引言“大部分 Agent 都在等指令唯有‘白龙马’在自主思考。”这是“每一天一个开源项目”系列的第123篇文章。今天我们要深度剖析的项目是白龙马 (BaiLongma)。如果你还在忍受 AI Agent 慢吞吞的“一问一答、调一次工具、等一次结果”的低效循环那么白龙马提出的ACI (Anticipatory Context Injection预判注入)理念将彻底刷新你的认知。它不是一个简单的聊天机器人而是一个受自动驾驶和数字意识理论启发通过TICK驱动的、具备“主动性”的 Agent 框架。你将学到什么什么是 ACI预判注入以及它如何解决 Agent 的延迟叠加问题核心架构基于 TICK 驱动的主循环与“意识流”焦点栈Focus Stack如何像人类一样管理注意力的切入与返回快速上手从安装到连接你的个人微信/Discord/飞书项目背景为什么需要“白龙马”传统的 LLM Agent 就像一个被动的接线员没人在电话那头说话它就处于停滞状态。获取信息需要 LLM 先思考、调工具、等返回、再思考这种串行模式导致了巨大的延迟且资源利用率极低。白龙马的作者提出系统不应该等模型开口问而应该根据已经知道的信息历史习惯、当前时间、任务模式提前预判模型需要什么并直接注入到 System Prompt 中。模型一“睁眼”看到的就是喂好的信息直接进入逻辑处理阶段。核心技术特色1. ACI (预判注入) —— 从“猎人”到“厨师”这是白龙马的灵魂。它通过语义记忆预判、上下文充分性检查让 LLM 从“主动调工具搜寻信息的猎人”变成了“直接处理成品信息的厨师”。预判不等模型问先推断意图。并行执行在 LLM 推理的同时后台已查好相关的 SQLite 记忆或文件内容。直接注入信息在 System Prompt 里等着模型大幅降低交互成本。2. TICK 驱动的数字意识主循环白龙马后台有一个持续运行的TICK心跳。消息抢占就像操作系统的进程调度高优先级消息如用户新输入可以打断当前的后台思考。空闲自主思考没有人说话时它会依据记忆和焦点任务进行“白日梦”般的自主探索。看门狗机制防止 LLM 陷入无限递归或卡死。3. 焦点栈 (Focus Stack) 记忆管理它是如何解决 Agent “走神”问题的白龙马模拟了人类的注意力机制接收到新主题push一个新帧。完成任务pop掉当前帧并将结论压缩挂回旧帧。这种机制让它在处理长达数天的复杂任务时依然能记得“我们刚才聊到哪了”。4. 全能的社交平台分发白龙马原生支持通过 Brain UI 扫码连接个人微信无需第三方中转、公众号、Discord、飞书、企业微信。你可以直接在这些平台上像跟朋友聊天一样指挥你的 Agent。快速开始使用指南1. 安装要求Node.js: 18.0SQLite: 项目内置无需额外配置操作系统: Windows / Mac / Linux (建议开启 Python 环境以支持本地语音 ASR)2. 部署步骤# 克隆仓库gitclone https://github.com/xiaoyuanda666-ship-it/BaiLongma.gitcdBaiLongma# 安装依赖pnpminstall# 启动程序pnpmdev3. 配置与启动激活页面初次启动后访问浏览器弹出的桌面窗口或访问http://localhost:3000。API 探测点击“Auto Detect”白龙马会自动探测你环境变量或粘贴的 Key 属于哪个 Provider支持 DeepSeek, MiniMax, OpenAI 等。连接社交平台在 Brain UI 的设置页点击“Connect WeChat”扫码即可将 Agent接入你的微信。总结白龙马不仅仅改变了 Agent 的“皮”更重构了 Agent 的“骨”。它通过ACI 理念将 AI 的交互效率提升到了一个新的量级。如果你想构建一个真正像“人”一样拥有主观能动性、能管理长期注意力、且能无缝融入日常办公软件的 Agent白龙马是目前开源界最激进也最成熟的尝试。欢迎了解 PrimeSkills —— 精选 AI Agent 与技能的市场每一个都在真实的企业级工作流中经过验证不堆砌概念只留下真正有效的东西。欢迎来我的个人主页找到更多有用的知识和有趣的产品