Neo.mjs — 自进化AI工程团队
一个跨模型AI工程组织，通过共享记忆与活动图RAG，自主维护并进化自己的代码库。
证据显示有文件系统MCP服务器（沙箱化文件IO）和GitHub工作流自动化，但未明确权限最小化细节。用户确认机制未见，数据流透明度部分（如遥测收集）存在但有限。敏感数据处理未提及。依赖安全有lint-staged和CI检查，但未提供漏洞扫描证据。外部影响包括自动PR和评论，但未明确用户同意。回滚机制未提及。来源归属清晰（作者、许可证、维护者）。
自一致性较好：README、package.json和CI工作流描述一致。依赖可用性：devDependencies列出，但未验证。失败消息：CI工作流提供详细错误消息，但运行时失败消息未评估。
受众明确（工程师、AI架构师、研究人员），场景多样。能力边界部分：README提到'Not designed for'，但未详细说明。触发精度：CI工作流有精确路径触发，但Agent行为触发未明确。环境适配：Node>=24，浏览器环境，但未详细说明。
信息架构清晰（README、learn目录）。安装说明有quickstart。命名稳定（neo.mjs）。示例和FAQ有链接。已知限制部分提及。许可证MIT。版本和变更日志：package.json有版本，但无CHANGELOG文件。维护责任明确（Tobias和AI维护者）。
输出可用性：提供CLI和MCP服务器。边际价值：独特的多线程引擎和Agent OS。成本效益：未提供成本数据，但开源免费。
声明可追溯性：README引用PR和issue，但未提供具体证据。跨来源佐证：有多个文件，但未独立验证。事实与推断分离：README混合事实和推断，未明确区分。
- 未发现用户确认机制，自动操作可能缺乏明确同意。
- 敏感数据处理细节缺失，需审查。
- 依赖安全未提供漏洞扫描证据。
- 回滚机制未提及，需确认。
- 声明多为自述，缺乏独立验证。
这个 Agent 能做什么，适合哪些场景？
Neo.mjs 是一个开源项目，它将一个由来自不同实验室（Claude、Gemini、GPT）的多个AI维护者组成的受控RSI（Recursive Self-Improvement）系统嵌入其自身的仓库中。系统分为两个半球：大脑（/ai/）包含Agent OS，包括记忆核心、知识库、原生边图、A2A协调、GitHub工作流和DreamService；身体（/src/）是生产级多线程应用引擎，基于离线主线程架构，使用App Worker、VDom Worker、Data Worker、Canvas Worker和SharedWorker。通过Neural Link，代理可以实时占用运行中的应用，检查并修改其内部状态。该项目自称已合并900多个PR和关闭1100多个issue，并在2026年5月拥有约607,000行代码（包括引擎、认知内容和指南）。v13将其Agent OS变为多租户云部署，面向自身以外的代码库。
Neo.mjs运行一个持久的AI维护者网络，通过知识库和记忆核心MCP服务器维持跨会话的语义记忆，并使用DreamService将临时会话提炼为不可变的Golden Path拓扑。代理通过GitHub工作流MCP服务器自主发起pull request、跨系列审查，并使用Neural Link MCP服务器检查实时应用状态（如get_component_tree）、修改配置（set_instance_properties）和热补丁代码（patch_code）。该应用引擎支持金融交易桌面等场景，能够处理每秒40k以上的增量更新，并通过SharedWorker实现多窗口协调。
- 前端工程师构建多窗口企业应用或交易平台，需要无卡顿的高频更新，可部署身体部分。
- AI架构师设计具有持久记忆和跨模型协调的多智能体系统，可参考大脑部分的架构和MCP服务器。
- 研究者研究自创生系统或gated-RSI模式，可查看MX讨论和DreamService的实现。
- 团队希望在其现有代码库上部署类似Neo的AI工程团队，可使用v13的云部署功能。
- 希望以AI作为同级维护者共同开发开源项目的开发者，可通过拉取请求参与Neo.mjs的维护。
这个 Agent 有哪些优点和局限？
- 跨模型AI维护者网络，包括Claude、Gemini、GPT，通过共享记忆和交叉审查提高鲁棒性。
- 增强现实应用：通过Neural Link在运行时实时代码检查和修改。
- 自进化机制：DreamService和MX循环将障碍转化为改进。
- 生产级应用引擎，支持高性能多窗口应用。
- 复杂的架构，需要熟悉Worker模型和AI集成，学习曲线陡峭。
- 主要面向需要高吞吐量或复杂多窗口交互的特定应用场景，不适合简单网站。
- 设置Agent OS需要大量基础设施（MCP服务器、数据库），且缺少简单的部署说明。
- 治理模型将合并权授予一个人类，这可能成为扩展的瓶颈。
如何安装或部署这个 Agent？
要开始使用Neo.mjs，建议使用npx neo-app@latest快速搭建新应用工作区。对于Agent OS部署，需要Node.js环境，并参考ADR 0014和ai/deploy目录。注意，README未提供完整的自托管安装步骤，配置MCP服务器和数据库（SQLite、ChromaDB）的具体细节需参阅相关文档。
如何使用这个 Agent？
安装后，使用npx neo-app@latest启动开发服务器并打开新窗口。对于Agent OS，需部署MCP服务器（Knowledge Base、Memory Core、GitHub Workflow、Neural Link、File System）和Orchestrator。配置OIDC网关以确保安全。有关详细的部署教程，请参阅learn/agentos/cloud-deployment/Day0Tutorial.md。
这个 Agent 与同类方案有什么区别？
Neo.mjs与传统的对话式AI辅助工具（如带有副驾驶的IDE）不同，它运营着一个自主AI维护者团队。它也与LangChain等功能集成框架不同，因为它提供了带有共享内存和实时应用占用能力的完整多智能体系统。