**简体中文** · [English](README.md)

# MOLT 🦀

> **会给自己长工具的编码 Agent。**

大多数 Agent 干完你的活就忘了自己学到了什么。**MOLT 不会忘。** 每完成一个任务，它会复盘自己做了什么；一旦发现可复用的模式，它就**给自己写一个新工具**、**跑测试验证**，然后**把它存进技能库**。下次再遇到同样的模式，工具已经在那等着了。

看这个工具库是怎么复利的：

```
$ molt run "tidy the config files" --learn --mock

── molt run — task ─────────────────────────────────────────────
  task: tidy the config files
  model: mock

── final answer ────────────────────────────────────────────────
  All done — I inspected the workspace and the job is complete.

── learn ───────────────────────────────────────────────────────
  ✔ grew a new tool: `parse_csv_line` → .molt/skills/parse_csv_line

$ molt skills list
  parse_csv_line    [project]  Parse a CSV line of key=value pairs into a dict.

$ molt run "parse some key=value config" --mock      # 下次它已经在工具列表里了
```

这就是全部想法：**你的 AI 不只是写代码，它会"蜕皮"**——脱掉旧壳、长出新工具，然后把新工具留下。

---

## 为什么用 MOLT

- **它会复利。** 每一次任务都可能让下一次更便宜、更可靠。你的 Agent 越来越懂*你的代码库*，而不只是"总体上更聪明"。
- **它是诚实的自我进化。** 一个新工具只有在**通过了它自己的测试**之后才会进入技能库。Agent 可以给自己长新工具，但先得证明自己真的能用。
- **它可以分享。** `molt export` 打包你的工具库，`molt install` 拉取别人的。Agent 千辛万苦攒下来的技能，可以变成能被 fork、star、分享的库。
- **它属于你。** MIT 协议、零追踪、跑在任意 OpenAI 兼容模型上（默认 DeepSeek）。

## 快速上手

```bash
# 从 PyPI 安装（发布名为 molt-agent）：
pip install molt-agent

# …或直接从源码安装：
git clone https://github.com/houyongsheng/deepseek-harness-molt
cd deepseek-harness-molt
pip install -e .

export DEEPSEEK_API_KEY=sk-...
```

跑一个任务，让它学习：

```bash
molt run "add retry logic to the http client" --learn
```

没有 API key？用内置的假模型跑完全一样的流程：

```bash
molt run "tidy the config files" --learn --mock
molt evolve "polish the project" -n 5 --mock     # 看着工具库一点点长大
```

## 命令

| 命令 | 作用 |
|---|---|
| `molt run "任务" [--learn]` | 跑一个任务。`--learn` 会把发现的可复用工具留下。 |
| `molt run --stream --sandbox` | 实时流式输出答案；让技能代码在子进程里跑。 |
| `molt evolve "目标" -n N` | 循环"子任务 + 学习" N 次，看工具库累积。 |
| `molt learn` | 对上一次的任务记录重新做一次复盘。 |
| `molt skills list / show <名> / remove <名> / dedup` | 管理并去重技能库。 |
| `molt eval <名> [--cases FILE]` | 用标注用例评测技能的准确率。 |
| `molt export [--out DIR]` | 打包你的技能，方便分享。 |
| `molt install <路径或 git 地址>` | 把别人的技能拉进你的工具库。 |
| `molt publish [--remote URL]` | 把工具库发布到 git 注册中心（社区中心）。 |

## 原理

```
  任务 ─▶ Agent 循环 ─▶ 答案
              │
              └──▶ 复盘："我有没有碰到可复用的模式？"
                       │ 有
                       ▼
                  写一个新工具（python + schema + test）
                       │
                  先跑测试 ── 不过 ── 丢弃
                       │ 通过
                       ▼
                  存入 .molt/skills/（下次自动成为工具）
```

- **运行** —— Agent 循环，带 `shell`、`read_file`、`write_file`，再加上你长出来的每一个技能。
- **复盘** —— 第二次 LLM 调用问：这里面有可复用的吗？有就返回一个 JSON 形式的技能。
- **测试** —— 技能自带测试，在一个全新的子进程里跑；没有测试就不入库。
- **复用** —— 技能变成可调用的工具，项目级技能优先于个人技能库。

技能放在 `.molt/skills/<名字>/`（项目）和 `~/.molt/skills/`（个人）。每个都是普通文件：`skill.json`（名称/描述/参数）、`skill.py`（`def run(**kwargs)`）、`test.py`。

## 评测与发布

技能值不值得留，要看它准不准。`molt eval` 用带标注的用例给技能打分（用例放在技能旁的 `cases.json`，或用 `--cases` 指定任意文件）：

```bash
molt eval parse_kv_records
# accuracy: 5/5 (100%)
```

满意之后，可以分享单个技能，也可以把整个工具库发布到一个 git 注册中心：

```bash
molt export --out ./my-toolbox          # 普通复制 + 清单
molt publish --remote git@github.com:you/toolbox.git   # 推送，并打印安装命令
# 别人：molt install git@github.com:you/toolbox.git
```

这就是一个生态的种子：**你的 Agent 的技能是一个库，而库是用来被 fork、star、分享的。**

## 信任与安全

- **先测试再入库。** 没测试或测试不过的技能永远进不了库。
- **默认技能在进程内运行。** 加 `--sandbox` 让技能代码在子进程里跑（进程隔离）。无论哪种方式，都像对待任何你 `pip install` 的代码一样谨慎，评估后再信任。
- **普通文件，没有锁定。** 你的工具库就是几个目录，删掉、分享、搬走都随意。

## 路线图

- [x] 技能**去重/合并**——`molt skills dedup` 清除被遮蔽的副本、标记相同代码
- [x] 技能**评测**——`molt eval` 用 `cases.json` 量化准确率
- [x] **注册中心发布**——`molt publish` 把工具库推送到 git 注册中心
- [x] **流式 + 更丰富工具 + 沙箱**——`--stream`、`list_dir`/`search`、`--sandbox`
- [ ] 每次提交前自动跑技能评测
- [ ] 可搜索的**注册中心**（`molt search`）——找到别人发布的技能

## 与 Codex / Claude 生态的结合

MOLT 长的工具**就是纯 Python**——所以它们天然能"出门"。两个方向：

**MOLT → Claude Code / Codex。** 把工具库导出成对方能直接用的格式：

```bash
molt export --format claude --out .claude   # → .claude/skills/<名>/SKILL.md
molt export --format codex  --out .         # → AGENTS.md 可复用流程块
```

把 `.claude/` 放进项目，Claude Code 就能用这些技能；把 `AGENTS.md` 块追加进
Codex 的 `AGENTS.md`，Codex 也能照着重实现。现成模板在
[`examples/integrations/`](examples/integrations/)。

**Claude Code / Codex → MOLT。** 用一个单文件技能把"造工具"的活委托回 MOLT：
`examples/integrations/claude/molt-skill.md` 告诉 Claude Code——一旦发现可复
用的模式，就跑 `molt run "<任务>" --learn`；长出来的工具大家都能用。

## 灵感来源

MOLT 的核心主张——*让 Agent 自己写、自己测、自己留下工具*——正是
[DeepSeek Harness](https://github.com/deepseek-ai/deepseek-harness)（dsh）的灵魂：
它的自指工具集让模型能检查、挂载自己运行时里的插件。MOLT 是对这个想法的
轻量、独立实现：一个可 `pip install` 的包、跑在任意 OpenAI 兼容模型上、
不需要学任何框架。想要"一切皆插件"的完整平台？去 dsh。想要一个下午就能
读完的轻量版？留在这里。

## License

MIT —— 去吧，造一个会自己长工具的东西。