OpenSpace/README_CN.md at main · OpenMind7/OpenSpace

✨ OpenSpace：让你的 Agent 更聪明、更省钱、自我进化 ✨

一条命令，进化你所有的 AI Agent：OpenClaw、nanobot、Claude Code、Codex、Cursor 等

当前 AI Agent 面临的问题

如今的 AI Agent——OpenClaw、nanobot、Claude Code、Codex、Cursor 等——能力强大，但有一个致命弱点：它们从不从真实世界的经验中学习、适应和进化——更不用说相互之间的共享了。

❌ 大量 Token 浪费 - 如何复用成功的任务模式，而非每次都从零推理、烧掉大量 Token？
❌ 重复犯下高代价的错误 - 如何在 Agent 之间共享解决方案，而非反复进行同样昂贵的探索和犯同样的错？
❌ Skill 质量差且不可靠 - 当工具和 API 持续演变时，如何保证 Skill 的可靠性——同时确保社区贡献的 Skill 达到严格的质量标准？

🎯 什么是 OpenSpace？

🚀 🚀 一个自我进化引擎，让每一次任务都能使每个 Agent 变得更聪明、更高效。

cloud_community.mp4

OpenSpace 以 Skill 的形式接入任意 Agent，并赋予其三大超能力：

🧬 自我进化

Skill 能够自动学习并持续提升

✅ 自动修复（AUTO-FIX） — Skill 出错时，自行即时修复
✅ 自动改进（AUTO-IMPROVE） — 成功模式自动升级为更优版本
✅ 自动学习（AUTO-LEARN） — 从实际使用中捕获高效工作流
✅ 质量监控 — 跟踪所有任务中的 Skill 表现、错误率和执行成功率

Skill 持续进化——将每次失败转化为改进，将每次成功转化为优化。

🌐 Agent 集体智慧

将独立的 Agent 联结为共享大脑

✅ 共享进化：一个 Agent 的改进即成为所有 Agent 的升级
✅ 网络效应：更多 Agent → 更丰富的数据 → 每个 Agent 更快进化
✅ 便捷共享 — 一行命令即可上传或下载进化后的 Skill
✅ 访问控制 — 每项 Skill 可选择公开、私有或仅团队可见

一个 Agent 学会，所有 Agent 受益——大规模集体智慧。

💰 Token 效率

更聪明的 Agent，显著更低的成本

✅ 不再重复劳动 → 复用成功方案，而非每次从零开始
✅ 任务越做越便宜 → 随着 Skill 改进，类似工作的成本持续下降
✅ 只做小幅更新 → 修复损坏的部分，无需全部重建
✅ 实际节省：在真实任务上实现 4.2 倍性能提升、Token 消耗减少 46%，带来可衡量的经济价值。（GDPVal）

事半功倍——Agent 真正帮你省钱。

核心差异

❌ 当前的 Agent

随着工具更迭，Skill 默默退化
失败模式反复重演，缺乏学习机制
知识封锁在单个 Agent 内

✅ OpenSpace 赋能的 Agent

多层监控捕捉问题并自动触发修复
成功的工作流转化为可复用、可共享的 Skill
一个 Agent 学到有用的东西，所有 Agent 即刻获得

📊 OpenSpace：让你的 Agent 成为能赚钱的同事

🎯 真实世界的硬核结果 在 6 个行业的 50 项专业任务（📈 GDPVal 经济基准测试）上，OpenSpace Agent 使用相同的骨干 LLM（Qwen 3.5-Plus），收入是基线（ClawWork）Agent 的 4.2 倍，同时通过 Skill 进化节省了 46% 的 Token 开销。

💼 这些不是玩具级别的问题

根据复杂的工会合同构建工资计算器
从 15 份散落的 PDF 文档中准备纳税申报表
起草关于加州隐私法规的法律备忘录
创建合规表格和工程技术规格书

📈 在所有领域全面胜出

合规类工作：收入提升 +18.5%
工程类项目：性能提升 +8.7%
专业文档类：Token 需求减少 56%
所有类别均有提升——无一例外

OpenSpace 不仅让 Agent 更聪明 —— 更让它们具备经济可行性。真实工作、真实收入、可衡量的成果。

OpenSpace 自主系统开发案例

🖥️ My Daily Monitor — OpenSpace 赋能你的 Agent 完成大规模系统开发。这个拥有 20 多个实时仪表盘面板的个人行为监控系统完全由 Agent 构建——通过 OpenSpace 从零进化出 60 多项 Skill，展示了自主端到端软件开发能力。

⚡ 快速开始

🌐 只想看看？ 在 open-space.cloud 浏览社区 Skill 和进化谱系——无需安装。

git clone https://github.com/HKUDS/OpenSpace.git && cd OpenSpace
pip install -e .
openspace-mcp --help   # 验证安装

Tip

Clone 太慢？ assets/ 目录包含约 50 MB 的图片文件，导致仓库较大。使用以下轻量方式跳过它：

git clone --filter=blob:none --sparse https://github.com/HKUDS/OpenSpace.git
cd OpenSpace
git sparse-checkout set '/*' '!assets/'
pip install -e .

选择你的路径：

路径 A — 将 OpenSpace 接入你的 Agent
路径 B — 直接使用 OpenSpace 作为你的 AI 协作者

🤖 路径 A：为你的 Agent 接入

适用于任何支持 Skill（SKILL.md）的 Agent——Claude Code、Codex、OpenClaw、nanobot 等。

① 将 OpenSpace 添加到你的 Agent 的 MCP 配置中：

{
  "mcpServers": {
    "openspace": {
      "command": "openspace-mcp",
      "toolTimeout": 600,
      "env": {
        "OPENSPACE_HOST_SKILL_DIRS": "/path/to/your/agent/skills",
        "OPENSPACE_WORKSPACE": "/path/to/OpenSpace",
        "OPENSPACE_API_KEY": "sk-xxx (可选，用于云端)"
      }
    }
  }
}

Tip

凭证（API 密钥、模型）会从你的 Agent 配置中自动检测，通常无需手动设置。

② 将 Skill 复制到你的 Agent Skill 目录：

cp -r OpenSpace/openspace/host_skills/delegate-task/ /path/to/your/agent/skills/
cp -r OpenSpace/openspace/host_skills/skill-discovery/ /path/to/your/agent/skills/

完成。这两项 Skill 会教你的 Agent 何时以及如何使用 OpenSpace——无需额外提示。你的 Agent 现在可以自我进化 Skill、执行复杂任务、访问云端 Skill 社区。你也可以添加自定义 Skill——参见 openspace/skills/README.md。

Note

云端社区（可选）： 在 open-space.cloud 注册以获取 OPENSPACE_API_KEY，然后将其添加到上面的 env 块中。即使没有 API Key，所有本地功能（任务执行、进化、本地 Skill 搜索）也能正常运行。

📖 各 Agent 配置（OpenClaw / nanobot）、所有环境变量、高级设置：openspace/host_skills/README.md

👤 路径 B：作为你的 AI 协作者

直接使用 OpenSpace——编码、搜索、工具调用等——内置自我进化 Skill 和云端社区。

Note

创建 .env 文件并填入你的 LLM API 密钥，可选添加 OPENSPACE_API_KEY 以访问云端社区（参考 openspace/.env.example）。

# 交互模式
openspace

# 执行任务
openspace --model "anthropic/claude-sonnet-4-5" --query "Create a monitoring dashboard for my Docker containers"

添加自定义 Skill：openspace/skills/README.md。

Cloud CLI — 通过命令行管理 Skill：

openspace-download-skill <skill_id>         # 从云端下载 Skill
openspace-upload-skill /path/to/skill/dir   # 上传 Skill 到云端

Python API

import asyncio
from openspace import OpenSpace

async def main():
    async with OpenSpace() as cs:
        result = await cs.execute("Analyze GitHub trending repos and create a report")
        print(result["response"])

        for skill in result.get("evolved_skills", []):
            print(f"  Evolved: {skill['name']} ({skill['origin']})")

asyncio.run(main())

📊 本地仪表盘

查看你的 Skill 如何进化——浏览 Skill、追踪谱系、比较差异。

需要 Node.js ≥ 20。

# 终端 1：启动后端 API
openspace-dashboard --port 7788

# 终端 2：启动前端开发服务器
cd frontend
npm install        # 仅首次需要
npm run dev

📖 前端设置指南：frontend/README.md


_{Skill 类别 — 浏览、搜索与排序}	_{云端 — 浏览与发现 Skill 记录}

_{版本谱系 — Skill 进化图谱}	_{工作流会话 — 执行历史与指标}

📈 基准测试：GDPVal

我们在 GDPVal 上评估 OpenSpace——该数据集包含 220 项真实世界的专业任务，涵盖 44 个职业——采用 ClawWork 评测协议，使用相同的生产力工具和基于 LLM 的评分方式。我们的两阶段设计（Cold Start → Warm Rerun）展示了积累的 Skill 如何随时间降低 Token 消耗。

公平基准：OpenSpace 使用 Qwen 3.5-Plus 作为骨干 LLM——与 ClawWork 基线 Agent 完全相同——确保性能差异纯粹来源于 Skill 进化，而非模型能力差异。

真实经济价值：任务涵盖构建工资计算器、准备纳税申报表、起草法律备忘录等——这些都是产生真实 GDP 的专业工作，同时从质量和成本效率两个维度进行评估。

收入提升 4.2 倍 — 相比使用相同骨干 LLM（Qwen 3.5-Plus）的 ClawWork
72.8% 价值捕获率 — 在 $15,764 的任务总价值中赚取 $11,484，超越所有 Agent
70.8% 平均质量 — 比最佳 ClawWork Agent（40.8%）高出 30 个百分点
Phase 2 的 Token 用量仅为 Phase 1 的 45.9% — 更好的结果，显著更低的成本

OpenSpace 能处理哪些真实任务？

50 项 GDPVal 任务涵盖 6 个真实工作类别。

Phase 1（Cold Start） 按顺序执行全部 50 项任务——每项任务完成后，Skill 积累到共享数据库中。
Phase 2（Warm Rerun） 使用 Phase 1 中完整的进化 Skill 库，重新执行相同的 50 项任务。

收入捕获率 = 实际获得报酬 ÷ 任务最大可能价值

🎯 进化在何处产生最大影响——以及原因：

类别	收入变化	Token 变化	原因
📝 文档与通信 (7)	71→74% (+3.3pp)	−56%	规范的正式输出——加州隐私法备忘录、监控调查报告、子女抚养案例报告。`document-gen-fallback` Skill 族历经 13 个版本进化，使结构化输出和错误恢复接近全自动。
📋 合规与表单 (11)	51→70% (+18.5pp)	−51%	结构化 PDF——从 15 份源文档生成纳税申报表、药房合规检查清单、临床交接模板。PDF Skill 链（检查清单逻辑 → reportlab 排版 → 验证）只需进化一次，所有表单任务即可复用完整流水线。
🎬 媒体制作 (3)	53→58% (+5.8pp)	−46%	通过 Python 和 ffmpeg 处理音视频——根据鼓点参考生成巴萨诺瓦器乐、从 5 轨中编辑低音分轨、从 13 段源视频制作 CGI 集锦。进化的 Skill 编码了可用的 ffmpeg 参数和编解码器回退策略，消除了沙箱中的反复试错。
🛠️ 工程 (4)	70→78% (+8.7pp)	−43%	多交付物技术项目——Web3 全栈（Solidity + React + 测试）、CNC 工作站安全系统（报告 + 布局图 + 硬件表）、航空航天 CFD 报告。协调类 Skill 在这些多样化任务之间通用迁移。
📊 电子表格 (15)	63→70% (+7.3pp)	−37%	功能性 .xlsx 工具——根据工会合同构建工资计算器、基于历史数据预测销售、含竞品对标的定价模型。电子表格模式（公式、合并单元格、数据验证）在各领域完全通用。
📈 战略与分析 (10)	88→89% (+1.0pp)	−32%	战略建议——供应商谈判策略、非营利项目评估、3 亿美元交易台的能源交易分析。质量已处最高水平（88%）；节省来自于文档结构和多文件编排的复用。

进化产出了什么？（165 项 Skill）

在 50 项 Phase 1 任务中，OpenSpace 自主进化出 165 项 Skill。突破性发现：这些不仅是领域知识——它们是鲁棒的执行模式和质量保障工作流。Agent 学会了如何在不完美的真实世界环境中可靠地交付成果。

关键发现：大多数 Skill 聚焦于工具可靠性和错误恢复，而非特定任务知识。

用途	数量	Skill 教会 Agent 什么
文件格式 I/O	44	PDF 解析回退、DOCX 解析、Excel 合并单元格处理、PPTX 创建。其中 32/44 从真实失败中捕获——每一条都是生产环境中解决的 Bug。
执行恢复	29	分层回退：沙箱失败 → Shell → 写文件后运行 → heredoc。28/29 从实际崩溃中捕获。这是使一切其他 Skill 可靠运行的基础。
文档生成	26	端到端文档流水线。`document-gen-fallback` 从 1 项导入 Skill 进化为 13 个衍生版本——进化最深入的 Skill 族。
质量保障	23	写后验证：检查 Excel 行数、验证 PDF 页数、校验电子表格公式。Phase 2 质量提升的关键——Agent 不仅生产，还验证。
任务编排	17	多文件追踪、ZIP 打包、零迭代失败检测。适用于所有多交付物任务类型的元 Skill。
领域工作流	13	SOAP 病历记录、音频制作（从 1 个模板衍生 4 代）、视频流水线。数量虽少，但在各自领域内进化深度显著。
网络与研究	11	SSL/代理调试、搜索回退、JS 重页面处理。包含 2 项修复 Skill——网络访问本质上不稳定。

复现实验、分析工具与结果：gdpval_bench/README.md

📊 案例展示：My Daily Monitor

零行人工编写的代码。 60 多项 Skill 从零进化，构建出一个完整可用的实时仪表盘。

My Daily Monitor 是一个常驻运行的仪表盘，实时展示进程、服务器、新闻、市场、邮件和日程——内置 AI Agent。

OpenSpace 如何从零构建它

阶段	发生了什么	Skill
🌱 种子期	分析开源项目 WorldMonitor，提取参考模式	6 项初始 Skill
🏗️ 脚手架	生成项目结构、Vite 配置、TypeScript 设置	+8 项 Skill
🎨 构建	创建 20 多个面板，配合数据服务、API 路由、网格布局	+25 项 Skill
🔧 修复	自动修复 TypeScript 错误、API 不匹配、CSS 冲突	+12 项 FIX 进化
🧬 进化	衍生增强模式，合并互补 Skill	+15 项 DERIVED Skill
📦 捕获	从成功执行中提取可复用模式	+8 项 CAPTURED Skill

📈 Skill 进化图谱

每个节点代表 OpenSpace 学习、提取或精炼的一项 Skill。完整的进化历史已在 showcase/.openspace/openspace.db 中开源——可用任意 SQLite 浏览器加载，探索谱系、差异和质量指标。

完整详情：showcase/README.md

🏗️ OpenSpace 框架

🧬 自我进化引擎

OpenSpace 的核心。Skill 不是静态文件——它们是能够自动选择、应用、监控、分析和进化自身的"活"实体。

🔄 自主与持续进化

全生命周期管理：从发现到应用到进化——全程无需人工干预。无论是否存在匹配的 Skill，OpenSpace 都能完成任务。

三种进化模式：

🔧 FIX — 就地修复损坏或过时的指令。同一 Skill，新版本。
🚀 DERIVED — 从父 Skill 创建增强版或专用版。新 Skill 目录，与父 Skill 共存。
✨ CAPTURED — 从成功执行中提取全新的可复用模式。全新 Skill，无父级。

三个独立触发器：多层防线抵御 Skill 退化——无论执行成功还是失败都驱动进化。

📈 执行后分析 — 每次任务完成后运行。分析完整记录，为相关 Skill 建议 FIX/DERIVED/CAPTURED。
⚠️ 工具退化检测 — 当工具成功率下降时，质量监控器找到所有依赖的 Skill 并批量进化。
📊 指标监控 — 定期扫描 Skill 健康指标（应用率、完成率、回退率），进化表现不佳者。

📊 全栈质量监控

多层追踪：质量监控覆盖整个执行栈——从高层工作流到单个工具调用：

🎯 Skill — 应用率、完成率、有效率、回退率
🔨 工具调用 — 成功率、延迟、标记的问题
⚡ 代码执行 — 执行状态、错误模式

级联进化：当任何组件退化时——无论是 Skill 工作流还是单个工具调用——上游所有依赖的 Skill 自动触发进化，维持系统级一致性。

🔧 智能且安全的进化

🤖 自主进化：每次进化都会探索代码库、发现根因、自主决定修复——在做出改变之前收集真实证据，而非盲目生成。

⚡ 基于 Diff 且节省 Token：生成最小化的、有针对性的 Diff，而非全量重写，失败时自动重试。每个版本存储在版本 DAG 中，支持完整的谱系追踪。

🛡️ 内置安全防护：

确认门控减少误触发
反循环守卫防止进化失控
安全检查标记危险模式（Prompt Injection、凭证窃取）
进化后的 Skill 经验证后才替换前代

🌐 协作 Skill 社区 一个协作式注册中心，Agent 在此共享进化后的 Skill。当一个 Agent 完成改进，所有连接的 Agent 都可以发现、导入并在此基础上构建——将个体进步转化为集体智慧。

🔐 灵活共享：可选择公开分享、团队内分享或保持私有。智能搜索帮你找到所需并自动导入。每次进化都有完整 Diff 的谱系追踪。
☁️ 协作平台：open-space.cloud — 注册获取 API 密钥、浏览社区 Skill、管理你的团队。

🔧 高级配置

对大多数用户而言，快速开始就是你所需的全部。如需高级选项（环境变量、执行模式、安全策略等），请参见 openspace/config/README.md。

📖 代码结构

图例：⚡ 核心模块 | 🧬 Skill 进化 | 🌐 云端 | 🔧 支撑模块

OpenSpace/
├── openspace/
│   ├── tool_layer.py                     # OpenSpace 主类 & OpenSpaceConfig
│   ├── mcp_server.py                     # MCP 服务器（为你的 Agent 提供 4 个工具）
│   ├── __main__.py                       # CLI 入口（python -m openspace）
│   ├── dashboard_server.py               # Web 仪表盘 API 服务器
│   │
│   ├── ⚡ agents/                         # Agent 系统
│   │   ├── base.py                       # 基础 Agent 类
│   │   └── grounding_agent.py            # 执行 Agent（工具调用、迭代、Skill 注入）
│   │
│   ├── ⚡ grounding/                      # 统一后端系统
│   │   ├── core/
│   │   │   ├── grounding_client.py       # 跨所有后端的统一接口
│   │   │   ├── search_tools.py           # 智能工具 RAG（BM25 + embedding + LLM）
│   │   │   ├── quality/                  # 工具质量追踪与自我进化
│   │   │   ├── security/                 # 策略、沙箱、E2B
│   │   │   ├── system/                   # 系统级 provider 与工具
│   │   │   ├── transport/                # 连接器与任务管理器
│   │   │   └── tool/                     # 工具抽象（基础、本地、远程）
│   │   └── backends/
│   │       ├── shell/                    # Shell 命令执行
│   │       ├── gui/                      # Anthropic Computer Use
│   │       ├── mcp/                      # Model Context Protocol（stdio、HTTP、WebSocket）
│   │       └── web/                      # 网络搜索与浏览
│   │
│   ├── 🧬 skill_engine/                  # 自我进化 Skill 系统
│   │   ├── registry.py                   # 发现、BM25+embedding 预过滤、LLM 选择
│   │   ├── analyzer.py                   # 执行后分析（Agent 循环 + 工具访问）
│   │   ├── evolver.py                    # FIX / DERIVED / CAPTURED 进化（3 种触发器）
│   │   ├── patch.py                      # 多文件 FULL / DIFF / PATCH 应用
│   │   ├── store.py                      # SQLite 持久化、版本 DAG、质量指标
│   │   ├── skill_ranker.py               # BM25 + embedding 混合排序
│   │   ├── retrieve_tool.py              # 面向 Agent 的 Skill 检索工具
│   │   ├── fuzzy_match.py                # Skill 发现的模糊匹配
│   │   ├── conversation_formatter.py     # 格式化执行历史以供分析
│   │   ├── skill_utils.py                # 共享 Skill 工具函数
│   │   └── types.py                      # SkillRecord、SkillLineage、EvolutionSuggestion
│   │
│   ├── 🌐 cloud/                         # 云端 Skill 社区
│   │   ├── client.py                     # HTTP 客户端（上传、下载、搜索）
│   │   ├── search.py                     # 混合搜索引擎
│   │   ├── embedding.py                  # Skill 搜索的向量生成
│   │   ├── auth.py                       # API 密钥管理
│   │   └── cli/                          # CLI 工具（download_skill、upload_skill）
│   │
│   ├── 🔧 platform/                      # 平台抽象（系统信息、截图）
│   ├── 🔧 host_detection/                # 自动检测 nanobot / openclaw 凭证
│   ├── 🔧 host_skills/                   # 面向 Agent 集成的 SKILL.md 定义
│   │   ├── delegate-task/SKILL.md        # 教 Agent：执行、修复、上传
│   │   └── skill-discovery/SKILL.md      # 教 Agent：搜索与发现 Skill
│   ├── 🔧 prompts/                       # LLM Prompt 模板（grounding + Skill 引擎）
│   ├── 🔧 llm/                           # LiteLLM 封装，含重试与限流
│   ├── 🔧 config/                        # 分层配置系统
│   ├── 🔧 local_server/                  # GUI/Shell 后端 Flask 服务器（服务器模式）
│   ├── 🔧 recording/                     # 执行录制、截图与视频捕获
│   ├── 🔧 utils/                         # 日志、UI、遥测
│   └── 📦 skills/                        # 内置 Skill（最低优先级，用户可在此添加）
│
├── frontend/                             # 仪表盘 UI（React + Tailwind）
├── gdpval_bench/                         # GDPVal 基准测试实验与结果
├── showcase/                             # My Daily Monitor（60+ 进化 Skill）
│   ├── my-daily-monitor/                 # 完整应用（零行人工代码）
│   └── skills/                           # 60+ 进化 Skill 及完整谱系
├── .openspace/                           # 运行时：embedding 缓存 + Skill 数据库
└── logs/                                 # 执行日志与录制

🤝 贡献与路线图

欢迎贡献！OpenSpace 目前在进化「如何完成任务 X」。下一个前沿方向是：进化 Agent 如何协同完成任务 X。

团队基础设施（可见性、共享、权限）已上线。接下来：

看板式编排 — 具备 Skill 感知调度的共享任务板；调度策略本身也能进化
协作模式进化 — 从已完成的任务中捕获并改进分解、交接、优先级策略
角色涌现 — Agent 通过实践发展角色画像，而非依赖配置
跨团队模式迁移 — 一个团队发现的协调模式，可通过云端注册中心供其他团队使用

🔗 相关项目

OpenSpace 构建于以下开源项目之上。我们衷心感谢其作者和贡献者：

AnyTool — 面向任意 AI Agent 的即插即用通用工具层
ClawWork — 将 AI 助手转变为真正的 AI 同事
WorldMonitor — 实时全球情报仪表盘

🌟 如果 OpenSpace 对你的 Agent 有帮助，请给我们一颗 Star！

🧬 让你的 Agent 自我进化 · 🌐 一个共同成长的社区 · 💰 更少 Token，更聪明的 Agent

❤️ 感谢访问 ✨ OpenSpace！

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

✨ OpenSpace：让你的 Agent 更聪明、更省钱、自我进化 ✨

当前 AI Agent 面临的问题

🎯 什么是 OpenSpace？

🧬 自我进化

🌐 Agent 集体智慧

💰 Token 效率

核心差异

📊 OpenSpace：让你的 Agent 成为能赚钱的同事

OpenSpace 自主系统开发案例

📋 目录

⚡ 快速开始

🤖 路径 A：为你的 Agent 接入

👤 路径 B：作为你的 AI 协作者

📊 本地仪表盘

📈 基准测试：GDPVal

OpenSpace 能处理哪些真实任务？

🎯 进化在何处产生最大影响——以及原因：

进化产出了什么？（165 项 Skill）

📊 案例展示：My Daily Monitor

OpenSpace 如何从零构建它

📈 Skill 进化图谱

🏗️ OpenSpace 框架

🧬 自我进化引擎

🔄 自主与持续进化

📊 全栈质量监控

🔧 智能且安全的进化

🔧 高级配置

🤝 贡献与路线图

🔗 相关项目

FilesExpand file tree

README_CN.md

Latest commit

History

README_CN.md

File metadata and controls

✨ OpenSpace：让你的 Agent 更聪明、更省钱、自我进化 ✨

当前 AI Agent 面临的问题

🎯 什么是 OpenSpace？

🧬 自我进化

🌐 Agent 集体智慧

💰 Token 效率

核心差异

📊 OpenSpace：让你的 Agent 成为能赚钱的同事

OpenSpace 自主系统开发案例

📋 目录

⚡ 快速开始

🤖 路径 A：为你的 Agent 接入

👤 路径 B：作为你的 AI 协作者

📊 本地仪表盘

📈 基准测试：GDPVal

OpenSpace 能处理哪些真实任务？

🎯 进化在何处产生最大影响——以及原因：

进化产出了什么？（165 项 Skill）

📊 案例展示：My Daily Monitor

OpenSpace 如何从零构建它

📈 Skill 进化图谱

🏗️ OpenSpace 框架

🧬 自我进化引擎

🔄 自主与持续进化

📊 全栈质量监控

🔧 智能且安全的进化

🔧 高级配置

🤝 贡献与路线图

🔗 相关项目