxxxxxxx"
apprentice doctor
```
6运行第一个任务

用 run 加任务描述启动工作流循环，完成后会打印本地运行目录与经验汇编路径。
```
apprentice run "Create a short market map for AI procurement tools."
```
7查看运行进度

用 watch 加运行 ID 跟踪任务执行进度，run_id 由上一步输出中获得。
```
apprentice watch <run_id>
```

8检查并复用经验

检查导出的经验汇编文件，安装为运行时训练，让后续任务复用积累的经验。

apprentice ecosystem inspect <experience_compilation_path>
apprentice bundle check <experience_compilation_path>
apprentice learn install <experience_compilation_path>

关键配置

配置项	必填	说明	示例
`OPENAI_API_KEY`	是	OpenAI 作为导师模型提供商时的密钥	`sk-xxxxxxxx`
`ANTHROPIC_API_KEY`	否	Anthropic 作为导师模型提供商时的密钥	`sk-xxxxxxxx`
`GEMINI_API_KEY`	否	Gemini 作为导师模型提供商时的密钥	`sk-xxxxxxxx`
`OPENROUTER_API_KEY`	否	OpenRouter 作为导师模型提供商时的密钥	`sk-xxxxxxxx`
`AA_MAX_ITERATIONS`	否	临时限制工作流循环的最大迭代次数	`3`

如何确认成功

执行 apprentice doctor 无报错，且 apprentice settings 能显示已配置的智能体、模型与学徒模式。

常见问题

Q：必须自己准备模型 API Key 吗？

A：是。README 要求把导师模型提供商密钥存放在 ~/.agent-apprenticeship/.env.local，未配置密钥时工作流无法调用模型。

Q：安装后该用哪个命令？

A：短命令是 apprentice，长命令 agent-apprenticeship 也保留可用，两者功能一致。

Q：有哪些学徒模式可选？

A：README 列出三种：Autonomous（自主）、Expert-Led（专家主导）、Organization Custom（组织自定义），可在 configure 或 settings 中调整。

Q：怎么限制循环迭代次数？

A：通过 apprentice settings 配置最大循环深度，或在当前终端临时执行 export AA_MAX_ITERATIONS=3。

Q：如何把经验沉淀给后续任务用？

A：用 apprentice ecosystem export <路径> --full 导出完整经验汇编，再执行 apprentice learn install <路径> 安装为运行时训练。

注意事项

密钥文件固定放在 ~/.agent-apprenticeship/.env.local，用 export 设置的环境变量只在当前终端会话有效。
run 完成后终端会打印本地运行目录与 Experience Compilation 路径，后续 inspect / export / learn 命令都依赖该路径。
README 仅给出 npx/npm 安装方式，未提供 pip 等 Python 安装命令，请以 README 的命令为准。
首次运行会拉取 npx 包并调用模型，请保证网络可访问 npm 源与所用模型服务。