Skip to content

virgo777/buddyme

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

12 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

buddyMe

BuddyMe — 构建更聪明的智能体

支持 6 大 LLM 供应商运行时热切换。分层人格、三级技能加载、心跳记忆,为需要灵活性的开发者而生。

支持多模型热切换 · 工具调用 · 技能系统 · 持久记忆 · 定时任务

Blog · GitHub


项目简介

buddyMe 是一个 Python 实现的多模型 AI 智能体框架。它能够将复杂任务自动拆解为子任务,逐一规划、执行、验证,并合并结果。内置 25+ 技能、8 个工具、完整的记忆系统和定时调度能力,可作为编程助手或通用任务代理使用。

核心特性

  • 多模型支持 — GLM、DeepSeek、ERNIE、Qwen、MiMo,运行时一键切换,零中断
  • 三阶段任务执行 — 规划 → 子任务执行 → 结果合并,复杂任务自动拆解
  • 工具系统 — 内置 bash、文件读写/编辑、搜索、glob 等 8 个工具,支持自定义扩展
  • 技能系统 — 25+ 预置技能(API 设计、前端开发、Python 测试等),三级渐进加载,运行时热重载
  • 持久记忆 — 用户画像、对话摘要、历史日志跨会话保持,支持记忆衰减与合并
  • 定时任务/loop 命令创建循环/定时任务,心跳线程后台轮询
  • 命令系统/ 前缀命令直接处理,不消耗 LLM Token
  • 双协议适配 — 自动识别 OpenAI 兼容 / Anthropic 兼容协议,统一调用接口

支持的模型

配置名 服务商 模型 最大 Token
glm 智谱 AI glm-5.1 131,072
glm_code_plan 智谱 AI glm-5.1 390,000
deepseek DeepSeek deepseek-v4-pro 393,216
deepseek_code_plan DeepSeek deepseek-v4-pro 960,000
ernie 百度千帆 ernie-5.1 65,536
xiaomi 小米 mimo-v2-pro 131,072
qwen 阿里通义 qwen3.6-plus 65,536

安装

环境要求

  • Python >= 3.9
  • pip

从源码安装

git clone https://github.com/virgo777/buddyme.git
cd buddyme
pip install -e .

配置

1. 创建环境变量文件

在项目根目录创建 .env 文件,填入你的 API Key:

cp .env.example .env

.env 内容示例:

GLM_API_KEY=your_glm_api_key
DEEPSEEK_API_KEY=your_deepseek_api_key
ERNIE_API_KEY=your_ernie_api_key
XIAOMI_API_KEY=your_xiaomi_api_key
QWEN_API_KEY=your_qwen_api_key

只需配置你实际使用的模型对应的 Key,其余可留空。

2. 环境变量(可选)

变量 说明 默认值
BUDDYME_MODEL 默认模型名称 glm_code_plan
BUDDYME_HOME 用户数据目录 ~/.buddyme/
BUDDYME_WORKSPACE 工作区目录 当前目录

快速开始

CLI 模式

先导入脚本地址到环境,即把Scripts目录加到PATH:

set PATH=%PATH%;C:\Users\yourname\AppData\Roaming\Python\Python313\Scripts
buddyme

开发模式

python -m buddyMe

启动后会进入交互式对话界面:

============================================================
buddyMe — 多模型智能体 + Skill
项目空间: /your/workspace
默认模型: glm_code_plan
输入 /help 查看可用命令
============================================================
query:

使用示例

基本对话

query: 帮我写一个 Python 的快速排序函数

复杂任务(自动拆解)

query: 在当前项目下创建一个 Flask REST API,包含用户增删改查接口,写好单元测试

Agent 会自动将任务拆解为:项目初始化 → 模型定义 → API 路由 → 单元测试 → 验证。

切换模型

query: /model --list        # 查看可用模型
query: /model --switch deepseek  # 切换到 DeepSeek

定时任务

query: /loop 30m 检查当前项目的测试是否全部通过
query: /loop --list         # 查看运行中的任务
query: /loop --remove abc12345  # 移除任务

记忆管理

query: /memory --show       # 查看当前记忆
query: /memory --summary    # 查看对话摘要
query: /memory --update     # 手动触发记忆提取

命令列表

所有 / 命令在本地直接处理,不消耗 Token。

命令 别名 说明
/help [cmd] /h 显示帮助
/model --list /m 列出可用模型
/model --switch <name> 切换模型
/api_key <model> <key> 设置 API Key
/reset 清空对话历史
/exit /q 退出
/skill --list 列出已加载技能
/reload_skills 热重载技能目录
/memory --show /mem 查看用户记忆
/memory --summary 查看对话摘要
/memory --update 手动提取记忆
/memory --clear --force 清空所有记忆
/log --today /history 今日对话日志
/log --search <关键词> 搜索对话日志
/heartbeat /hb 心跳任务管理
/loop <间隔> <任务> /lp 创建定时任务

内置工具

工具 说明
bash 执行 Shell 命令(异步、超时控制、危险命令拦截)
read_file 读取文件(大文件智能截断)
write_file 写入文件(自动创建目录)
edit_file 精确查找替换编辑
grep 正则内容搜索
glob 文件名模式匹配
baidu_search 百度搜索(千帆 AI Search API)
invoke_skill 技能激活

内置技能

技能 领域
api-design API 设计模式
backend-patterns 后端开发模式
frontend-design 前端 UI 设计
frontend-patterns 前端开发模式
frontend-slides 前端幻灯片生成
python-patterns Python 设计模式
python-testing pytest 测试实践
coding-standards 编码规范
deployment-patterns 部署策略
article-writing 文档写作
market-research 市场调研
weather-skill 天气查询
qqmail-1.0.0 QQ 邮件集成
continuous-learning 持续学习
eval-harness 评估框架
markitdown-skill Markdown 转换
autonomous-loops 自主循环执行
iterative-retrieval 迭代式信息检索
verification-loop 验证循环
strategic-compact 战略性摘要压缩
search-first 搜索优先策略
content-hash-cache-pattern 内容哈希缓存模式
plankton-code-quality 代码质量分析
project-guidelines-example 项目规范模板
configure-ecc ECC 配置

架构概览

用户输入
  │
  ├─ /command ──→ 命令系统(本地处理,零 Token)
  │
  └─ 普通输入
      │
      ├─ 简单任务 ──→ 单次 LLM 调用 + 工具循环
      │
      └─ 复杂任务
          │
          ├─ 阶段一:任务规划 ──→ 注入 Skill 元数据 → LLM 参考已有技能拆分子任务
          │                     匹配到的步骤标注 [SKILL:技能名]
          │
          ├─ 阶段二:子任务执行 ──→ 逐个执行,每个子任务独立 LLM+工具循环
          │                       预匹配 Skill 注入完整指令 · 结果传递 · 类型分类
          │
          └─ 阶段三:结果合并 ──→ 拼接子任务结果,返回最终输出

系统提示构建

系统提示由四层动态合并:

  1. SOUL.md — 人格内核
  2. IDENTITY.md — 角色定义(80% 编程助手 + 20% 生活助手)
  3. AGENT.md — 行为契约(工具规则、记忆管理、安全约束)
  4. 工具 Schema — 已注册工具的动态描述

目录结构

buddyMe/
├── agent_moudle/          # Agent 核心逻辑
├── anthropic_standard/    # LLM 客户端(双协议适配)
├── cmd_library/           # 命令系统
│   └── builtin/           # 内置命令(system/skill/memory/loop)
├── initspace/             # 初始化与上下文构建
│   ├── brain/             # 人格与行为模板
│   └── memorys/           # 记忆存储
├── llm_moudle/            # 模型配置管理
├── skill_library/         # 技能库
│   └── skills/            # 25+ 预置技能
├── tool_moudle/           # 工具模块
└── utils/                 # 工具函数

项目依赖

httpx          # HTTP 客户端
rich           # 终端富文本渲染
python-dotenv  # 环境变量加载

License

MIT

About

Lightweight agent framework with layered personality evolution, three-tier skill loading and heartbeat memory system.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors