neomjs/neo · 上手攻略
- 仓库：neomjs/neo
- 链接：https://github.com/neomjs/neo
- 分类：AI Agent Swarm / Multi-Agent Orchestration
- 作者：Jay
- 更新：2026-09-08
是什么
Neo.mjs 是一个自演进软件有机体——一支专业端到端 AI 工程团队，跨模型（Claude / Gemini / GPT 等） swarm 协同，通过 Neural Link（神经链接）进驻实际应用，在内存核心（Memory Core）、知识库（Knowledge Base）、Native Edge Graph、A2A 协调层上自主完成从构思到构建到交叉 review 的全工程生命周期。
该仓库（Body）是这个有机体的运行时引擎：一个多线程应用框架（Off-Main-Thread 架构），包含 App Worker / VDom Worker / Data Worker / Canvas Worker / SharedWorker，支持多窗口状态持久化和零构建原生 ES Modules。整个有机体在 2026 年 6 月已有 900+ merged PRs、1100+ closed issues，证明其在生产级代码库上的自运维能力。
⚠️ 「自演进软件有机体」是项目自身定位；与常见 AI 编程助手不同，它强调的是多模型跨家族互相 review、持久记忆和无人值守夜班（A2A 互相唤醒），而非简单的单 agent 辅助编码。
解决什么问题
- 单 agent 盲区：单一 AI 模型存在固有盲点，Neo.mjs 让不同模型家族的 AI maintainer（Ada/Grace/Vega/Euclid 等）互相 review 对方的推理链，降低相关性盲点。
- 会话无记忆：大多数 AI 工具每次对话从零开始；Neo.mjs 通过 Memory Core + Native Edge Graph 实现跨会话持久推理（Golden Path topology 可被语义查询）。
- 工程生命周期自动化：从 issue → PR → review → merge → self-healing loop，全部由 AI swarm 自主完成，人类只保留 merge gate 审批权。
- Neural Link 使 AI 进驻运行中的应用：不只是读代码，而是 inhabits 实时应用（get_component_tree、set_instance_properties、patch_code），将对话式 UI 变成应用内的 agent 协作。
快速安装
# 方式一：npm 快速创建 app（推荐）
npx neo-app@latest
# 方式二：git clone 后本地运行
git clone https://github.com/neomjs/neo.git
cd neo
# 参考文档：https://neomjs.com/#/learn/gettingstarted/Setup
⚠️
npx neo-app@latest命令来自 README 原文（2026-09-08 fetch）；若版本有更新请以 https://neomjs.com/#/learn/gettingstarted/Setup 为准。
Body 本身零运行时依赖，Native ES Modules，无需转译。
核心用法
1. Neural Link — agent 进驻应用（Body 层）
Neural Link 是 Body 与 Brain 之间的桥梁，让 agent 拥有应用运行时状态：
// 获取组件树（运行时实时状态）
get_component_tree()
// 设置实例属性（无需浏览器重载）
set_instance_properties({ componentId: '...', props: { ... } })
// 热补丁方法
patch_code({ target: 'MyComponent', method: 'onTap', replacement: '...' })
2. 多窗口状态持久化
// 组件是持久对象，跨窗口保持 identity + state + methods
// 窗口关闭再打开，状态不丢失
const myComp = new MyComponent()
myComp.setState({ value: 42 }) // ← App Worker 中持久化
3. 部署 Agent OS（Brain 层）
需要在另一台机器或自己的代码库上运行 Agent OS：
# 参考文档
# https://github.com/neomjs/neo-agent-brain/blob/dev/learn/agentos/cloud-deployment/Day0Tutorial.md
# https://github.com/neomjs/neo-agent-brain/blob/dev/learn/agentos/cloud-deployment/TenantIngestionModel.md
⚠️ Agent OS（Brain）不在本仓库（neomjs/neo），而是在 neomjs/neo-agent-brain 仓库。本仓库是 Body/Engine，是 Brain 进驻的运行时。
4. DreamService — 自演进机制
通过 REM cycle 将嘈杂战术会话蒸馏为不可变的 Golden Path topology（优先级 = semanticScore × 2 + structuralWeight），重新导向团队优先级：
真实摩擦 → tickets → PRs → skills & memory → 下一轮 agent 更好的 reflexes
典型适用场景
| 场景 | 为什么适合 Neo.mjs |
|---|---|
| 大规模代码库维护 | 900+ PRs 自演进证明，适合长期多模块项目 |
| 多模型交叉验证 | 跨家族 review（Claude/GPT/Gemini 互相 audit reasoning） |
| 金融/工控多窗口 UI | 40k+ delta updates/sec 无 UI 冻结，Off-Main-Thread 架构 |
| 需要 agent 进驻而非旁观的应用 | Neural Link 让 agent 直接操作运行时状态，不只是生成代码 |
| AI 工程团队自动化 | 夜班无需人工值守，agent 互相唤醒 PR review |
坑与注意
- Body 与 Brain 是两个仓库：本仓库（neomjs/neo）是运行时引擎；Agent OS 在 neomjs/neo-agent-brain。别在错误的仓库里找 Agent OS 的功能。
- 「自演进」是项目愿景描述：实际能力边界需参照 issue/PR 数量（900+ PRs 是截至 2026 年 6 月的官方数据），不是所有场景都适用。
- Neural Link 的 embodiment 能力：需要应用本身基于 Neo.mjs 的 Body 编写；第三方应用若无 Body 层则无法直接 Neural Link 进驻。
- gated-RSI 治理模型：人类 founder-architect 持有最终 merge 权限，这是治理选择而非技术限制——意味着不是完全自治，团队工作流依赖人来 final gate。
- v13 向外部署的稳定性：官方声称 v13 可多租户云部署，但这是一个相对较新的功能，生产稳定性建议参考 GitHub issues 最近的反馈。
与同类对比
| 项目 | 架构 | 多模型协作 | 持久记忆 | Neural Link |
|---|---|---|---|---|
| Neo.mjs | Body + Brain 双仓，Off-Main-Thread | ✅ 跨家族 A2A 互相 review | ✅ Memory Core + Edge Graph | ✅ agent inhabits 应用 |
| Claude Code | 单 agent 辅助 | ❌ 无 | ❌ 会话级 | ❌ |
| OpenAI Codex | 单 agent 辅助 | ❌ 无 | ❌ 会话级 | ❌ |
| Multi-Agent Crews | 多 agent 协作 | ✅ message passing | ⚠️ 有限 | ❌ |
| AutoGPT | 单 agent +工具链 | ❌ | ❌ | ❌ |
核心差异：Neo.mjs 的多模型是跨家族互相 review（Claude 审 GPT 的 reasoning，Gemini 审 Claude 的 blind spots），而大多数多 agent 系统只是任务分工、无交叉 introspection。
一句话推荐结论
如果你需要让多个不同模型家族的 AI agent 互相 review reasoning、实现跨会话持久记忆、并让 agent 直接进驻运行中的应用而非仅仅生成代码片段，Neo.mjs 是目前唯一将这套完整机制产品化的开源项目——它的 900+ PRs 证明了工程团队在真实代码库上自运维的可行性；但如果你只需要单 agent 辅助编码，传统的 Claude Code / Cursor 是更轻量的选择。
⚠️ 本攻略基于 2026-09-08 GitHub README web_fetch，版本号（v13）和 PR 数量（900+）为官方自称，读者可自行参考 GitHub releases 核实最新状态。