echo-agent

Echo Agent 是一个可自托管、长期运行、持续学习的 AI Agent，面向个人与团队的私有自动化场景。它可以部署在自有服务器上，统一连接模型、工具、记忆、权限与消息入口。内置四层认知记忆、遗忘曲线与矛盾检测机制，能够在跨会话任务中持续沉淀上下文，并保持长期记忆的质量。针对命令执行、文件操作等高风险行为，它提供基于 LLM 的审批与解释机制，为关键操作建立可审计、可追溯的安全边界。原生支持 MCP、A2A、多模型路由、任务调度、工具调用和多通道接入，覆盖 CLI、Gateway API、微信、Telegram 等入口。它让 Agent 带着长期记忆和可进化技能，持续、安全地为你工作。

语言Python
默认分支master
大小92.6 MB
更新3 天前
Issues4

在 GitHub 打开

fuyuxiang

技术解读

以下内容由 GitRead 中文社区编辑团队基于项目 README 与官方资料整理，结合中文开发者的常见使用场景补充技术选型建议。具体以项目官方文档为准。

Echo Agent: 长期记忆与动态自适应的 AI Agent 深度分析

项目背景与痛点

在快速迭代的自动化运维与AI驱动的智能决策场景中，如何保持高效率的同时兼顾长期记忆的持续学习与动态自适应？Echo Agent 给出了一个强有力的解答。作为一款面向个人与团队的私有自动化助手，Echo Agent 不仅能够部署在自有服务器上，还能够统一连接多种模型与工具，并基于 MCP (Multi-Context Processors) 和 A2A（Agent to Agent）协议构建起一套完整的私有自动化解决方案。

在面对复杂的跨会话任务时，Echo Agent 内置的四层认知记忆和遗忘曲线机制，能够有效地保持上下文的记忆质量，避免频繁的重复输入和错误的上下文依赖，这是很多同类工具所不具备的独特优势。通过这种设计，Echo Agent 确保了长期任务中的高效与准确性，为个人与团队提供稳定、持续驱动的工作流。

核心技术揭秘

Echo Agent 的设计架构基于几个关键技术点，其中最为关键的是其多层次记忆系统和基于 LLM（Language Learning Model）的审批机制。

技术架构

数据流与组件

Echo Agent 使用多层次数据流与组件化设计，核心组件包括模型处理器、跨会话记忆管理器、权限管理和工具调用虚拟机。其数据流主要如下所示：

graph TD A[用户指令] --> B("命令解析器") B --> C{"模式匹配?"} C -->|"匹配通过"| D("权限校验") D --> E{"执行类型?"} E -->|"高风险"| F{"审批流程?"} E -->|"低风险"| H("执行任务") F -->|"通过审批"| G("执行任务") F -->|"未通过"| I("日志记录&反馈") H --> J("返回结果") G --> J I --> J J --> K("更新记忆") K --> L("存储策略")

命令解析器：负责解析用户的输入指令，并从中提取必要的参数及需求。
模式匹配：根据解析出的指令，匹配相应的服务模式，确定执行逻辑。
权限校验：基于用户身份及权限规则，决定是否允许执行特定操作。
高风险审批流程：对于涉及用户隐私或高风险的数据操作，执行基于 LLM 的审批机制，确保操作的安全性与合法性。
信息反馈：执行完成后，更新相关信息至本地记忆模块，并重新路由流量。

通过这种模块化的设计理念，Echo Agent 实现了对命令、文件、记忆操作多层次的条理化管理，同时通过局部规划内存管理与遗忘曲线机制，保障系统的稳定运行与数据的安全。

核心算法

四层记忆架构

记忆管理是 Echo Agent 核心竞争力的关键所在。通过多层次数据主题划分和基于遗忘曲线的优化算法，保持长期记忆的实时有效性。

短期记忆：进行当前对话期间发生的事件，在会话结束或特定时间内过期。
中期记忆：用于近期或中期内可能会重用的信息，例如环境设置更改；一旦不再处于活动状态，将逐步转移到长期记忆。
长期记忆：定期从中期记忆迁移过来的重要上下文及数据，一般用于后续决策支持与背景参考。
永久记忆：系统内的基础设施配置、策略参数等核心信息固定存储，几乎不变。

技术栈与实现

在技术栈上，Echo Agent 借助现代 Python 生态系统，集成了 TensorFlow、SQLAlchemy 等库构建其核心架构。同时，为了确保高效运行与高兼容性，它支持广泛的通道接入方式（CLI、API Gateway、微信、Telegram 等）使开发者与最终用户均能无缝集成 Echo Agent 进入现有的自动化体系中。

功能亮点与差异

相较于同类竞品，Echo Agent 的特长在于其内置的记忆优化算法与首重安全的审批机制。

认知记忆管理：连续任务中的学习与记忆优化给予用户最佳体验。
安全性与审计边界：基于 LLM 的审批流程确保了每个关键操作都有审计日志，为用户提供安全的环境保障。
多模型支持与路由策略：覆盖了广泛的 API 集成需求，同时支持诸如 MCP、A2A 等协议，进一步提升灵活性。

应用场景与落地建议

Echo Agent 的主要应用场景在于需要长期稳定运行的任务管理与智能决策支持。建议在部署前充分考量自身业务需求，并针对敏感操作设定清晰的安全策略，避免潜在的隐私泄露与风险操作。同时，务必做好定期维护与监控，以确保系统的长期健康运行。

其理想的业务场景包括但不限于：

自动化运维：持续监测系统运行状态，指挥操作任务。
决策支持系统：整合多种数据源，为战略决策提供依据。
智能助理工具：协助个人工作生活，记录重要信息，提供智能提示。

综合评价

总的来说，Echo Agent 作为一个结合长期记忆机制与安全审批的 AI Agent，其优势在于提供了高效、智能且安全的自动化环境，然而具体到生产环境使用时需注意安全策略的灵活设定与前后端维护。希望在未来，Echo Agent 能在安全性与智能性二者之间取得更好的平衡，成为更多开发者理想的助手。

关于

agent agent-memory memory

MIT License
1.0k Stars
33 Forks
9 Watching

简要分析

热度分

1110

价值分

631

活跃状态

活跃

GitHub

语言占比

Batchfile

CSS

Dockerfile

HTML

JavaScript

NSIS

PowerShell

Python

Rust

Shell

Swift

TypeScript

Release

v0.3.1110月8日
v0.3.78月18日
v0.3.67月23日
v0.3.57月23日

贡献者

让 Agent 记住上下文，把经验转化为技能。

可自托管、可嵌入、源码开放的 Agent Runtime，以及本地优先的桌面 Agent。

记忆与进化 · 架构 · 文档 · English

选择你的入口

产品	适合什么场景	从哪里开始
Echo Agent Runtime	构建拥有记忆、能积累经验的 Agent；在终端运行、部署服务，或集成到自己的应用	安装与部署 · 架构与运行方式
EchoAgent Desktop	在真实工作区中编写代码、处理文档、操作浏览器与电脑，并查看执行过程与变更	安装与使用 · 桌面端能力

快速开始

Agent Runtime

需要 Python 3.11+，以及至少一个可用模型服务的 API Key。在终端执行：

pip install "echo-agent[all]"
echo-agent setup
echo-agent run

setup 配置模型，run 启动完整 Runtime。中国大陆网络环境可在安装命令后添加 -i https://mirrors.aliyun.com/pypi/simple/。Windows PowerShell 可使用相同命令；依赖与平台限制见安装指南。

Gateway 与 Dashboard

需要网页管理、API 或 CLI/TUI 接入时，先退出上面的 run，再启动 Gateway：

echo-agent gateway

打开 http://127.0.0.1:58123/ 进入 Dashboard。在另一个终端连接同一 Runtime：

echo-agent cli --tui

消息通道、Webhook 和定时任务按配置启用。同一工作区通常只运行一个完整 Runtime；cli 连接已有 Gateway，不再启动执行引擎。详见运行方式与 Dashboard 指南。

后台常驻与源码安装

在 macOS 或使用 systemd 的 Linux 上，可注册 Gateway 用户级后台服务：

echo-agent gateway install
echo-agent gateway status
echo-agent gateway logs --follow

Linux 退出登录后继续运行的设置见后台服务指南。Gateway 默认监听本机回环地址，远程接入可使用 SSH 端口转发；认证配置见 Gateway 认证。

从源码部署时，只需下载 echo-agent-runtime/，在该目录执行：

bash scripts/install.sh --source .

本地源码包含完整 Dashboard 工程，需要前端构建；正式 Runtime 发布压缩包内置前端产物，服务器无需 Node/pnpm。网络安装脚本会获取 Runtime 的稀疏源码。安装方式、依赖与升级步骤见 Runtime 安装说明。

EchoAgent Desktop

安装包、支持平台和源码环境要求见桌面端快速开始。已有本仓库源码的 macOS 用户可从仓库根目录启动：

cd client
pnpm setup:mac
pnpm install --frozen-lockfile
pnpm tauri dev

首次运行会准备内嵌 Runtime、Theia IDE 和 Office Worker。桌面端可以独立启动；模型可使用项目内置远端服务，也可自行配置连接。Windows 步骤见桌面端文档。

长期记忆与技能自进化

认知记忆延续上下文，技能自进化让执行经验得到复用。 下图描述 Runtime 中的两条链路：

Runtime 的认知记忆与技能进化：有效记忆经混合召回进入上下文；任务轨迹生成技能候选，经校验、风险检查和隔离评估进入晋升、待审核或拒绝分支

认知记忆

记住用户偏好与项目事实，跨会话找回相关上下文，减少重复交代背景。记忆按 Working、Episodic、Semantic、Archival 分层管理；BM25 与可选向量检索通过 RRF 融合召回。作用域、来源和有效性约束决定哪些内容可以进入本轮上下文，归档、已取代及未解决冲突的条目不参与正常召回。

回复后的后台整合可提取摘要与事实、处理矛盾并执行衰减归档。实现与配置见记忆系统。

技能自进化

从执行轨迹和反思中生成可复用的技能候选，按风险与配置进入审核或隔离评估。满足晋升策略的候选才应用到正式技能库；未通过的候选保留拒绝原因，已晋升的变更支持手动回滚。

进化引擎默认关闭，需配置启用；启用后可选择手动、轨迹阈值或定时触发。它更新的是技能内容与启用状态，具体流程见进化与评估。

架构与运行方式

Desktop 与独立 Runtime 采用共同的 Agent 工作方式，当前使用不同的执行引擎。 Python Runtime 提供终端、Gateway、消息通道、记忆与技能进化；Desktop 在进程内嵌入 Rust 引擎，提供工作区、IDE 和自动化界面。两端分别管理模型配置、会话和记忆，不要求先部署另一端。

C4 系统上下文：Desktop 与独立 Runtime 分别运行，按配置访问模型与工具

项目的主要运行方式

方式	入口	执行引擎在哪里
本地运行	`echo-agent run`	当前 Runtime 进程；Gateway 是否开放由配置决定
Gateway 服务	`echo-agent gateway`	当前 Runtime 进程，对外开放 Dashboard、HTTP/WebSocket API
桌面应用	EchoAgent Desktop	桌面进程内的 Rust 引擎，通过 ACP Channel 与宿主通信

展开 Runtime 内部执行链路

Runtime 内部执行链路：通道经 ChannelManager、应用经可选 GatewayServer 接入 MessageBus；AgentLoop 使用上下文、推理和响应阶段，并调用会话、记忆、模型、工具、权限、Skills 与进化组件

Runtime 装配模型、存储、执行循环、通道、调度和可选 Gateway，并协调启动与停止。入站事件进入任务循环，工具执行受准入与审批控制，结果通过入口交付。详见架构总览。

Runtime 能力

能力	作用
Agent Loop 与任务	协调推理、工具调用、执行反馈、任务状态和规划
模型接入与路由	连接模型服务，配置路由和故障回退
记忆与知识	召回有效记忆，检索知识库，为任务组织上下文
工具与 MCP	执行本地工具，连接外部工具服务
Skills 与 Plugins	加载可复用技能，扩展运行行为
自动化与消息通道	通过定时任务、Webhook 和配置的消息入口触发任务
权限与可观测性	控制工具准入与审批，记录日志、轨迹、用量和执行状态

EchoAgent Desktop

让 Agent 在你的工作区中完成任务。 桌面端通过 React、Tauri 与进程内嵌入的 Rust Agent 引擎，在同一个工作台中呈现计划、工具活动、文件变更和交付物。

场景	桌面端能力
代码开发	Eclipse Theia IDE、Coding Agent、Diff 审阅、验证与交付
浏览器与电脑操作	任务隔离的 Browser Use；由明确任务启动、支持暂停和继续的 Computer Use
文档与知识	项目文件、知识索引、记忆，以及 Word、PDF、Excel、PowerPoint 文档处理
模型与协作	模型连接、MCP、Skills、Plugins、专家与专家团
持续工作	项目与任务、定时自动化，以及可选微信远程会话

浏览器副作用操作与电脑任务采用不同的确认流程；Computer Use 在授权任务内连续执行，平台系统权限仍需授予。实现细节与实机验证范围见桌面端说明、架构与数据流和自动化平台说明。

扩展与集成

把 Agent 能力接入自己的应用，可选择连接服务或源码级嵌入：

连接 Gateway 服务：通过 HTTP / WebSocket API 提交任务并接收事件，由 Runtime 服务持有模型、记忆和执行状态。
源码级嵌入 Runtime：基于 bootstrap / AppRuntime 装配组件，由宿主管理启动、停止和工作区。当前以源码接口为准，集成方应固定版本并验证生命周期。
参考桌面端宿主集成：agent_runtime.rs 展示内嵌 Echo Agent Runtime 与类型化 ACP Channel 的连接方式，依赖定义见 Cargo.toml。

扩展点	用途	文档
Tools / MCP	增加执行能力，连接外部工具	工具参考 · MCP
Skills / Plugins	复用工作流，扩展 Runtime 行为	Skills · Plugins
Models / Channels	接入模型服务和消息入口	模型接入 · 消息通道
A2A	接收入站任务；当前 Agent 运行时不提供 A2A 出站委派入口	A2A 集成

数据与安全

会话、记忆和配置等状态保存在部署环境中。使用远程模型、外部 MCP 或第三方消息通道时，交互所需的数据会发送给相应服务；桌面端启用浏览器或电脑操作后，提供给模型的内容可能包括网页信息和屏幕截图。

Runtime 的工具调用受权限策略与审批控制；桌面端另有工作区授权、权限模式和任务范围控制。具体数据位置、认证方式及操作边界见安全模型、安全加固与桌面端数据与权限。

文档

完整文档：中文文档站 · English documentation

主题	入口
安装与上手	Runtime 安装 · 安装指南 · 快速上手
原理与架构	架构概览 · Agent Loop · 记忆系统 · 进化与评估
配置与运维	配置参考 · CLI · 后台服务
桌面端	安装与使用 · 发行说明
版本与兼容性	更新记录 · 兼容性说明

开发与贡献

echo-agent/
├── echo-agent-runtime/   # 可独立下载和部署的 Runtime，包含 Dashboard 与技能
├── client/               # 桌面工作台、内嵌 Runtime 与 Theia
├── docs/                 # 文档站与图形资源
├── scripts/              # 仓库维护、文档检查与图表生成
└── .github/              # CI、发布与仓库自动化

Runtime 开发环境与检查

在 macOS 或 Linux 上执行：

git clone https://github.com/fuyuxiang/echo-agent.git
cd echo-agent/echo-agent-runtime
uv venv venv --python 3.11
source venv/bin/activate
uv pip install -e ".[all,dev]"
ruff check .
pytest

Dashboard 构建和独立包验证见 Runtime 开发说明。桌面端开发检查见 Desktop 开发说明。

欢迎贡献 Runtime 改进、Bug 修复、工具、Skills、Plugins、消息通道和文档。提交约定见 CONTRIBUTING.md，目录职责见仓库地图。README 的中英文架构图由 scripts/generate-readme-diagrams.py 生成；修改相关实现时应一并核对并更新图文。

社区与支持

使用交流与设计讨论：GitHub Discussions
问题反馈与功能建议：GitHub Issues
中文交流：QQ 群 47572014
安全漏洞：GitHub 私密安全报告，披露流程见 SECURITY.md

项目发起人

Echo Agent 由 付玉祥、高延荣 共同发起。

许可证

本项目原创代码采用 PolyForm Noncommercial License 1.0.0，允许许可证规定的非商业用途。超出许可范围的商业用途需事先取得另行授权，请联系仓库维护者。

第三方组件保留各自的许可证。此前已按其他许可证授予的权利不受本次更新影响。

原 MIT 声明见 LICENSES/MIT.txt。桌面端所含第三方组件的许可信息见第三方许可说明。

Runtime 内置的 FastEmbed 兼容副本使用 Apache-2.0 许可证，来源及 Pillow 13 兼容修改见维护说明。

暂无评论

echo-agent

技术解读

Echo Agent: 长期记忆与动态自适应的 AI Agent 深度分析

项目背景与痛点

核心技术揭秘

技术架构

数据流与组件

核心算法

四层记忆架构

技术栈与实现

功能亮点与差异

应用场景与落地建议

综合评价

相关仓库

关于

简要分析

语言占比

Release

贡献者

选择你的入口

快速开始

Agent Runtime

Gateway 与 Dashboard

EchoAgent Desktop

长期记忆与技能自进化

认知记忆

技能自进化

架构与运行方式

项目的主要运行方式

Runtime 能力

EchoAgent Desktop

扩展与集成

数据与安全

文档

开发与贡献

社区与支持

项目发起人

许可证

评论