你每天产生大量信息，但真正被用上的少之又少。
evabot 在后台持续运行，把你的对话、决策、待办串联成一张网： 谁说过什么，哪件事还没跟进，它都替你记着。
你不需要刻意整理，它会主动把信息送到你需要它的时候。
人际关系最怕的不是不在乎，而是忘了在乎。
evabot 跟踪你重要关系的近期动态，提前提醒你该联系谁、该注意什么变化。 生日、承诺、情绪信号,它都会在合适的时机推到你面前。
你不会再因为太忙而错过重要的人。
当前版本已完成核心架构，各项功能正在快速开发中——欢迎 star 跟进进展。
你只需要和一个 Butler 聊天。不用创建新会话，不用考虑上下文窗口。三层架构在物理层面隔离了任务执行与你的对话。evabot 越用越聪明，而不是越用越笨。
evabot 不只是修复错误，它会主动进化自己的能力：
① 失败触发反思 每次执行失败都会自动触发一次复盘。系统定位自身逻辑中的问题所在，并将修正结果写回配置。同样的错误，不会犯第二次。
② 主动猎取更优 Skill 当某个 Skill 需要更新时，evabot 不会等原作者发新版本。它主动全网搜索具备相同功能的所有 Skill，通过安全检测后自动对比并应用最优方案——无需你手动跟进任何社区更新。
③ 竞争式 Skill 进化 它不只是选最新的版本。系统会针对你的具体使用模式对候选 Skill 进行横向比较，如果没有一个完全契合你需求的，它会从多个 Skill 中提取最优部分，合成一个专属于你的新 Skill。
evabot 不相信榜单。测评分数高的模型，不代表在你的具体任务上表现也好。evabot 的做法是：
- 依据真实任务历史与你的领域实际成功率，为每个模型动态打分
- 对每个新任务进行难度评估，与模型能力档案进行匹配
- 最终选择在能够胜任该任务的模型中，成本最低的那一个——不选最贵的，也不选最强的，选最合适的
子任务执行到一半缺少关键参数时，系统不会盲猜。它会逐层向上询问，因为有时候拆分任务时并没有传入完整的背景信息，当每一层都没有需要的信息时，会最终询问到你。
再拿到确切信息后，再逐级向下分发，确保全链路都得到了信息补充，然后继续执行。
任务从不会在你不知情的情况下静默偏离。
强制审计，输出必须基于真实工具反馈，不允许模型凭空捏造。
git clone https://github.com/wpydcr/evabot.git
cd evabot
pip install -r requirements.txt建议 Python 3.12+
python run.py| 聊天页面 | 模型配置页 |
|---|---|
 |
 |
| 渠道配置页 | |
 |
Channel Adapters（渠道适配器：终端 / 微信 / Slack / ...）
│
▼
Gateway ← 常驻进程：路由 / 队列 / 心跳推送
│
├──► Butler ← 你唯一的对话界面：意图澄清、任务派发
│ │
│ ▼
│ Solver ← 任务拆解、Skill 调度、上下游通讯
│ │
│ ▼
│ Worker ← 闭环执行：Worker + Auditor 审计
│
└──► Memory ← 仅检索交互层（Butler）历史数据
核心隔离原则： 每一层只能看到下层的结果，而非内部过程。这正是无论任务多复杂，你的对话始终保持干净的原因。
evabot/
├── frontend/ # UI
└── backend/
├── app/
│ ├── channels/ # 渠道适配器（终端、消息平台等）
│ ├── gateway/ # 网关层：消息路由、队列管理、常驻进程
│ ├── observer/ # 记录与处理用户的日常信息
│ ├── butler/ # 交互层：意图澄清、日常闲聊、向下游派发任务
│ ├── solver/ # 统筹层：任务拆解、Skill 调度、上下游通讯
│ └── workers/ # 执行层：Worker 执行机制 + Auditor 严苛审计
├── core/ # 系统基座工具
├── power/ # 技能库
│ ├── active/ # 生产环境运行的 Skill
│ ├── archive/ # 版本更新回滚区
│ └── power.py # 技能树解析与管理器
├── logs/ # 系统运行日志归档
├── memory/ # 记忆层：历史存储、更新与检索
├── llm/ # 大模型配置
└── workspace/ # 隔离工作区
run.py # 系统启动入口
- 基础架构
- 前端页面
- 消息渠道支持
- 定时任务
- 语音转文字与说话人识别
- 日常信息记录/处理
- 操作电脑
- 多模态支持
感谢访问 ✨ evabot!
evabot 仅供教育、研究与技术交流使用。