AIAI 工具图鉴
← 返回全部文章
·约 13 分钟PPT

Agent Apprenticeship

Agent技能插件
下载 PPT下载视频

配套媒体

本页对应的 PPT 与演示视频

agent-apprenticeship-recommend.mp4
PPT
agent-apprenticeship-recommend.pptx浏览器不能直接打开 PPT，下载后用 PowerPoint / WPS / Keynote 查看
下载没反应？点这里复制直链

侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

PPT../../agent-apprenticeship-recommend.pptx
视频../../agent-apprenticeship-recommend.mp4
本文目录
  1. 🚀 什么是 Agent Apprenticeship？
  2. ✨ 核心功能一览
  3. 🛠️ 快速上手：5 分钟跑通示例
  4. 安装 / 注册
  5. 配置 API Key
  6. 第一个任务
  7. 检查产出
  8. 📊 与竞品对比
  9. 💡 适用场景
  10. 场景 1：师徒循环 + 经验复用（核心机制）
  11. 场景 2：Public Ecosystem 共享 / 拉取经验
  12. 场景 3：6 种 Apprentice Agent CLI 灵活组合
  13. 用户群体总结
  14. 📦 Seed Dataset v0.2 数据规模
  15. 🎯 总结

📌 核心价值：让 AI Agent 像人类学徒一样"做完一次任务、留下一条经验、惠及整个生态"

一次任务执行 = 一次工作经历；任务结束后自动产出 Experience Compilation，喂给下次任务或分享到 Public Ecosystem。

封面图

🚀 什么是 Agent Apprenticeship？

Agent Apprenticeship 是一个 MIT 开源 Agent 生态（Forsy-AI/agent-apprenticeship，1.18k ⭐），把"AI Agent 执行任务"这件事升级成"学徒制"：

  • 学徒 Agent（Apprentice Agent）：执行真实任务（Codex / Cursor / Claude Code / OpenClaw / OpenCode / Hermes Agent 任意一种）
  • 师傅 Agent（Mentor Agent）或人类专家：评估执行结果、给出反馈
  • 经验合集（Experience Compilation）：每次任务执行完毕自动生成可复用的经验记录
  • 生态库（Ecosystem）：经验可在 Public Ecosystem 共享，39k+ 经验记录供其他 agent 调用

核心定位：把 Agent 从"一次性工具"变成"积累经验的数字员工"

GitHub stars GitHub forks

✨ 核心功能一览

模块 描述 关键能力
Apprentice Agent 学徒 Agent 适配 6 种主流 CLI 工具 自动检测已安装 CLI，一行命令切换
Mentor Agent 师傅 Agent 或人类专家评估执行结果 Autonomous / Expert-Led / Organization Custom 三种模式
Experience Compilation 任务执行后自动生成可复用的经验合集 包含轨迹、回放、评估、教训
Public Ecosystem 公开生态共享 39k+ 经验记录 apprentice ecosystem search/pull/inspect
Runtime Training 把经验合集装入 Agent，下个任务直接应用 apprentice learn install <path>
Seed Dataset v0.2 500+ 真实任务 / 495 lessons / 1000+ 轨迹 已在 Hugging Face 开源

🛠️ 快速上手：5 分钟跑通示例

安装 / 注册

# 一行启动（推荐）
npx agent-apprenticeship init

# 或者全局安装
npm install -g agent-apprenticeship
apprentice init

# 使用默认配置快速跑通
npx agent-apprenticeship init --defaults

配置 API Key

# ~/.agent-apprenticeship/.env.local
OPENAI_API_KEY="sk-..."
ANTHROPIC_API_KEY="sk-ant-..."
GEMINI_API_KEY="..."
OPENROUTER_API_KEY="..."

第一个任务

# 1. 选择学徒 Agent（自动检测已安装的 CLI）
apprentice configure agent
# → 选 Codex / Cursor / Claude Code / OpenClaw / OpenCode / Hermes Agent 之一

# 2. 选师傅模型
apprentice configure model

# 3. 健康检查
apprentice doctor

# 4. 跑第一个任务
apprentice run "为 AI Agent 项目做一份发布清单"

检查产出

# 监控任务进度
apprentice watch <run_id>

# 检查自动生成的经验合集
apprentice ecosystem inspect <experience_compilation_path>

# 导出完整经验合集（含轨迹 + 评估 + 教训）
apprentice ecosystem export <experience_compilation_path> --full

# 把经验装入 Agent（下次任务自动应用）
apprentice learn install <experience_compilation_path>

注意：所有 API Key 优先放在 ~/.agent-apprenticeship/.env.local，不要提交到 git。Public Ecosystem 模式下，经验会贡献到公开数据集；如果你只想内部用，settings 改成 "Private Internal Only"

📊 与竞品对比

竞品对比表

💡 适用场景

场景 1：师徒循环 + 经验复用（核心机制）

Apprentice-Mentor 循环架构

功能说明：Agent Apprenticeship 的核心是把单次任务变成"学徒-师傅-经验"的闭环。学徒 Agent 跑任务时，师傅 Agent（或人类）实时评估、给出结构化反馈；任务结束后所有轨迹、评估、教训自动打包成 Experience Compilation。

输入要求：一个真实业务任务（"为 X 写市场分析"、"修这个 bug"、"生成销售脚本"）+ 至少一种 Apprentice Agent CLI + Mentor 模型 API Key。

输出效果：本地 runs/<run_id>/ 目录里有完整执行轨迹 + 评估报告 + 可复用的"经验卡"，下次类似任务可直接 learn install 装入。

适用场景：

  • 团队在用 Codex / Cursor 做大量代码任务，希望每次 PR 都有"组织级"经验沉淀
  • 公司内部有 SOP 流程但 Agent 总是"重复犯同样错"，需要 Mentor 反馈机制
  • 多个 Agent 协同（research agent + writing agent + review agent）时，跨 agent 经验共享

场景 2：Public Ecosystem 共享 / 拉取经验

4 象限生态

功能说明：Agent Apprenticeship 内置 4 种生态模式——Public Ecosystem（公开贡献 + 拉取）、Private Internal Only（团队内私有）、Seed Dataset v0.2（HF 上的 39k+ 经验库）、Runtime Training（装入即用的训练包）。

输入要求：apprentice ecosystem search <query> 搜公开经验 → apprentice ecosystem inspect <id> 看详情 → apprentice ecosystem pull <id> 拉到本地。

输出效果：从 HF 公开生态拉取经验合集后，下次 apprentice run 时 Agent 自动参考社区已沉淀的"任务套路"。

适用场景：

  • 跨团队 / 跨公司 Agent 经验共享（"我们公司 Agent 踩过的坑，社区其他 Agent 也遇到过"）
  • 行业垂直 Agent 沉淀（金融 / 法律 / 医疗 Agent 各自维护独立 Ecosystem）
  • 个人开发者从 Public Ecosystem 拉专家经验包，搭出"专家级" Agent

场景 3：6 种 Apprentice Agent CLI 灵活组合

多 Agent 场景

功能说明：Agent Apprenticeship 不绑定特定 Agent——它是一层"通用循环包装器"，能在 Codex（OpenAI）、Cursor、Claude Code、OpenClaw、OpenCode、Hermes Agent 6 种主流 CLI 之间切换，所有经验都跨 CLI 共享。

输入要求：本地装好至少一种 CLI 工具 + 至少一个 Mentor 模型 API Key。

输出效果：同一个经验合集可以在不同 CLI 之间装入使用，团队可以根据预算 / 任务难度随时切换底层 Agent。

适用场景：

  • 多模型团队（GPT-5 写代码 + Claude 写文档 + Gemini 写测试），需要统一经验库
  • 个人开发者在 Codex 和 Cursor 之间根据任务类型切换
  • 公司用 OpenClaw / OpenCode 等开源替代品时也能享受同一套经验生态

用户群体总结

  • ✅ AI Agent 重度用户：每次任务都跑 Codex / Cursor / Claude Code，希望经验沉淀
  • ✅ 多 Agent 团队：需要 Mentor 评估机制做质量把关
  • ✅ 行业垂直 Agent 开发：希望经验跨项目跨公司共享
  • ✅ 独立开发者：从 Public Ecosystem 拉专家经验包快速搭 Agent
  • ❌ 不适合：只想跑一次性简单对话（直接用 ChatGPT / Claude.ai 更轻量）

📦 Seed Dataset v0.2 数据规模

数据集规模表

数据来源：Hugging Face - Forsy-AI/agent-apprenticeship-seed-dataset_v0.2

💡 这是 v0.2 公开种子数据；任何用户执行任务后都能产生新经验合集并贡献回 Ecosystem，数据规模会持续增长

🎯 总结

Agent Apprenticeship 给"AI Agent 做完就忘"这个老问题提供了一个完整的开源解法：Apprentice-Mentor 循环 + Experience Compilation 自动沉淀 + Public Ecosystem 跨团队共享 + Runtime Training 即装即用。

相比传统 Agent 框架（AutoGen、CrewAI、MetaGPT 等），最大差异在于 "经验数据是生态级资产、可以跨 CLI 跨组织复用"——你跑过的每个任务不只是"消费"了一次 LLM，而是为整个生态贡献了一条经验。

推荐指数： ⭐⭐⭐⭐⭐（满分 5 星）

适合人群： AI Agent 重度用户 / 多 Agent 团队 / 行业垂直 Agent 开发者 / 想搭"专家级" Agent 的独立开发者

立即体验：

npx agent-apprenticeship init

GitHub 仓库： Forsy-AI/agent-apprenticeship

开源协议： MIT

数据截至 2026-07-03，最新信息请以 GitHub 仓库为准。