自协作、自适应、持续进化的智能体管理系统
Olympus System 是一个基于任务的智能体管理系统，能够：
- 🎯 任务驱动 - 接受复杂任务，自动分解、规划、分派给合适的 Agent
- 🤝 自协作 - Agent 间根据规则与上下文进行有效协作，动态调整策略
- 🧬 持续进化 - 系统整体与个体 Agent 均能通过任务执行反馈迭代学习，越来越聪明
灵感来源于希腊神话中的海神 Proteus（普罗透斯），他能随意变换形态却始终保持着本质——象征系统的自适应与持续进化能力。
┌─────────────┐
│ Hub │
│ (调度器) │
└──────┬──────┘
│
┌─────────────────┼─────────────────┐
│ │ │
┌────▼────┐ ┌────▼────┐ ┌────▼────┐
│ Spoke 1 │ │ Spoke 2 │ │ Spoke 3 │
│(Agent) │ │(Agent) │ │(Agent) │
└─────────┘ └─────────┘ └─────────┘
- Hub：中央调度器，负责任务接收、解析、分派和结果整合
- Spoke：专业 Agent，各司其职，专注特定领域
| 记忆类型 | 用途 | 生命周期 |
|---|---|---|
| 工作记忆 | 当前任务上下文、Agent 通信 | 任务期间 |
| 场景记忆 | 完整任务执行轨迹、决策点 | 永久存储 |
| 语义记忆 | Agent 画像、任务模式、规则库 | 持续进化 |
针对复杂任务，Hub 不直接指派给单个 Agent，而是：
- 分析任务所需技能
- 从 Agent 画像库匹配最佳人选
- 组建临时工作小组（Claw）
- 指定主导 Agent 负责协调
个体进化：
- 每次任务完成后更新 Agent 能力画像
- 记录成功率、平均执行时间、协作偏好
- 自动发现新技能
群体进化：
- 每 5 个任务自动分析成功模式
- 发现新任务模板（SOP）
- 优化协作规则
# 克隆仓库
git clone https://github.com/yourusername/proteus-system.git
cd proteus-system
# 安装依赖
pip install -r requirements.txt
# 运行演示
python demo_evolution.pyfrom core.hub import ProteusHub
# 初始化 Hub
hub = ProteusHub()
# 接收任务
task_id = hub.receive_task(
"为一个小型创业团队生成一周的社交媒体内容计划",
user_id="demo_user",
priority="normal"
)
# 解析任务（自动匹配模式或 LLM 分解）
hub.parse_task(task_id)
# 组建 Claw（动态组队）
claw = hub.form_claw(task_id)
# 执行任务
hub.execute_task(task_id)
# 交付任务
result = hub.deliver_task(
task_id,
result="已生成 7 天社交媒体内容计划",
feedback="非常好，可以直接使用"
)# 复杂任务：完整网站开发
task_id = hub.receive_task(
"为 AI 创业公司开发完整官网，包含前端、后端、数据库、部署",
priority="high"
)
# 自动分解为多个子任务
# → 前端开发（Coder Agent）
# → 后端 API（Coder Agent）
# → 数据库设计（Code Agent）
# → 部署配置（Code Agent）
# → 质量审核（Review Agent）
hub.parse_task(task_id)
hub.form_claw(task_id)
hub.execute_task(task_id)
hub.deliver_task(task_id, "官网开发完成", "满意")# 基础功能测试
python tests/test_memory.py
python tests/test_hub.py
# 复杂协作测试
python tests/test_complex_collaboration.py
# 自适应能力测试
python tests/test_adaptive.pyproteus-system/
├── core/
│ ├── memory.py # 三层记忆系统
│ ├── hub.py # 中央调度器
│ ├── llm_integration.py # LLM 集成
│ ├── evolution.py # 进化引擎
│ ├── adaptive.py # 自适应调整
│ └── agent_registry.py # Agent 注册管理
│
├── memory/
│ ├── working/ # 工作记忆
│ ├── episodic/ # 场景记忆
│ └── semantic/
│ ├── agents/ # Agent 画像
│ ├── patterns/ # 任务模式
│ └── rules/ # 协作规则
│
├── tests/
│ ├── test_memory.py
│ ├── test_hub.py
│ ├── test_complex_collaboration.py
│ └── test_adaptive.py
│
├── examples/
│ ├── social_media_plan.py
│ ├── market_research.py
│ └── website_development.py
│
├── logs/
│ ├── tasks/ # 任务执行日志
│ └── evolution/ # 进化日志
│
└── demo_evolution.py # 演示脚本
- 社交媒体内容计划
- 博客文章撰写
- 营销文案创作
- 市场研究报告
- 竞品分析
- 文献综述
- 网站开发
- API 设计
- 代码审查
- 量化策略研究
- 市场分析
- 风险评估
随着执行任务增多，系统会：
- Agent 变聪明 - 成功率提升，执行时间缩短
- 模式库丰富 - 积累更多任务模板和最佳实践
- 规则优化 - 协作流程更顺畅，冲突更少
- 系统变好用 - 任务分解更精准，Agent 匹配更准确
示例进化数据（3 个任务后）:
Content Agent:
- 总任务：3
- 成功率：100%
- 平均时间：150min
Research Agent:
- 总任务：3
- 成功率：100%
- 平均时间：120min
欢迎贡献代码、报告 Bug、提出建议！
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 开启 Pull Request
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。
- 🎤 Echo - 中央调度器 (Hub) - 回声女神
- 🚀 Hermes - CTO - 众神使者
- 💫 Aphrodite - CMO - 爱与美之神
- 🏠 Hestia - 管家 - 家庭女神
- 🔨 Hephaestus - 全栈工程师 - 工匠之神
- ✨ Muse - 科普作家 - 缪斯女神
- 🦉 Athena - 研究专家 - 智慧女神
- ☀️ Apollo - 内容专家 - 艺术之神
- 🏛️ Daedalus - 代码专家 - 传奇工匠
- ⚖️ Themis - 审核专家 - 正义女神
- 项目主页：https://github.com/yourusername/proteus-system
- 问题反馈：https://github.com/yourusername/proteus-system/issues
本项目灵感来源于：
- Hub-Spoke 架构 - 经典的分布式系统设计
- ClawWork - 动态工作小组协作框架
- Agent_Evolver - 智能体自进化理论
- Hive Mind - 集体智能调度系统
Last updated: 2026-02-25