Agent Apprenticeship 是一个面向 AI Agent 的本地工作流与经验学习生态工具，目标是让 Codex、Cursor、Claude Code、OpenCode、OpenClaw、Hermes Agent 或自定义 Agent 在真实任务中通过迭代循环执行工作，并产出可复用的执行轨迹、经验包、训练信号和贡献包。项目提供 CLI 工具 apprentice，可用于初始化环境、配置导师模型、运行任务、检查生成结果、复用生态经验包，并将本地 Agent 执行经验贡献回公共生态。
适用领域
AI Agent 工程 / Agent 工作流编排 / 大模型应用开发 / 自动化任务执行 / 强化学习与后训练数据 / 执行轨迹与训练信号收集 / 企业知识工作自动化 / Agent 经验复用生态
配置难度
中等。基础初始化和运行任务较简单，但要正确配置模型 API、本地 Agent、自定义命令模板、经验包复用、生态贡献和数据安全策略，需要一定 AI Agent 工程经验。
商业价值
较高。该项目面向真实工作场景中的 Agent 执行、经验沉淀和训练信号交换，适合用于企业内部 Agent 工作流实验、AI 助手能力评估、后训练数据采集和自动化知识工作流程建设。对于希望构建可持续 Agent 经验库或评估 AI Agent 经济价值的团队，具有较强探索价值。但在生产落地前，需要重点解决数据隐私、任务隔离、质量评估和合规审查问题。
01
技术亮点
- 支持多种主流本地 AI 编程 Agent，包括 Codex、Cursor、Claude Code、OpenCode 等。
- 不仅执行任务，还会生成可复用的经验包、执行轨迹和训练信号。
- 提供 seed dataset，包含 500+ 真实任务、495 条可复用 Agent lessons、1000+ 执行轨迹和 1000+ 工作 episode。
- 支持模型导师、人工专家导师、混合导师三种模式，适合自动化与人工审核结合的场景。
- 可以从公共生态搜索、拉取、复用已有任务经验。
- 支持将经验包用于后续新任务，提升 Agent 执行质量。
- CLI 使用方式清晰，适合本地开发者快速试验。
- MIT 许可证，商业和研究使用门槛较低。
02
目标用户
- AI Agent 开发者
- 使用 Claude Code、Cursor、Codex 等工具的开发者
- 希望收集 Agent 执行轨迹和训练信号的研究人员
- 构建企业级 Agent 工作流的工程团队
- 希望复用真实任务经验包的 Agent 应用开发者
- 关注 Agent 经济价值评估和真实工作自动化的创业团队
- 希望让自定义 CLI Agent 接入统一循环框架的开发者
03
配置要求
- 需要 Node.js/npm 环境。
- 至少需要一个可用的本地 Apprentice Agent，例如 Codex、Cursor、Claude Code、OpenClaw、OpenCode、Hermes Agent，或自定义命令模板。
- 如果使用模型辅助导师模式，需要配置至少一个模型供应商 API Key，例如 OPENAI_API_KEY、ANTHROPIC_API_KEY、GEMINI_API_KEY 或 OPENROUTER_API_KEY。
- API Key 默认存放在 ~/.agent-apprenticeship/.env.local，也可以通过当前终端环境变量设置。
- 可配置 mentor mode：model-assisted、expert-led、hybrid。
- 可通过 AA_MAX_ITERATIONS 或 settings 配置最大循环迭代次数。
- 如需贡献到公共生态，需要安装 GitHub CLI，并完成 gh 登录认证。
- 如需自动分享，需要配置 ecosystem repo 和 auto-share 模式。
04
适用场景
- 让本地 Agent 执行长周期真实任务，并通过 mentor loop 进行多轮优化
- 为某个任务生成 Agent execution trace、work episode 和 contribution bundle
- 从公共生态中搜索、拉取并复用已有任务经验
- 将已有生态经验转换为 Experience Pack，并在新任务中复用
- 使用模型导师或人工专家导师对 Agent 执行过程进行指导
- 评估任务级经济价值和 Agent 工作质量
- 为后训练、强化学习、Agent 评估构建真实任务数据集
- 把企业内部常见工作流程沉淀为可复用 Agent 经验包
05
部署与配置
- 确保本机已安装 Node.js 和 npm。
- 使用 npx 快速初始化：npx agent-apprenticeship init
- 或全局安装：npm install -g agent-apprenticeship
- 初始化：apprentice init
- 检查安装与环境：apprentice settings 和 apprentice doctor
- 配置 Apprentice Agent：apprentice configure
- 配置导师模型提供商：apprentice configure model
- 在 ~/.agent-apprenticeship/.env.local 中配置 API Key，或通过 shell 环境变量导出。
- 运行第一个任务：apprentice run "Create a short market map for AI procurement tools."
- 检查生成的 bundle：apprentice bundle inspect <package_path> 和 apprentice bundle check <package_path>
06
风险与注意事项
- 项目概念较新，真实工程成熟度和长期维护情况需要进一步验证。
- README 未展示详细内部架构、数据格式和安全边界，生产使用前需要审查源码。
- 自动分享 contribution bundle 可能包含敏感任务信息、代码、路径、提示词或业务数据，需要谨慎配置 auto-share。
- 依赖外部模型 API 时会产生调用成本，并可能涉及数据出境或合规问题。
- Agent 自动执行真实任务可能修改本地工作区文件，建议在隔离 workspace 或沙箱环境中运行。
- fork 数为 0，社区贡献活跃度暂时有限。
- 对于中文开发者，文档主要为英文，理解概念和配置流程有一定成本。
- 如果依赖 Claude Code、Cursor、Codex 等外部 CLI，实际体验会受这些工具版本和权限限制影响。
2026-06-21
第9名
新收录 · github_search
