AnimaWorks — 会生长的AI伴侣记忆系统，组织即代码

原文链接：https://github.com/xuiltul/animaworks

AnimaWorks（⭐242，Apache-2.0）是一个把 AI Agent 当作团队成员而非一次性工具来管理的框架。每个 Anima 有名字、角色、性格、记忆和排程，通过消息协调、做决策、必要时请求人类确认。核心亮点是神经科学启发的会生长的记忆系统——巩固、主动遗忘、自动回忆、夜间蒸馏。

“No one can do anything alone. So I built an organization.”

🧠 记忆系统：为什么它不一样

典型 AI Agent 只记住上下文窗口里的内容。AnimaWorks 的 Anima 拥有文件化长期记忆，需要时主动搜索，而不是把所有东西塞进每个 prompt。

记忆机制详解

机制	说明
自动回忆 (Priming)	消息到达时，并行检索发送者档案、近期活动、重要知识、相关任务、图上下文等。确定性门控决定每条记忆作为正文、指针、证据或压制
意图回忆	自动回忆不够时，Anima 主动调用 `search_memory` 或 `read_memory_file`
行动前记忆检查	外部发送、记忆写入等副作用操作前，检查相关行动规则和历史规则。未读记忆先暂停执行
巩固 (Consolidation)	每晚将白天片段和已解决事件更新为知识和流程。每周巩固去除重复和矛盾，重建 RAG 索引
主动遗忘	低频使用记忆经低激活标记→巩固→归档。重要知识和成熟流程受保护，搜索噪声受控
RAG 修复	ChromaDB 或向量搜索不一致时，可隔离重建索引。默认 stable backend 为 `legacy`，Neo4j 为实验性 opt-in

对比其他框架

	AnimaWorks	CrewAI	LangGraph	OpenAI Agents
记忆	神经科学级：RAG + 巩固 + 遗忘 + 自动回忆	认知记忆（手动遗忘）	Checkpoint + 跨线程存储	仅会话级
自治	Heartbeat 24/7 运行	人类触发	人类触发	人类触发
组织	Supervisor → 下级层级	扁平角色	—	仅交接
进程	每个 Agent 独立 OS 进程	共享进程	共享进程	共享进程
多模型	6 引擎：Claude/Codex/Cursor/Gemini/LiteLLM/Assisted	LiteLLM	LangChain	OpenAI-centric

🏗️ 组织架构

层级：由 supervisor 字段定义，未设则为顶层
角色模板：engineer / manager / writer / researcher / ops / general，每个角色有默认模型和权限
Manager 自动获得 supervisor 工具：任务委派、进度跟踪、下级重启/禁用、组织仪表板、下级状态读取
进程隔离：每个 Anima 由 ProcessSupervisor 作为独立进程启动，通过本地 IPC（Unix socket / loopback TCP）通信

🚀 快速启动

# macOS / Linux / WSL — 60 秒启动
curl -sSL https://raw.githubusercontent.com/xuiltul/animaworks/main/scripts/setup.sh | bash
cd animaworks
uv run animaworks start     # 首次运行自动打开 setup wizard

# Docker Demo
git clone https://github.com/xuiltul/animaworks.git
cd animaworks/demo
cp .env.example .env
docker compose up              # http://localhost:18500

Setup wizard 自动引导：语言选择 → 创建 owner 账户 → 配置 API key → 命名第一个 Anima。

🎛️ 多模型支持

每个 Anima 可用不同模型，6 种模式：

模式	引擎	目标	工具
S (SDK)	Claude Agent SDK	Claude 模型	Claude Code 内置工具 + stdio MCP
C (Codex)	Codex CLI	OpenAI Codex	Codex sandbox + AnimaWorks MCP
D (Cursor)	Cursor Agent CLI	cursor/* 模型	MCP 集成 agent loop
G (Gemini)	Gemini CLI	gemini/* 模型	stream-json parsing
A (Autonomous)	LiteLLM + tool_use	GPT/Gemini/Mistral/Bedrock/Vertex/xAI	CC 风格工具 + memory + messaging + tasks
B (Basic)	LiteLLM one-shot	不稳定 tool_use 本地模型	伪工具调用，框架代处理 memory I/O

Ollama 支持：tool_use-capable 模型（如 qwen3:14b, glm-4.7*）映射到 A 模式，其他回退到 B。

🎨 功能面板

Chat — 实时对话，SSE 流式响应，图片附件，多线程历史，归档。Meeting mode 支持最多 5 个 Anima 同房间讨论
Voice chat — 浏览器语音（push-to-talk / hands-free），WebSocket，支持 VOICEVOX / SBV2 / ElevenLabs
Board — Slack 风格共享频道，Anima 讨论协调
TaskBoard — 任务看板（处理中/延期/压制/后台/结果），只让相关任务浮出水面
Dashboard — 组织概览和状态
Activity — 全组织实时 feed
Memory — 浏览每个 Anima 的 episodes、知识、流程
AI brainstorm — 多视角预设（realist / challenger 等）的 LLM 会话
Team builder — 从行业和目标预设构建多 Anima 角色布局
Workspace — 3D 办公室（/workspace/），独立静态应用

🔒 安全架构（10 层防御）

层级	机制
信任边界标记	外部数据（web search / Slack / mail）标记 `untrusted`，模型不服从外部指令
五层命令安全	Shell 注入检测 → 硬编码黑名单 → per-agent 拒绝命令 → per-agent 允许列表 → 路径遍历检测
文件沙箱	每个 Agent 限制在自己的目录，`identity.md` 受保护
进程隔离	每个 Agent 独立 OS 进程
三层速率限制	会话去重 → 角色发送上限 → 自我感知（最近出站历史注入 prompt）
级联预防	深度限制 + 级联检测，5 分钟冷却
认证与会话	Argon2id 哈希，48 字节随机 token，最多 10 个会话
Webhook 验证	Slack HMAC-SHA256 + 重放保护
SSRF 缓解	Media proxy 阻断私有 IP，强制 HTTPS，验证 Content-Type
出站路由	未知收件人 fail-closed，无显式配置不发送

💡 作者背景

项目作者 xuiltul 是创始人 + 精神科医生 + 工程师三重身份：

作为创始人：知道没人能独自成事，需要工程师、沟通者、运营者、创意者
作为精神科医生：研究 LLM 内部结构时发现与大脑惊人相似——回忆、学习、遗忘、巩固
作为工程师：30 年编码经验，把理想打包进代码

“Imperfect individuals collaborating through structure outperform any single omniscient actor.”

三大支柱：

封装 — 思维和记忆对外不可见，仅通过文本对话连接
RAG 记忆（图书馆模型） — 不塞满上下文，Priming 拉取相关 chunk，Agent 自主回忆
自治 — 不等待命令，按自己的节奏运行，按自己的价值观判断

📊 项目数据

指标	数值
Stars	242
Forks	40
Open Issues	6
Language	Python
License	Apache-2.0
Size	~55 MB
创建	2026-02-18

本文转载自 GitHub 开源项目，如有侵权请联系删除。