EVA (Node.js)

如果一个智能体的执行层小到只是一个脚本，那它具有病毒传播一样的潜力。

EVA 是个麻雀虽小、五脏俱全的 Agent 智能体（Node.js / ESM 重写优化版），相当于低配版 CC，能帮你写脚本、写测试案例、执行 shell、分析数据等。

特性

• 零运行时依赖：仅使用 Node.js 内置模块（fs / child_process / readline / 内置 fetch），无需 npm install
• 极致轻量：单文件 eva.mjs，装好 Node.js 即可运行
• 本地化：可接入本地部署的 OpenAI 兼容接口模型，如 vLLM / Ollama，或 DeepSeek / OpenAI 等外网模型
• 目录级 Session：下次同样目录启动会延续之前对话
• 安全审查：默认只执行只读命令，其他命令需要安全确认
• 流式输出 + 思考过程显示：实时显示模型的 thinking / 正文 / tool_calls
• 跨平台：Windows (PowerShell) / macOS / Linux (bash)
• 可移植：很容易接入现有自动化流程，例如：eva -a -u '计算100w以内所有素数和并写到/tmp/result.txt'

环境要求

• Node.js >= 18（需要内置 fetch 与 AbortSignal.timeout）

安装与运行

方式一：npm 全局安装（推荐）

git clone <repo> eva-node && cd eva-node
npm install -g .
# 之后任意目录直接 `eva`

方式二：Just Paste and Go

直接拷贝 eva.mjs 到任意位置，然后 node eva.mjs 即可（适合 docker / 运维环境快速部署）。

方式三：本地源码

node eva.mjs
# 或
npm start

配置环境变量

EVA 支持任何 OpenAI 兼容的 LLM 接口（DeepSeek / OpenAI / Ollama / vLLM 等），通过下面 3 个环境变量切换：

Linux / macOS：

export EVA_BASE_URL=https://api.deepseek.com/v1
export EVA_MODEL_NAME=deepseek-reasoner
export EVA_API_KEY=sk-xxxxx

Windows (PowerShell)：

$env:EVA_BASE_URL="https://api.deepseek.com/v1"
$env:EVA_MODEL_NAME="deepseek-reasoner"
$env:EVA_API_KEY="sk-xxxxx"

本地 Ollama 示例：

export EVA_BASE_URL=http://localhost:11434/v1
export EVA_MODEL_NAME=gemma4:latest   # 必须是支持 tool-use 的模型
export EVA_API_KEY=ollama             # 任意非空

⚠️ 模型必须支持 function calling / tool-use，否则 EVA 无法调用 run_cli。

命令行选项

用法: eva [options]   或   node eva.mjs [options]

  -h, --help                  显示帮助
  -a, --allow-all             允许所有命令无需用户确认即可执行
  -l, --list-session          列出所有 session
  -c, --clear-session         清除当前目录 session
  -u, --user-ask <text>       独立地针对一条用户提问执行 EVA

退出说明

Ctrl + C 直接中断，程序会自动保存 session，下次启动时自动加载。

运行时生成的文件

EVA 运行时会在启动时所在的当前目录 cwd 下创建以下文件/目录：

<cwd>/
└── .eva/                          # EVA 私人工作空间（首次运行自动创建）
    ├── hints.md                   # 长期记忆线索
    └── sessions/
        └── <dirhash>.json         # 当前目录的会话存档

路径	触发时机	作用
.eva/	启动时自动创建	EVA 私人空间根目录，system prompt 中告知模型可在此放置自创建文件
.eva/hints.md	模型调用 leave_memory_hints 工具（记忆压缩时）写入	持久化的"记忆线索"。每次启动会读取并拼接到 system prompt 的 # 记忆线索 段，是跨会话的长期记忆
.eva/sessions/	启动时自动创建	存放所有目录的 session 存档
.eva/sessions/<dirhash>.json	用户 Ctrl+C 退出时自动保存	完整对话历史（含 tool*calls / tool 返回）。下次同一目录启动会自动续接对话。文件名是 cwd 路径把 /,\,: 替换成 * 得到的

模型通过 run_cli 工具产生的脚本/数据文件属于任务产物，可能在 cwd 或 .eva/ 下，不在上表之列。

用 eva -l 查看所有 session，eva -c 清除当前目录 session。

关于 Skill & Command

EVA 通过 .eva/hints.md 获取记忆线索，该线索会拼接到 system prompt。可在 hints.md 里放置技能、命令的相关提示，EVA 会在需要时进入对应目录查看技能内容。

hints.md 示例：

.eva/commands、.eva/skills/ 目录里存储了大量的命令和技能：

1. xxxx/，可用于xxxx
   触发条件：当涉及xxxx时，可以查阅xxxx/底下的技能文件
2. yyyy/, 可用于yyyy
   触发条件：当涉及yyyy时，可以查阅yyyy/底下的技能文件

通过 Skill & Command，可以扩展 EVA 的各种能力。

与 Python 版的差异 / 优化点

• 零运行时依赖：内置 fetch 替换 requests，移除 pathlib / argparse 等依赖
• 真异步 I/O：async/await + ReadableStream 处理 SSE 流，避免阻塞
• 更稳健的流式解析：TextDecoder + 缓冲区处理跨 chunk 的 UTF-8 截断
• 超时强制中断：run_cli 超时后通过 SIGKILL 真正终止子进程
• 更友好的错误提示：连接 / 鉴权 / 模型查找等失败均给出清晰原因
• 标准 Node 生态：package.json + bin 字段支持 npm i -g 全局安装
• ESM 模块化：使用 import / 顶层 await，结构更现代