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，相当于低配版Claude Code，能帮你写脚本、写测试案例、执行shell、分析数据等。我自己就是EVA的重度用户，日常使用频率非常高。

各种好玩案例见当前仓库的 showcase 🦖🦖🦖

• 本地化：可以接入本地部署的OpenAI接口模型，如vLLM，或者是外网模型
• 极致轻量化：单文件，仅一个eva.py，有python就能运行
• 目录级Session：下次同样目录启动会延续之前对话
• 安全审查：默认只执行读命令，其他命令需要安全确认
• 移植性：很容易将EVA接入你现有的自动化流程，例如：eva -au '计算100w以内所有素数和并写到/tmp/result.txt'。当前就借助-asu选项将EVA接入了微信Bot

0. 直接创建一个eva.py并复制本仓库的eva.py文本内容粘贴进去（docker环境、运维环境等也很容易粘贴代码，无需复杂安装，Just Paste and Go）。当然，你也可以git clone本仓库

1. 在终端执行export EVA_API_KEY=你的deepseek API key（Windows系统则是set命令）

EVA支持OpenAI接口形式的LLM，可以是Ollma、vLLM拉起的本地模型，也可以是DeepSeek、OpenAI等官网API。切换方法是设置EVA_BASE_URL, EVA_MODEL_NAME, EVA_API_KEY这三个环境变量。

Linux设置方法：

export EVA_BASE_URL=http://xxxxxxxxx/v1
export EVA_MODEL_NAME=xxxxx
export EVA_API_KEY=sk-xxxxx

Windows 命令行设置方法：

set EVA_BASE_URL=http://xxxxxxxxx/v1
set EVA_MODEL_NAME=xxxxx
set EVA_API_KEY=sk-xxxxx

Windows PowerShell设置方法：

$env:EVA_BASE_URL="http://xxxxxxxxx/v1"
$env:EVA_MODEL_NAME="xxxxx"
$env:EVA_API_KEY="sk-xxxxx"

2. 运行python3 eva.py。首次运行会生成eva脚本，你需要执行下source ~/.bashrc让脚本生效。后续直接输入命令eva即可

eva支持的选项：
usage: eva.py [-h] [-a] [-l] [-c] [-u USER_ASK] [-s] [--until UNTIL]

options:
  -h, --help            show this help message and exit
  -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, --user-ask USER_ASK
                        独立地针对一条用户提问执行EVA
  -s, --with-session    搭配-u使用，载入并保存session
  --until UNTIL         搭配-u使用，设定任务达成条件，子串匹配

1、EVA运行过程可以随时打断，无论是打断LLM推理、打断工具执行、还是退出EVA，都是按 Ctrl + C

2、打断是个很有用的行为，比如某个命令超时时间太久你不想再等待，或者你想起有个背景忘记向EVA澄清需要补充说明，或者你发现前面对话有错别字想做修正说明 —— 注意，无论何时你都可以 Ctrl + C 打断EVA，无论何时 🎯🎯

.eva/EVA.md是EVA的设定，通过它你可以对EVA进行各种设定、甚至赋予它各种技能。除了手动编辑EVA.md，你可以在eva启动时让它“分析下xxx/xxx/skills目录中的可用技能，提炼线索到EVA.md中” 或者 “分析下skillhub上的xxx技能，提炼线索到EVA.md中”，然后重启eva即可 —— EVA的事情EVA自己做 🤖🤖