Agent Runtime
规划、长期记忆、工具调用与多 Agent 协作。把能让 Agent 稳定跑上几小时的底层能力做扎实。
框架 · 工具链2026OSIL 实验室正式启动，首批成员招募中
我们构建能 把事做完 的智能体
OSIL 致力于开源 Super Intelligence 技术的研发与宣传。我们相信超级人工智能应该普惠每一个人——所以研究成果，毫无保留开源。
新进展实验室总览
最近 24 小时 · 4 个 Agent 协作
搜索任务⌘K
OS完成任务0↑ 今日 +17
工具调用0↑ 平稳
一次通过率0↑ 3.2%
平均交付4.6 分钟↓ 0.8
Agent 活动
开始的任务 vs. 已交付
24h7d30d
已交付已开始
最近任务
每个结果都附带可检查的过程
RS
整理 12 篇论文，写成带引用的综述Researcher
完成CD
给微信接入层补上会话隔离与测试Coder
运行中PL
把“部署 Agent 服务”拆成 9 个子任务Planner
完成RV
检查数据分析脚本的结论是否成立Reviewer
待审界面为概念示意，展示 OSIL 正在构建的多 Agent 协作形态。
Agent RuntimeApplied AgentsTrust & Eval
一个实验室，三条研究主线从一句话需求，到 完成的工作
从理解、规划到交付，每一步都被记录：过程可回放、中间产物可检查、失败自动换路重试。
01理解弄清目标、约束
和“做完”的标准
和“做完”的标准
02规划拆成可执行、
可回滚的步骤
可回滚的步骤
03行动调用代码、搜索、
文件与外部工具
文件与外部工具
04校验自查结果，
失败就换路重试
失败就换路重试
05交付给出文件和结论，
而不只是建议
而不只是建议
研究方向三条主线，一个目标：
三条主线，一个目标：
让 Agent 真正可用
我们不做又一个需要人盯着的聊天工具。每条主线都围绕同一件事：给 Agent 一个目标，拿回一个可以直接用的结果。
Applied Agents
把 Agent 用到学习、科研、开发和日常自动化里：写综述、跑分析、修代码、管服务器，解决身边真实的问题。
落地 · 场景Trust & Eval
让 Agent 的每一步可控、可解释、可评估。我们搭评测集、记录轨迹，用数据说明它什么时候值得信任。
可靠 · 安全 · 评测聊天工具给你建议，
Agent 给你结果。
帮我把这学期的实验数据分析一下，出个报告
好的！你可以先用 pandas 读取数据，然后做描述统计，再用 matplotlib 画图。下面是一些示例代码……
（剩下的，还得你自己来）
帮我把这学期的实验数据分析一下，出个报告
读完 6 个数据文件，清洗了 38 条异常记录，跑了回归和显著性检验，图表和结论都写进报告了。第 3 组样本偏少，结论里标注了。
report.pdfcharts.zipanalysis.ipynb
关于名字
四个字母，就是我们的路线图
OOpen研究成果毫无保留，代码、数据、踩过的坑，全部开源。
SSuper不止于能用，持续抬高能力上限。
IIntelligence理解目标，自主规划，自己行动。
LLab小步快跑，用实验而不是口号说话。
进展刚刚起步，
刚刚起步，
目标很具体
我们是个小团队，刚刚起步，但相信只要有热爱，困难不会阻拦我们的进步。这里写的是正在做和接下来要做的事，完成一项更新一项。
STAGE 0
搭好自己的 Agent 基础设施进行中
部署可长期运行的 Agent 环境，打通模型接口、工具与多渠道接入。
STAGE 1
第一个开源项目
完成至少 1 个可公开演示的 Agent 项目，代码在 GitHub 开源。
STAGE 2
评测与文档
为自己的 Agent 建评测集，整理开发文档与经验总结。
STAGE 3
分享与成长
举办技术分享，让更多同学一起动手做 Agent。
常见问题
还有别的想问的？直接来找我们聊。
OSIL（Open Super Intelligence Lab）致力于开源 Super Intelligence 技术的研发与宣传，希望超级人工智能普惠每一个人。所有研究成果，我们都会毫无保留地开源。
读作 “OH-sil”。SI 是 Super Intelligence；我们觉得再加一个 AI 有点多余。
写代码的、做产品和设计的、喜欢研究的，或者单纯对 Agent 好奇的都可以。有热爱、愿意动手，剩下的可以边做边学。
会一点 Python 或 JavaScript 会更顺手，但不是门槛。我们更看重好奇心和把事情做完的习惯，剩下的可以边做边学。
毫无保留地开源。代码、数据、文档和经验总结都会公开，名字里的 O 就是这个意思。
我们不绑定单一模型，会在 DeepSeek、Qwen、GLM、Kimi 等模型之间按任务选择，并用评测数据决定哪个更合适。