QuickAgents

专为 OpenCode 和 智谱 GLM 大模型 (Coding Plan) 深度优化的 AI Agent 增强工具包。通过本地处理最大化效率，Token 消耗节省 60-100%。

⚠️ 如果你克隆了此仓库：这是 QuickAgents 的源码仓库。要在项目中使用，请运行 pip install quickagents && qka init。详见 CLONE_README.md

安装

方式一：一行命令安装（推荐）

macOS / Linux:

curl -fsSL https://raw.githubusercontent.com/Coder-Beam/Quick-Agents-for-Z.AI-GLM/main/scripts/install.sh | bash

Windows PowerShell:

iwr -useb https://raw.githubusercontent.com/Coder-Beam/Quick-Agents-for-Z.AI-GLM/main/scripts/install.ps1 | iex

方式二：pip 安装 + 项目初始化

pip install quickagents
qka init

方式三：让 AI 代理自动安装（零操作）

把这句话发给你的 AI 代理（OpenCode / Claude Code / ChatGPT）：

请按照 https://raw.githubusercontent.com/Coder-Beam/Quick-Agents-for-Z.AI-GLM/main/Docs/guide/installation.md 中的指引安装 QuickAgents

初始化参数

qka init                        # 交互式初始化
qka init --force                # 覆盖现有文件
qka init --dry-run              # 预览不执行
qka init --minimal              # 最小安装（仅核心文件）
qka init --with-ui-ux           # 含 ui-ux-pro-max 技能（Web/Mobile 项目）
qka init --with-browser         # 含 browser-devtools 技能
qka init --update-config        # 仅更新配置，保留数据

完整安装（所有可选依赖）

pip install quickagents[full]

开发模式

git clone https://github.com/Coder-Beam/Quick-Agents-for-Z.AI-GLM.git
cd Quick-Agents-for-Z.AI-GLM
pip install -e .

验证安装

python -c "from quickagents import __version__; print(f'QuickAgents v{__version__}')"
qka version
qka version --check      # 检查所有模块完整性

QuickAgents 是什么？

QuickAgents 是一个 Python 包，为 AI 编码代理（特别是 OpenCode + 智谱 GLM Coding Plan）提供本地化的增强能力。核心理念：能用本地 Python 处理的，绝不浪费 LLM Token。

核心能力一览：

能力	说明
三维记忆系统	Factual / Experiential / Working 三类记忆，SQLite 存储，跨会话持久化
知识图谱	需求追踪、实体关系、FTS5 全文搜索
愚公循环 (YuGong)	自主开发循环，需求解析 → LLM 执行 → 质量检查 → 自动提交，循环直到完成
Karpathy 经验编译器	分散经验 → LLM 编译 → 结构化知识文章，81x 压缩，84% Token 节省
文档理解管道	PDF / Word / Excel / XMind / FreeMind / OPML / Markdown / 源码解析
自我进化系统	自动收集 Skills 使用经验，持续优化
审计问责 (AuditGuard)	代码变更追踪、质量门禁、问题归因、学习经验提取
浏览器自动化	Playwright + Lightpanda/Chromium，控制台日志、网络请求、性能指标
TDD 工作流	Red → Green → Refactor 本地化执行
循环检测	Doom-Loop 防护，防止 Agent 陷入重复调用死循环
上下文压缩	渐进式压缩策略，70%/80%/85%/90%/99% 分级响应
并行执行器	最多 3 并发的只读任务并行处理
Git 钩子	自动触发进化分析、提交前质量检查

与 oh-my-openagent (omo) 的对比

维度	QuickAgents	oh-my-openagent (omo)
定位	Python 本地化工具包，Token 节省优先	OpenCode 插件（TypeScript），多模型编排优先
核心语言	Python（pip install）	TypeScript（OpenCode 插件生态）
Token 策略	本地处理优先，SQLite 缓存，哈希检测，经验编译	多模型路由，按任务类别分派模型
模型支持	深度优化智谱 GLM Coding Plan，也支持 OpenAI	Claude / Kimi / GLM / GPT / Gemini 多模型混编
记忆系统	三维记忆（Factual/Experiential/Working）+ SQLite + Markdown 双存储	依赖 Agent 会话上下文
自主循环	愚公循环（YuGong）— 需求到完成全自动，熔断器 + 退出检测 + 质量门禁	Ralph Loop — 不停止直到完成
经验编译	Karpathy 模式，383 文件 → 13 文章，81x 压缩	无对应功能
知识图谱	完整 KnowledgeGraph + FTS5 搜索 + 需求追踪	无对应功能
文档理解	PDF/Word/Excel/XMind/FreeMind/OPML/源码三层解析管道	无对应功能
审计问责	AuditGuard — 代码变更追踪 + 质量门禁 + 学习提取	无对应功能
浏览器自动化	Playwright + Lightpanda（轻量）+ Chromium 回退	Playwright（内置 MCP）
安装方式	`pip install quickagents` + `qka init`	OpenCode 插件，JSON 配置
CLI 工具	`qka` 命令行，30+ 子命令	依赖 OpenCode slash 命令
运行时依赖	极少：仅 psutil + httpx（核心功能零外部依赖）	需要 Node.js / Bun 运行时

简单总结： omo 擅长多模型编排和 Agent 协调；QuickAgents 擅长本地化处理、Token 节省、记忆持久化和知识管理。两者可以互补使用。

功能模块详解

1. 统一数据库 (UnifiedDB V2)

分层架构：Facade → Session → Repository → Core Components，Django 风格 QueryBuilder。

from quickagents import UnifiedDB, MemoryType, TaskStatus

db = UnifiedDB('.quickagents/unified.db')

# 三维记忆
db.set_memory('project.name', 'MyProject', MemoryType.FACTUAL)
db.set_memory('current.task', '实现认证', MemoryType.WORKING)
db.set_memory('lesson.001', '避免过度工程', MemoryType.EXPERIENTIAL, category='pitfalls')

# 任务管理
db.add_task('T001', '实现认证', 'P0')
db.update_task_status('T001', TaskStatus.COMPLETED)

# 进度追踪
db.init_progress('auth-system', total_tasks=8)

性能数据：

N+1 查询消除：2N+M → 2（常量）
同步并行化：ThreadPoolExecutor 3 workers
mypy 0 errors / ruff 0 errors

2. 愚公循环 (YuGong Loop)

全自动开发循环：从需求文件到完整项目。

需求解析 → 15步标准迭代循环：
  Phase 1: safety_check → get_next_story → build_prompt
  Phase 2: execute_agent → parse_output
  Phase 3: quality_checks → extract_learnings → update_story
  Phase 4: auto_commit → regression → exit_check → persist → sync → metrics

from quickagents.yugong import YuGongLoop, YuGongConfig

# 三种模式：默认 / 保守 / 激进
config = YuGongConfig.conservative()   # 更严格安全限制
config = YuGongConfig.aggressive()     # 更高执行效率

loop = YuGongLoop(config=config, agent_fn=my_agent)
outcome = loop.start(parsed_requirement)

安全机制：

熔断器：连续无进展 / 相同错误次数阈值 + 冷却时间
API 5 小时限制预警
退出检测：最少迭代次数 + 完成信号阈值
质量检查：typecheck / lint / tests / coverage / 安全扫描

qka yugong start requirement.json              # 启动循环
qka yugong start req.json --mode conservative   # 保守模式
qka yugong start req.json --provider openai     # 使用 OpenAI
qka yugong status                               # 查看状态
qka yugong resume                               # 从断点恢复
qka yugong report                               # 生成报告（Markdown + JSON）
qka yugong parse requirement.json               # 解析需求文件
qka yugong config default                       # 查看配置

3. Karpathy 经验编译器 (ExperienceCompiler)

基于 Andrej Karpathy 的 LLM Knowledge Base 模式：分散经验 → LLM 编译一次 → 结构化知识文章 → 后续直接查询。

任务完成 → accumulate(task_result) → 缓冲区 → 达到阈值 → compile() → 增量编译
                                                                         ↓
                                                            .quickagents/compiled/
                                                              _index.md
                                                              _sources.md
                                                              patterns/
                                                                tdd-patterns.md
                                                                debugging-tricks.md

实测数据： 383 文件 → 13 文章，81x 压缩，84% Token 节省。

qka experience stats          # 编译器统计
qka experience compile <path> # 编译指定路径
qka experience query <keyword> # 查询编译后的知识
qka experience lint           # 检查问题
qka experience clear          # 清空缓冲区

4. 知识图谱 (KnowledgeGraph)

from quickagents import KnowledgeGraph, NodeType, EdgeType

kg = KnowledgeGraph()

node = kg.create_node(node_type=NodeType.REQUIREMENT, title='用户认证', content='JWT')
kg.create_edge(source_id=node.id, target_id='T001', edge_type=EdgeType.MAPS_TO)

results = kg.search('认证')
trace = kg.trace_requirement(node.id)
relations = kg.discover_relations(node.id)

5. 文档理解管道 (DocumentPipeline)

三层解析架构：

层	功能	说明
Layer 1	本地解析	PDF / Word / Excel / XMind / FreeMind / OPML / Markdown / 源码
Layer 1.5	联合分析	文档 ↔ 源码追踪匹配引擎
Layer 2	交叉验证	检查文档与源码一致性
Layer 3	深度分析	LLM 知识提取（需求 / 决策 / 事实）

qka import PALs/                          # 导入文档目录
qka import PALs/ --with-source            # 同时导入源码
qka import PALs/ --dry-run                # 预览
qka import PALs/ --output Docs/PALs       # 指定输出目录

支持的格式：

文档：PDF (PyMuPDF + pdfplumber)、Word (python-docx)、Excel (openpyxl)、XMind
脑图：FreeMind (.mm)、OPML
源码：Python / JavaScript / TypeScript / Java / Go / Rust / C / C++ (tree-sitter)

6. 审计问责 (AuditGuard)

全自动代码质量保障：

组件	功能
CodeAuditTracker	实时文件变更追踪
QualityGate	原子级 / 全量级分层质量门禁
AccountabilityEngine	问题归因、修复闭环、学习经验提取
AuditReporter	Markdown / JSON 报告生成

qka audit status                         # 审计系统状态
qka audit run --type atomic              # 原子级检查（每次提交）
qka audit run --type full                # 全量级检查（任务完成时）
qka audit log                            # 查看审计日志
qka audit issues --status OPEN           # 查看问题
qka audit lessons --category security    # 查看学习经验
qka audit report --format md             # 生成报告
qka audit init                           # 初始化配置

7. 浏览器自动化 (Browser)

from quickagents import Browser

browser = Browser()                # 默认 Lightpanda（轻量）
browser = Browser(fallback_to_chromium=True)  # 回退到 Chromium

page = browser.open('https://example.com')
logs = page.get_console_logs()
requests = page.get_network_requests()
metrics = page.get_performance_metrics()
title = page.evaluate('document.title')
browser.close()

安装：pip install quickagents[browser] → playwright install chromium

8. 其他核心模块

模块	说明	Token 节省
FileManager	哈希检测文件变化，缓存未变文件	90%+
LoopDetector	V3 循环检测（stuck/oscillation 三级升级）	100%
Reminder	工具调用计数、长时间运行提醒、上下文压力响应	100%
ContextCompressor	70%/80%/85%/90%/99% 分级渐进压缩	54%+
ParallelExecutor	asyncio.gather + ThreadPool，最多 3 并发	间接
MCPBridge	只读桥接 OpenCode MCP 配置，发现可用工具	0
SkillAuditor	Skill 描述质量审计	0
MarkdownSync	SQLite → Markdown 双向同步，并行优化	100%
GitHooks	post-commit 自动触发进化分析	0
Encoding	统一 UTF-8 编码，Windows/Linux/macOS 一致	0

CLI 命令完整列表

所有命令通过 qka 调用，qka --help 查看帮助。

项目初始化

命令	说明
`qka init`	初始化 QuickAgents 到当前项目
`qka init --force`	覆盖现有文件
`qka init --dry-run`	预览将安装的文件
`qka init --minimal`	最小安装
`qka init --with-ui-ux`	含 ui-ux-pro-max 技能
`qka init --with-browser`	含 browser-devtools 技能

记忆与数据库

命令	说明
`qka stats`	数据库统计信息
`qka sync`	同步 SQLite → Markdown
`qka sync memory`	仅同步记忆
`qka sync tasks`	仅同步任务
`qka sync --force`	强制同步，忽略冲突
`qka memory get <key>`	获取记忆值
`qka memory set <key> <value>`	设置记忆值
`qka memory search <keyword>`	搜索记忆

任务管理

命令	说明
`qka progress`	查看当前进度

愚公循环 (YuGong)

命令	说明
`qka yugong start <file>`	启动自主开发循环
`qka yugong start <file> --mode conservative`	保守模式
`qka yugong start <file> --mode aggressive`	激进模式
`qka yugong start <file> --provider openai`	使用 OpenAI
`qka yugong start <file> --dry-run`	预览
`qka yugong status`	查看循环状态
`qka yugong resume`	从断点恢复
`qka yugong parse <file>`	解析需求文件
`qka yugong config <mode>`	查看/切换配置模式
`qka yugong report`	生成执行报告

自我进化系统

命令	说明
`qka evolution status`	进化系统状态
`qka evolution stats [skill]`	Skills 使用统计
`qka evolution optimize`	执行定期优化
`qka evolution history <skill>`	Skill 进化历史
`qka evolution sync`	同步到 Markdown

审计问责

命令	说明
`qka audit status`	审计系统状态
`qka audit run --type atomic`	原子级检查
`qka audit run --type full`	全量级检查
`qka audit log`	审计日志
`qka audit issues`	查看问题
`qka audit lessons`	学习经验
`qka audit report --format md`	生成报告
`qka audit init`	初始化配置

TDD 工作流

命令	说明
`qka tdd red <test_file>`	RED 阶段（测试应失败）
`qka tdd green <test_file>`	GREEN 阶段（测试应通过）
`qka tdd refactor <test_file>`	REFACTOR 阶段
`qka tdd coverage`	查看覆盖率
`qka tdd stats`	TDD 统计

经验编译

命令	说明
`qka experience stats`	编译器统计
`qka experience compile <path>`	编译指定路径
`qka experience query <keyword>`	查询知识
`qka experience lint`	检查问题
`qka experience clear`	清空缓冲区

上下文压缩

命令	说明
`qka compress stats`	压缩器统计
`qka compress check --usage 85`	检查并建议压缩策略
`qka compress reset`	重置压缩器

Skill 审计

命令	说明
`qka skill audit <path>`	审计 Skill 文件/目录
`qka skill lint --content "..."`	检查 Skill 内容

Git 集成

命令	说明
`qka hooks install`	安装 Git 钩子
`qka hooks uninstall`	卸载 Git 钩子
`qka hooks status`	钩子状态
`qka git status`	Git 状态
`qka git check`	Pre-commit 检查
`qka git commit <type> <scope> <subject>`	格式化提交
`qka git push`	推送到远程

文档导入

命令	说明
`qka import PALs/`	导入文档目录
`qka import PALs/ --with-source`	同时导入源码
`qka import PALs/ --dry-run`	预览
`qka import PALs/ --output <dir>`	指定输出目录

反馈收集

命令	说明
`qka feedback bug <desc>`	记录 Bug
`qka feedback improve <desc>`	记录改进建议
`qka feedback best <desc>`	记录最佳实践
`qka feedback view [--type <t>]`	查看反馈
`qka feedback stats`	反馈统计

模型配置（智谱 GLM Coding Plan）

命令	说明
`qka models show`	查看当前模型配置
`qka models list`	列出可用模型
`qka models check-updates`	检查 GLM 版本更新
`qka models upgrade --dry-run`	预览升级
`qka models upgrade --force`	执行升级
`qka models strategy coding-plan`	切换到 Coding Plan 策略
`qka models lock <model>`	锁定单一模型
`qka models unlock`	解除锁定

文件操作

命令	说明
`qka read <file>`	智能读取（哈希检测缓存）
`qka write <file> <content>`	写入文件
`qka edit <file> <old> <new>`	编辑文件
`qka hash <file>`	获取文件哈希

缓存与检测

命令	说明
`qka cache stats`	缓存统计
`qka cache clear`	清空缓存
`qka cache list`	列出缓存文件
`qka loop check`	检查循环模式
`qka loop reset`	重置循环检测
`qka loop stats`	循环检测统计
`qka reminder check`	检查提醒
`qka reminder stats`	提醒统计

版本与升级

命令	说明
`qka version`	查看版本
`qka version --check`	检查所有模块完整性
`qka update`	从 PyPI 升级
`qka update --target 2.11.0`	升级到指定版本
`qka update --source github`	从 GitHub 源码安装
`qka update --dry-run`	仅预览

导出

命令	说明
`qka export`	导出干净项目文件到 Output/
`qka export --version 1.0`	指定版本号
`qka export --dry-run`	预览导出
`qka export --list-excludes`	列出排除规则
`qka export --inject-gitignore`	注入排除规则到 .gitignore

卸载

命令	说明
`qka uninstall`	交互式卸载（项目级）
`qka uninstall --dry-run`	预览卸载内容
`qka uninstall --keep-data`	保留 .quickagents/
`qka uninstall --keep-opencode`	保留 .opencode/
`qka uninstall --force`	跳过确认

Python API 速查

# 核心导入
from quickagents import (
    # 数据库
    UnifiedDB, MemoryType, TaskStatus, FeedbackType,
    # 进化
    SkillEvolution, get_evolution,
    # 知识图谱
    KnowledgeGraph, NodeType, EdgeType,
    # 工具
    FileManager, LoopDetector, Reminder,
    MarkdownSync, GitHooks, CacheDB,
    # v2.11.0 新增
    SkillAuditor, ContextCompressor, ExperienceCompiler,
    ParallelExecutor, MCPBridge,
    # 浏览器（需 pip install quickagents[browser]）
    Browser,
    # 审计
    AuditGuard, AuditConfig,
    # 记忆辅助
    update_memory, update_memories, add_experiential_memory,
    # 愚公循环
    YuGongLoop, YuGongConfig,
)

# 快速使用
db = UnifiedDB('.quickagents/unified.db')
db.set_memory('key', 'value', MemoryType.FACTUAL)
db.get_memory('key')

evolution = get_evolution()
evolution.on_task_complete({'task_id': 'T001', 'success': True})

kg = KnowledgeGraph()
node = kg.create_node(NodeType.REQUIREMENT, title='需求', content='描述')
results = kg.search('关键词')

可选依赖

安装命令	功能
`pip install quickagents[browser]`	浏览器自动化（Playwright）
`pip install quickagents[document]`	文档解析（PDF/Word/Excel/XMind）
`pip install quickagents[source-code]`	多语言源码解析（tree-sitter）
`pip install quickagents[ocr]`	OCR 识别（PaddleOCR）
`pip install quickagents[windows]`	Windows 特定功能（pywin32/WMI）
`pip install quickagents[full]`	完整安装（以上全部）

核心功能零外部依赖，仅需 psutil + httpx。

项目结构

quickagents/
├── __init__.py              # 统一入口，全部公开 API
├── cli/                     # CLI 命令（qka）
│   ├── main.py              # 命令行入口 + 30+ 子命令
│   ├── init_cmd.py          # qka init 初始化
│   └── qa.py                # 旧入口兼容
├── core/                    # 核心模块
│   ├── unified_db.py        # 统一数据库 (Facade)
│   ├── session.py           # 会话层
│   ├── connection_manager.py # 连接池管理
│   ├── transaction_manager.py # 事务管理
│   ├── migration_manager.py # 数据库迁移
│   ├── repositories/        # Repository 层 + QueryBuilder
│   ├── markdown_sync.py     # SQLite ↔ Markdown 同步
│   ├── file_manager.py      # 智能文件管理（哈希缓存）
│   ├── memory.py            # 记忆管理器
│   ├── loop_detector.py     # Doom-Loop 检测器
│   ├── reminder.py          # 事件提醒系统
│   ├── evolution.py         # 自我进化引擎
│   ├── git_hooks.py         # Git 钩子管理
│   ├── cache_db.py          # 缓存数据库
│   ├── context_compressor.py # 上下文压缩器
│   ├── experience_compiler.py # 经验编译器（Karpathy 模式）
│   ├── parallel_executor.py # 并行任务执行器
│   ├── mcp_bridge.py        # MCP 配置桥接
│   └── skill_auditor.py     # Skill 质量审计
├── knowledge_graph/         # 知识图谱
│   ├── knowledge_graph.py   # 核心图操作
│   ├── types.py             # 节点/边类型定义
│   ├── storage/             # SQLite WAL 存储
│   └── core/                # FTS5 搜索引擎
├── document/                # 文档理解管道
│   ├── pipeline.py          # 三层处理管道
│   ├── parsers/             # PDF/Word/Excel/XMind/FreeMind/OPML/MD/源码解析器
│   ├── matching/            # 追踪匹配引擎
│   ├── validators/          # 交叉验证 + 评审流
│   ├── storage/             # Markdown 导出 + 知识保存
│   └── extractors/          # 知识提取器
├── yugong/                  # 愚公循环
│   ├── autonomous_loop.py   # 15步自主循环引擎
│   ├── config.py            # 配置（默认/保守/激进）
│   ├── models.py            # 数据模型
│   ├── safety_guard.py      # 安全熔断器
│   ├── exit_detector.py     # 退出检测器
│   ├── task_orchestrator.py # 任务编排器
│   ├── agent_executor.py    # Agent 执行器
│   ├── tool_executor.py     # 工具执行器
│   ├── llm_client.py        # LLM 客户端（httpx）
│   ├── requirement_parser.py # 需求解析器
│   ├── context_injector.py  # 上下文注入
│   ├── progress_logger.py   # 进度日志
│   ├── report_generator.py  # 报告生成器
│   └── db.py                # 持久化存储
├── audit/                   # 审计问责
│   ├── audit_guard.py       # 门面类
│   ├── code_audit.py        # 代码变更追踪
│   ├── quality_gate.py      # 质量门禁
│   ├── accountability.py    # 问责引擎
│   ├── audit_reporter.py    # 报告生成
│   └── models.py            # 数据模型
├── browser/                 # 浏览器自动化
│   ├── browser.py           # Browser/Page 封装
│   └── installer.py         # Lightpanda/Chromium 安装
├── skills/                  # Skills 本地化
│   ├── feedback_collector.py
│   ├── tdd_workflow.py
│   ├── git_commit.py
│   ├── category_router.py
│   ├── model_router.py
│   └── project_detector.py
├── utils/                   # 工具模块
│   ├── memory_helper.py     # 记忆辅助函数
│   ├── smart_editor.py      # 智能编辑
│   ├── encoding.py          # UTF-8 编码
│   ├── hash_cache.py        # 哈希缓存
│   ├── script_helper.py     # Windows 脚本替代
│   └── sync_conflict.py     # 同步冲突检测
└── templates/               # 项目模板（qka init 使用）
    ├── AGENTS.md
    ├── opencode.json
    ├── opencode/             # OpenCode 配置模板
    ├── docs/                 # 文档模板
    └── skills-optional/      # 可选 Skills

测试

pytest tests/
pytest tests/knowledge_graph/          # 特定模块
pytest --cov=quickagents tests/        # 覆盖率

许可证

MIT License - 详见 LICENSE 文件。

更新日志

v2.25.5 (2026-04-07) — 全架构验证通过 + 测试修复

ConnectionManager 统一验证：

确认所有 3 个模块（ExperienceCompiler / YuGongDB / SQLiteGraphStorage）100% 使用 ConnectionManager
生产代码中零 sqlite3.connect 调用（仅 :memory: 路径保留）
所有模块共享连接池、线程安全、WAL 模式

测试修复（6 个 → 0 个失败）：

CLI memory 测试：改为 mock UnifiedDB（MemoryManager 已移除）
KG memory_sync 测试：UTF-8 编码 + 匹配实际输出格式
Migration 测试：避免与内置 migration_004 版本冲突

最终验证：

991 tests passed, 0 failures
All imports OK
Version 2.25.5

v2.25.4 (2026-04-07) — 全架构A级修复 + 自我进化闭环

统一架构（零自建连接）:

知识图谱 discover() 修复属性名bug + create_edge() 签名修正
知识图谱新增 knowledge_node_tags 关联表 + SQL JOIN 高效查询
知识图谱 discovery 全部改为 SQL WHERE/FTS5 查询（零 Python 全表扫描）
DocPipeline.save() dispatch bug 修复（hasattr → isinstance）
Evolution Markdown sync total_usage → usage_count 修复
restore_feedback_from_md() 自动发现 .quickagents/feedback/ 目录

自动编译闭环:

on_task_complete() 自动检查 should_compile() 并设标志
run_periodic_optimization() 自动触发编译流程
新增 _auto_compile_experiences() 基于规则的即时编译

真正自我进化（5阶段闭环）:

Act: modify_skill() 自动修改 Skill 文件
Act: inject_context() 注入进化洞察到项目上下文
Act: adjust_parameters() 自动调整进化参数
Verify: verify_evolution() 成功率对比验证 + 回滚建议
语义分析: Evolution 查询 ExperienceCompiler 编译文章

跨模块集成（互操作性矩阵全✅）:

愚公循环完成 → 自动触发 Evolution.on_task_complete()
AuditGuard 提取 lessons → 自动流入 Evolution feedback
Evolution _suggest_fix() → 同时查询 feedback + compiled_articles
Git 钩子 Windows 兼容（sys.executable + .bat wrapper + 日志文件）
Git 钩子同时触发 Evolution + AuditGuard

v2.25.3 (2026-04-07) — 架构完整性修复

P0 紧急修复（运行时崩溃）:

修复 qka audit status 崩溃（KeyError: today_changes）
修复 qka audit run 崩溃（AttributeError: report.passed → report.all_passed）
修复 qka audit log 崩溃（get_changes_by_session() 不存在）
添加 decisions 表 migration_005 + add_decision() 方法
愚公循环 YuGongLoop 接入 YuGongDB 持久化（每次迭代 + 最终保存）

P1 架构修复（数据一致性）:

CLI qka memory 改用 UnifiedDB（SQLite）替代 MemoryManager（纯文件）
SkillEvolution.on_task_complete() 自动调用 ExperienceCompiler.accumulate()
修复进化系统 CLI stats['total_usage'] → stats['usage_count']
DocumentPipeline.save() 接入 KnowledgeSaver 写入 SQLite
知识图谱 discover() 结果自动持久化到 SQLite
知识图谱 sync_to_memory() 改为追加模式，不破坏主记忆系统
新增 qka knowledge CLI 命令（status/search/discover）

P2 改善（恢复路径修复）:

restore_decisions_from_md() 真正解析并插入 SQLite
restore_feedback_from_md() 真正解析并插入 SQLite
restore_progress_from_json() 移除对不存在方法的调用
新增 qka tasks 和 qka progress CLI 命令

v2.11.0 (2026-04-05) — 研究驱动增强

新增 MCPBridge（OpenCode MCP 工具发现）
新增 ParallelExecutor（并发任务执行）
新增 CJK 感知记忆搜索
新增 SkillEvolution 批量分析

链接

GitHub: https://github.com/Coder-Beam/Quick-Agents-for-Z.AI-GLM
PyPI: https://pypi.org/project/quickagents/
智谱 GLM: https://bigmodel.cn
OpenCode: https://opencode.ai

Made by Coder-Beam

Metadata

Release files for quickagents 2.25.7

For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.

Source distribution (sdist)

Source distribution for quickagents 2.25.7
File	Size	Uploaded	Provenance
quickagents-2.25.7.tar.gz	639.3 kB	Apr 26, 2026	Without provenance	Details

Built distribution (wheel)

Table of built distributions (wheels) for quickagents 2.25.7
File	Interpreter	ABI	Platform	Reset
quickagents-2.25.7-py3-none-any.whl 702.4 kB Apr 26, 2026 Without provenance	Python 3	none	any	Details

Total release size: 1.3 MB

Release files / quickagents-2.25.7.tar.gz

Download URL	quickagents-2.25.7.tar.gz
Size	639.3 kB
Tags	Source
SHA-256 checksum How to use checksums	`99fbfe5456423f434fb6629a2ee73be160489cc37a79961396dcf438f138f122`
BLAKE2b-256 checksum How to use checksums	`d76be4cd946a13fce7e33f07e890482c9a7df227eaf018a9ce958ce0ac22bdd0`
Upload date	Apr 26, 2026
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.2.0 CPython/3.12.10`

Release files / quickagents-2.25.7-py3-none-any.whl

Download URL	quickagents-2.25.7-py3-none-any.whl
Size	702.4 kB
Tags	Python 3
SHA-256 checksum How to use checksums	`2e5a6f4f15b8f8b1451ce46288b90784fa714e747489efca39a8212d2fb3373f`
BLAKE2b-256 checksum How to use checksums	`772f980bdef01932ceb1677aa58bbda0c422eb900f861c9f3f6fb6869aa7e582`
Upload date	Apr 26, 2026
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.2.0 CPython/3.12.10`

Security for quickagents 2.25.7

Report project as malware

Provenance

Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.

No provenance found

None of the files in this release were uploaded with provenance metadata.

A note on package security

PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.