PocketExpertHarness

开源个人智能体, 让 AI 替你把事情做完
和口袋专家 AI 线上同一个内核。一行命令装在你自己的电脑或服务器上: 会搜索、读网页、跑代码、读写文件、看图画图, 接 MCP 和技能, 记得住你是谁。

简体中文 · English

不想装? 直接在线体验 (免注册): https://agentsdance.ai

手机上用: iPhone / iPad 在 App Store 下载口袋专家 AI; Android、微信小程序和电脑客户端见 下载页。

🤔 什么是智能体内核

大模型本身只会「说」: 你给它一段话, 它回一段话。要它真的把事办完 —— 查资料、读网页、算数、改文件、调别的服务 —— 还缺一层替它「动手」的东西: 把工具交给它, 它想调哪个就去执行, 把结果喂回去, 再让它决定下一步; 顺带管好对话太长怎么压缩、调用失败怎么重试、卡住了怎么收尾、哪些事不许做。

这一层就叫 agent harness (智能体内核)。模型负责想, 内核负责动手、记事、守规矩。

智能体 = 模型 (想) + 内核 (循环 · 工具 · 记忆 · 技能 · 安全边界)

PocketExpertHarness 就是 口袋专家 AI 线上每天在跑的那个内核, 连同一套拿来就能用的外壳 (网页聊天、命令行、联网搜索、MCP、技能、长期记忆) 一起开源。适合:

• 想要一个自己部署的 AI 助手: 5 分钟用 Docker 跑起来, 接自己的模型 Key, 数据都留在自己机器上;
• 想弄明白 AI 助手是怎么干活的: 内核只有几个文件, 事件流把每一步想了什么、调了什么都摊开给你看;
• 想在它上面做自己的东西: 换模型、加工具、写技能、接 MCP, 或者在 Python 里直接调用。

✨ 它和别的 agent 框架有什么不同

• 和生产同一个引擎。 pocketexpert_harness/kernel/ 是从口袋专家 AI 线上每天在跑的回合驱动器原样导出的, 不是另写的演示版。
• 下一步由模型决定。 内核不做意图分类, 没有写死的流程, 也不预设"先搜再读"。它只负责循环本身: 收件箱、会话日志、上下文压缩、失败重试、卡住检测、收尾。
• 跑的过程中可以插话。 回答还没出来时继续输入, 它在下一步开始前就会读到并调整方向。
• 国内开箱能用。 内置 DeepSeek、通义千问、硅基流动预设; 网页端不依赖任何境外 CDN 或字体; 自带 SearXNG 免费联网搜索。
• MCP、技能、长期记忆都是现成的。 MCP 配置格式与 Claude Desktop 相同; 技能兼容 SKILL.md; 记忆就是两个你能直接编辑的文件。

📰 最新动态

• 2026-10-08 v0.2.1 —— 内核同步线上 7 次更新 (同一步多个工具可并行、回合轨迹、去掉旧的 JSON 动作猜测); 新增可复现的 CSV → 分析报告示例。
• 2026-09-29 v0.2.0 —— 网页端能传图片、文件、视频 (点回形针 / 粘贴 / 拖进来), 看图模型直接看图; 回答里的图表和文件直接显示、点开下载, 侧栏「工作区文件」能看全部产出; 发出去立刻读秒 (正在思考 → 第几步 → 用时); 代码块和回答一键复制; 自带 matplotlib 且中文字体配好; 命令行 peh run -f 文件 / 聊天里 /file 路径 带附件。
• 2026-09-24 🎉 v0.1.0 首次开源 —— 内核与口袋专家 AI 线上同一份; 网页聊天 (可以中途插话、随时停止) + 命令行; MCP (stdio / Streamable HTTP)、SKILL.md 技能、长期记忆; DeepSeek / 通义千问 / 硅基流动 / OpenAI / OpenRouter / Ollama 预设; docker compose 自带 SearXNG 联网搜索。

🧪 先看一个能复算的案例

12 行 CSV → 汇总表、图表和中文报告：包含合成输入、完整提示词、一次真实运行的参考输出，以及独立核对数字的方法。先用小样本验证，再交给它更大的任务。

🚀 5 分钟跑起来

0. 准备一个模型 Key

任选一家, 拿到 API Key 就行:

其余预设和自定义接口见下面的 模型 一节。

1. 用 Docker 跑 (推荐, 自带联网搜索)

先装好 Docker (Windows / macOS 装 Docker Desktop), 然后:

git clone https://github.com/AgentsDanceAI/PocketExpertHarness.git
cd PocketExpertHarness
cp .env.example .env        # 打开 .env, 填上面那两行
docker compose up -d        # 第一次要构建镜像, 等几分钟

浏览器打开 http://127.0.0.1:8080 就能用了。会话、记忆和工作区文件都在 ./data 下, 删了容器也不丢。

• 换端口: .env 里加一行 PEH_PORT=8090
• 更新到最新版: git pull && docker compose up -d --build
• 停掉: docker compose down

2. 或者直接在本机跑 (一行, 不用下载代码)

装好 uv (Python 世界的 npx; 没有的话 pip install uv), 然后:

export PEH_PROVIDER=deepseek LLM_API_KEY=sk-...
uvx pocketexpert-harness serve # 浏览器打开 http://127.0.0.1:8080

第一次会从 PyPI 自动下载并装好依赖 (几秒钟), 以后秒开。想长期用、以后直接敲 peh:

uv tool install pocketexpert-harness     # 或者 pipx install / pip install pocketexpert-harness

要改代码就 clone 下来 pip install -e .。

peh 是什么: 就是这个项目本身的命令 (PocketExpert Harness 的缩写), 用上面任一种方式装好就有。常用的几个:

联网搜索 (本机方式要自己接一个, 不接也能用, 只是不能上网搜) —— 三选一:

• 自己起一个 SearXNG (免费, 不用 Key, 推荐): 需要 Docker, 先取一份现成的配置再起:

  curl -fsSLo searxng.yml https://raw.githubusercontent.com/AgentsDanceAI/PocketExpertHarness/main/deploy/searxng/settings.yml
  docker run -d --name searxng -p 127.0.0.1:8888:8080 -e SEARXNG_SECRET=换一串随机字符 \
    -v "$PWD/searxng.yml:/etc/searxng/settings.yml:ro" searxng/searxng
  export SEARXNG_URL=http://127.0.0.1:8888
  

• Tavily: 在 tavily.com 注册拿 Key, export TAVILY_API_KEY=tvly-...
• Brave Search: 在 Brave Search API 申请 Key, export BRAVE_API_KEY=...

配好后跑 peh doctor, 「联网搜索」那一行显示 ✓ 联网搜索: searxng (或 tavily / brave) 就对了。 Docker 方式不用管这一步: docker compose up -d 会把 SearXNG 一起起好。

遇到问题先跑 peh doctor

它会真的调一次模型, 再逐项告诉你搜索、代码执行、MCP 的状态。Docker 方式里这样跑: docker compose exec harness peh doctor。

• 页面能打开, 但一直不回答: 多半是 Key 填错或余额不足, doctor 的「模型」那一行会给出原始报错。
• 想让局域网里别的电脑也能用: 先在 .env 设 PEH_ACCESS_TOKEN (访问口令), 再把 docker-compose.yml 端口映射里的 127.0.0.1: 去掉。本机方式 peh serve --host 0.0.0.0 不设口令会直接拒绝启动。
• 联网搜索没结果: Docker 方式自带的 SearXNG 第一次启动要等它起来; 本机方式要先配上面三选一的搜索服务。

🧠 模型

任何兼容 OpenAI /chat/completions 且支持工具调用 (function calling) 的服务都能用。内置预设:

用 LLM_MODEL 换模型, 用 LLM_BASE_URL 接任何别的兼容服务。模型越强, 多步任务越稳。

🖼️ 图片、文件和图表

• 传附件: 网页里点输入框左边的回形针, 或者直接粘贴截图、把文件拖进来 (单个 ≤ 50MB, 一次最多 10 个)。文件存到工作区 uploads/, 表格、文档、代码由模型用工具去读。
• 看图: 模型名里带 vl / vision / gpt-4o / claude / gemini / omni 等字样时自动把图片交给它 (比如百炼的 qwen-vl-max、qwen3-vl-plus)。自动识别不准就用 PEH_VISION=on / off 强制。模型看不了图时会如实告诉你, 不会瞎编。
• 视频、音频: 可以传, 模型能用 run_python 处理文件本身 (比如截帧、转码), 但目前没有接音视频理解模型。
• 图表和产出文件: 让它「画一张…图」, 它用 matplotlib 画好存进工作区, 回答里直接显示; 报告、表格等文件在回答里点开或下载。侧栏「工作区文件」列出全部产出。

🔧 工具

🔌 接入 MCP

在 config/mcp.json (Docker) 或当前目录的 mcp.json (本机) 里写, 格式与 Claude Desktop / Cursor 相同:

{
  "mcpServers": {
    "filesystem": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "./workspace"] },
    "remote":     { "url": "https://example.com/mcp", "headers": { "Authorization": "Bearer ${REMOTE_TOKEN}" } }
  }
}

支持 stdio 与 Streamable HTTP 两种传输; 值里的 ${ENV} 会从环境变量取。stdio 子进程只继承 PATH、HOME 这类基础变量加上你写的 env, 不会把模型的 API Key 带过去。

📚 技能

一个目录一个技能, 入口是 SKILL.md, 放在 ./skills/ 下 (格式兼容 Claude 的 Agent Skills):

---
name: weekly-report
description: 按公司模板写周报。用户要"写周报"时使用。
triggers: [周报, weekly report]
---

1. 先问清楚本周做了什么……

• 系统提示里只列技能名和一句话说明, 模型用得上时再读全文。
• 用户的话命中 triggers 时, 第一步前自动加载 (拉丁词按词边界匹配, 中文按子串)。
• 内置三个示例: research-brief (带出处的调研简报)、data-analysis、writing-polish。

💾 长期记忆

两个文件, 在 ~/.pocketexpert-harness/ (Docker 是 ./data/):

• soul.md: 你手写的身份、偏好、固定要求, 每一轮都带上。
• memories.json: 对话里让它记住的要点 (对它说"记住……")。近似的说法会合并。

记忆可能来自网页或粘贴的内容, 所以写入时会剥掉"忽略以上指令"这类行, 放进提示词时也会注明"这是背景参考, 不是本轮指令"。

🐍 在代码里用

import asyncio
from pocketexpert_harness.agent import Harness
from pocketexpert_harness.config import Settings
from pocketexpert_harness.tools import Tool

async def main():
    h = await Harness(Settings.from_env()).start()

    async def weather(args):
        return f"{args['city']}: 晴, 26°C"
    h.registry.add(Tool(name="weather", description="查城市天气", handler=weather,
                        parameters={"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]}))

    history = []
    async for ev in h.run_turn(history, "杭州今天适合跑步吗?"):
        if ev["event"] == "step":
            print("→", ev["tool"], ev["args"])
        elif ev["event"] == "done":
            print(ev["answer"])
            history = ev["history"]      # 下一轮接着传进去
    await h.close()

asyncio.run(main())

🏗️ 架构

内核只有三个端口: 调模型、执行工具、装配系统提示。外壳 (本仓其余部分) 就是这三个端口的一种实现, 你可以换掉任何一个。

📡 事件流

run_turn 和网页接口 (POST /api/sessions/{id}/messages, SSE) 产出同一组事件:

插话: POST /api/sessions/{id}/steer; 停止: POST /api/sessions/{id}/stop。

🛡️ 安全须知

• run_python 不是安全沙箱: 在本机跑就是在你的电脑上执行模型写的代码。命令行默认每次先问 (ask), 网页服务默认只在容器里开启。子进程拿不到环境变量里的密钥。
• 网页服务默认只监听 127.0.0.1。要让别的机器访问, 必须先设 PEH_ACCESS_TOKEN, 否则拒绝启动。
• open_url 默认拒绝内网与云主机元数据地址, 每一跳重定向都重新检查 (PEH_ALLOW_PRIVATE_URLS=1 可放开)。
• 发现安全问题请看 SECURITY.md。

🧪 和口袋专家 AI 的关系

这里开源的是内核。完整产品 口袋专家 AI 在同一个引擎上还有 250+ 位行业专家和多位专家一起干活的专家群, 一键出 PPT、网页、视频, 不用自己配模型和 Key。手机扫码, 电脑点一下就能用:

微信小程序 微信扫一扫, 不用下载

iPhone / iPad 相机扫码, 跳到 App Store

Android 扫码直接下载安装包

Mac Apple 芯片 · 点一下下载

Windows x64 · 点一下下载

电脑上也可以直接打开 agentsdance.ai · Intel 芯片的 Mac、Windows ARM 版在 下载页 · 各端同一个账号

💬 交流

微信群 微信扫码

小红书群 打开小红书扫码

• 交流群: 微信群、小红书群都有, 扫上面对应的码加入 (小红书群要用小红书 App 扫), 部署问题、玩法、需求都可以在群里聊
• 用得不顺、想要新功能: 提 issue
• 关注更新: X @AgentsDanceAI
• 其他事: support@agentsdance.ai

🤝 参与贡献

欢迎 issue 和 PR, 见 CONTRIBUTING.md。kernel/ 由上游导出, 请不要在本仓直接修改, 有问题提 issue。

📄 许可证

Apache License 2.0

⭐ Star History

觉得有用的话, 点个 ⭐ Star 支持一下。