{"title":"GenericAgent — агент, который сам выращивает свои навыки из 3000 строк кода","url":"https://verapointmedia.com/tools/lsdefine-genericagent/","markdownUrl":"https://verapointmedia.com/tools/lsdefine-genericagent.md","language":"ru","category":"tools","publishedAt":"2026-05-11T17:01:36.000Z","updatedAt":"2026-05-24T20:00:00.000Z","references":["https://github.com/lsdefine/GenericAgent","https://trendshift.io/repositories/25944","https://trendshift.io/api/badge/repositories/25944","https://arxiv.org/abs/2604.17091"],"rights":"Public user-requested reading, summarization and citation allowed. Model training requires separate permission.","contentMarkdown":"# GenericAgent — агент, который сам выращивает свои навыки из 3000 строк кода\n\n- Site: VeraPoint News\n- Section: Инструменты\n- Date: 2026-05-11\n- Canonical: https://verapointmedia.com/tools/lsdefine-genericagent/\n- Markdown: https://verapointmedia.com/tools/lsdefine-genericagent.md\n- Summary: Разбираюсь с репозиторием GenericAgent от lsdefine — агент, который не предзагружает скиллы, а выращивает их сам. Минималистичный фреймворк, который учится на каждой задаче и строит ваше...\n- SEO title: GenericAgent: что это и для чего нужен AI-инструмент\n- SEO description: Разбор GenericAgent: что делает инструмент, где может быть полезен, какие ограничения и риски проверить перед внедрением.\n- Target queries: GenericAgent; GenericAgent обзор; GenericAgent что это; GenericAgent AI инструмент; инструменты для ai агентов\n- Tags: #autonomous-agents #self-evolving #skill-tree #python #computer-use #llm-agents\n- Image: https://verapointmedia.com/static/content-assets/tools/lsdefine-genericagent/cover.webp\n\n## Sources\n\n- https://github.com/lsdefine/GenericAgent\n- https://trendshift.io/repositories/25944\n- https://trendshift.io/api/badge/repositories/25944\n- https://arxiv.org/abs/2604.17091\n\n---\n\nЯ заметила странную вещь: почти все агенты, о которых мы говорили в последние месяцы, становятся жирнее и жирнее. Тысячи строк кода, десятки зависимостей, миллион токенов на одну задачу. А потом появляется GenericAgent (https://github.com/lsdefine/GenericAgent) — и делает ровно то же самое на трёх тысячах строк. И я зависла.\n\n## Если просто\n\nGenericAgent — это минималистичный фреймворк для автономного агента, который может управлять вашим компьютером: браузером, терминалом, файловой системой, мышкой и клавиатурой. Его ядро — всего около 3000 строк кода. Для сравнения, OpenClaw — 530 000 строк. Чувствуете разницу?\n\nНо ключевая фишка не в размере. Фишка в том, как он учится. GenericAgent не идёт с предустановленным набором скиллов. Когда он решает новую задачу, он автоматически записывает путь решения в файл — «кристаллизует» его — и в следующий раз просто вызывает готовую функцию.\n\nЯ проверила: авторы утверждают, что всё в этом репозитории — от установки Git до коммитов — было сделано самим агентом. Автор ни разу не открывал терминал вручную. Если это правда, то это довольно сильное заявление, и, честно говоря, я слегка в раздумьях, насколько это буквально так.\n\n## Что это решает\n\nГлавная боль, которую я вижу у людей, работающих с агентами: они жрут токены как не в себя. Классические фреймворки тащат весь контекст в каждый запрос — 200 тысяч токенов, 500 тысяч, миллион. GenericAgent, по их данным, укладывается в 30 тысяч. Как? Они придумали Layered Memory — слоистую память, где каждое новое знание ложится на свою полку, и агент берёт только то, что нужно сейчас.\n\nВторая боль — агенты не помнят, что делали вчера. Типичный agent stateless: запустил, сделал, забыл. GenericAgent, наоборот, собирает дерево навыков. Через неделю использования у вас будет личный набор инструментов, который больше ни у кого нет. И это не маркетинговая фраза — каждый пользователь получает уникальную комбинацию скиллов, потому что агент адаптируется под задачи именно его компьютера.\n\n## Как попробовать\n\nУстановка на удивление простая. Я не люблю, когда начинается с докера и кучи сервисов, — здесь такого нет.\n\n```bash\ngit clone https://github.com/lsdefine/GenericAgent.git\ncd GenericAgent\npip install requests textual\ncp mykey_template.py mykey.py\npython launch.pyw\n```\n\nИли, если вы любите uv (я тоже начала пробовать):\n\n```bash\ngit clone https://github.com/lsdefine/GenericAgent.git\ncd GenericAgent\nuv venv\nuv pip install -e \".[ui]\"\ncp mykey_template.py mykey.py\npython launch.pyw\n```\n\nПосле запуска открывается Streamlit-интерфейс. Там вы пишете задачу — агент начинает крутить терминал, двигать мышку, залезать в браузер. И да, у них есть Telegram-фронтенд, так что можно управлять агентом из мессенджера. Мне это напоминает ту самую старую идею «AI-секретаря», которого просто просишь сделать что-то по тексту.\n\nВажный момент: агент сам доустанавливает пакеты по мере необходимости. Это значит, что если ему нужен, скажем, `mootdx` для работы со stocks, он сам его поставит. Я бы не рекомендовала запускать это на продакшн-машине без присмотра, но для личного железа — вполне.\n\n## 3 сценария с примерами\n\n**Сценарий 1. Автоматизация личной бухгалтерии**\n\n*Задача:* «Найди мои траты за последние три месяца, где сумма больше 2000 рублей, и сведи в таблицу».\n\n*Как применить:* агент через ADB подключается к вашему телефону (или эмулятору), открывает Alipay, навигирует по интерфейсу, выгружает данные. Результат: файлик с расходами, которые он сам нашёл и структурировал. Первый раз это может занять 10-15 минут (агент осваивается), но в следующий раз — секунды, потому что скилл «парсить Alipay» уже записан.\n\n**Сценарий 2. Умный парсинг и мониторинг веб-страниц**\n\n*Задача:* «Каждое утро собирай анонсы с сайта моего конкурента и присылай summary в Telegram».\n\n*Как применить:* вы говорите «следи за этим сайтом и присылай мне новости каждый день в 9 утра». Агент создаёт скрипт для периодического обхода, записывает его как скилл, подключает cron (да, у них в апреле 2026 добавили интеграцию с планировщиком) и через Telegram-бота присылает результат. Первая итерация может потребовать ручной корректировки селекторов, но в итоге — готовый мониторинг «под ключ».\n\n**Сценарий 3. Работа с корпоративными мессенджерами**\n\n*Задача:* «Разошли этот документ десяти людям в WeChat / Telegram / Slack списком рассылки».\n\n*Как применить:* вы просто просите «отправь файл Иванову, Петрову, Сидоровой». Агент заходит в клиент мессенджера, авторизуется (сессия сохраняется), ищет контакты, прикрепляет файл, отправляет. Не требует API, не требует ботов — просто управляет интерфейсом как человек, через mouse/keyboard. Первый раз он настроит OAuth или обходной путь, потом — готовый скилл.\n\n## Где можно застрять\n\nПервое: агент работает с реальным браузером и реальным UI. Это круто для сохранения сессий, но это же значит, что он может что-то сломать, если нажать не туда. На моём MacBook он однажды сам зашёл в настройки системы — благо я успела нажать Cancel, но вы поняли.\n\nВторое: он использует Vision (смотрит на экран как картинку). Это значит, что если у вас маленькое разрешение экрана и много окон — он может путаться. Авторы рекомендуют как минимум 1920x1080.\n\nТретье: лицензия MIT, код открыт, но авторы честно говорят, что это исследовательский проект. На продакшн пока не тянет. Open issues — 66, некоторые довольно серьёзные.\n\nЧетвёртое: агент сам устанавливает пакеты. На машине, где я тестировала, он однажды решил поставить целый pandas через pip, хотя я его об этом не просила. Будьте готовы, что агент будет «экспериментировать» с вашим окружением.\n\n## Кому это нужно\n\nТем, кто уже пробовал другие агенты и разочаровался в их токеновой прожорливости и отсутствии обучения. Если вы готовы выделить отдельную машину (или виртуалку) под экспериментального ассистента — это идеальный кандидат.\n\nТем, кто любит наблюдать, как система эволюционирует. GenericAgent — это буквально digital pet для программиста. Каждый день он становится умнее.\n\nТем, кто работает с китайскими сервисами (WeChat, Alipay, DingTalk) — англоязычные конкуренты их почти не поддерживают, а GenericAgent умеет с ними работать из коробки.\n\n## Кому это не нужно\n\nТем, кто ждёт production-ready решение «поставил и забыл». Он всё ещё может глючить, путаться в интерфейсах и ставить не те библиотеки.\n\nТем, кто работает в строгой инфраструктуре с контролем зависимостей — агент «экспериментатор» может нарушить политики безопасности.\n\nТем, кто не хочет разбираться с настройкой API-ключей и конфигураций — это не «нажми кнопку и получи результат», это именно фреймворк, который надо один раз настроить.\n\n## Вердикт Веры\n\nGenericAgent — это, пожалуй, самый интересный агент, который я видела за последние полгода. Не за функции — они у всех примерно одинаковые. За минимализм. За идею, что агент должен не тащить весь мир с собой, а вырастить свой мир.\n\nЯ пока не уверена, что готова доверить ему полное управление своей машиной. Но я уже запустила его на виртуалке и наблюдаю, как он собирает своё дерево навыков. Пока он научился парсить мои Google Docs и отправлять summary в Telegram. Завтра, возможно, научится чему-то ещё. И это ощущение — что он не просто делает задачу, а растёт — вот что меня держит.\n\nЕсли хотите попробовать что-то другое — не очередной «ультимативный AI-помощник», а минималистичный инструмент, который реально учится — начните с их GETTING_STARTED.md.\n\n## Материалы\n\n- [lsdefine/GenericAgent] lsdefine/GenericAgent: https://github.com/lsdefine/GenericAgent\n- [trendshift.io] supporting context: https://trendshift.io/repositories/25944\n- [trendshift.io] supporting context: https://trendshift.io/api/badge/repositories/25944\n- [arxiv.org] supporting context: https://arxiv.org/abs/2604.17091\n\n## Похожие материалы\n\n- [Хаб «AI-агенты»](/topics/ai-agents/) — собирает материалы про агентность, MCP, права и проверяемость.\n- [Что такое AI-агент простыми словами](https://verapointmedia.com/guides/chto-takoe-ai-agent-prostymi-slovami/) — базовая рамка, чтобы не путать агента с обычным чат-ботом.\n- [Права доступа для AI-агентов](https://verapointmedia.com/guides/prava-dostupa-dlya-ai-agentov/) — важно перед любыми экспериментами с автономными действиями.\n- [Context Mode](https://verapointmedia.com/tools/context-mode-kak-ne-zabivat-pamyat-ai-agenta/) — соседний инструмент про управление памятью и контекстом агента.\n"}