一个极简但完整的 ReAct (Reasoning and Acting) Agent 实现。使用纯 Node.js ES5 标准库构建，无任何第三方依赖。配合本地大语言模型（如：Qwen3-Coder），可实现最小化的代码生成（最小化OpenCode）、文件读写和任务执行能力。
- 🧠 ReAct 范式：完整实现 Thought-Action-Observation 循环
- 📦 零依赖：仅使用 Node.js 标准库，无需
npm install - 🛠 可扩展工具系统：支持自定义工具注册
- 🔒 安全沙箱：文件操作限制在项目目录内，防止路径穿越
- 🤖 模型兼容：支持所有 OpenAI 兼容 API（LM Studio, Ollama, vLLM 等）
确保已安装 Node.js (v12+) 并启动了本地 LLM 服务（默认端口 1234）。
git clone https://github.com/assassindesign/Agentjs.git
node agent.js /path/to/your/project
启动后，输入您的任务需求如：我要实现一个贪吃蛇游戏，请使用html、css、js来实现，需要有完整的游戏界面。
Agent 将自动执行以下步骤：
- 💭 思考：分解任务为创建 HTML、CSS、JS 三个步骤
- 🔧 行动：调用
write_to_file工具创建文件 - 🔍 观察：确认文件写入成功
- ✅ 完成：生成最终答案
| 工具名称 | 函数签名 | 功能说明 |
|---|---|---|
| read_file | (file_path) |
读取指定路径的文件内容 |
| write_to_file | (file_path, content) |
将内容写入指定文件（自动处理换行符） |
| run_terminal_command | (command) |
执行终端命令（需用户交互确认） |
默认连接本地 http://localhost:1234，您可以在 main() 函数中修改：
// 这是一个示例 JavaScript 函数
var agent = new ReActAgent({
model: ‘qwen/qwen3-coder-30b’,
projectDirectory: projectDir,
endpoint: ‘http://localhost:1234/v1/chat/completions’
});// 这是一个示例 JavaScript 函数
agent.registerTool(
'search_web',
'(query)',
'在网络上搜索信息',
function(query, callback) {
// 实现搜索逻辑
callback(null, '搜索结果...');
}
);编辑 REACT_SYSTEM_PROMPT_TEMPLATE 变量以调整 Agent 行为。