Project Golem 研究筆記¶

資料來源¶

項目	連結
GitHub	Arvincreator/project-golem
develop 分支	project-golem/tree/develop
SkillsLLM 頁面	skillsllm.com/skill/project-golem
Line 社群	Project Golem AI 系統代理群
Discord 社群	Project Golem 官方頻道
作者	Arvincreator & @sz9751210
Stars	~309
授權	MIT
語言	JavaScript (Node.js 20+)
版本	v9.1（develop 分支）
建立時間	2026-01-30

專案概述¶

Project Golem 是一個自主 AI 代理系統，以 Web Gemini 的無限上下文為大腦、Puppeteer 為雙手。它不是普通的聊天機器人，而是一個能記住你、主動行動、自學技能的 OS 級 AI Agent。

核心定位¶

Browser-in-the-Loop 架構：不依賴官方 API，直接用 Puppeteer 操控瀏覽器存取 Web Gemini，免費享有 1M+ token 無限上下文
金字塔式長期記憶：5 層壓縮機制，理論上可保存 50 年對話精華，僅佔 3MB
自主行動能力：閒置時主動瀏覽新聞、自省思考、向你發送訊息
多智能體圓桌討論：一個指令召喚多個 AI 專家進行辯論，產出共識摘要
動態技能擴充：熱載入 skill 模組，甚至讓 AI 在沙盒中自寫新技能

系統架構¶

Browser-in-the-Loop 核心¶

👤 使用者（Telegram / Discord / Web Terminal）
        │
        ▼
┌─────────────────────────────────────────┐
│          UniversalContext                │  ← 跨平台抽象層
│          (防抖隊列)                       │
├─────────────────────────────────────────┤
│       ConversationManager               │  ← 對話狀態管理
├─────────────────────────────────────────┤
│          GolemBrain                      │  ← LLM 核心
│    (Puppeteer → Web Gemini)             │  ← 操控瀏覽器，非 API
├─────────────────────────────────────────┤
│        NeuroShunter                     │  ← 解析 GOLEM_PROTOCOL
│    ┌────────┬────────┬────────┐         │
│    │ REPLY  │ MEMORY │ ACTION │         │  ← 神經分流
│    │ →回覆  │ →記憶  │ →技能  │         │
│    └────────┴────────┴────────┘         │
└─────────────────────────────────────────┘

關鍵設計：GolemBrain 輸出結構化的 GOLEM_PROTOCOL 指令（Markdown 內嵌 JSON），由 NeuroShunter 解析，精準分流為「回覆」「記憶」「動作」三類。

原始碼結構（develop 分支）¶

src/
├── bridges/       # 平台橋接（Telegram、Discord）
├── config/        # 設定管理
├── core/          # 核心引擎（GolemBrain、NeuroShunter）
├── i18n/          # 國際化
├── managers/      # 對話管理、排程管理
├── mcp/           # MCP Server 整合
├── memory/        # 金字塔記憶系統
├── scripts/       # 自動化腳本
├── services/      # 服務層
├── skills/        # 技能膠囊（熱載入）
├── utils/         # 工具函式
└── views/         # Web Dashboard

金字塔式長期記憶¶

這是 Golem 最獨特的技術能力：

層級	名稱	壓縮觸發	內容
Tier 0	原始日誌	即時	每小時對話紀錄
Tier 1	每日摘要	72 小時後	~1,500 字的當日精華
Tier 2	每月亮點	90 天後	月度重點提煉
Tier 3	年度回顧	5 年後	年度里程碑
Tier 4	紀元里程碑	永久	最重要的長期記憶

50 年儲存對比：

方式	檔案數	儲存空間
傳統（無壓縮）	~18,250	500 MB+
Golem 金字塔	~277	3 MB

指令系統¶

系統管理指令¶

指令	功能	說明
`/sos`	輕量急救	清除元素快取，DOM Doctor 重新掃描修復，不需重啟
`/new`	物理重生	強制重新整理瀏覽器，開啟全新對話
`/new_memory`	徹底轉生	清空資料庫，Golem 變成白紙
`/model`	模型切換	切換 Gemini Fast / Thinking / Pro 模式
`/learn <功能>`	自學技能	AI 自動生成新技能模組
`/skills`	技能列表	列出已安裝的技能

Google Workspace 擴充指令¶

透過 Puppeteer 操控 Web Gemini 的擴充功能：

指令	對應服務
`/@Gmail`	讀取、搜尋個人郵件
`/@Google 雲端硬碟`	搜尋 Google Drive
`/@Google 文件`	讀取 Google Docs
`/@Google Keep`	讀取筆記
`/@Google Tasks`	管理待辦事項
`/@YouTube`	搜尋影片
`/@Google Maps`	查詢地圖
`/@Google 航班`	查詢航班
`/@Google 飯店`	查詢住宿

首次需 headless: false 手動授權一次 Google Workspace 權限，之後可切回 headless: true 背景運行。

快速開始¶

環境需求¶

Node.js v20+
Google Chrome（Puppeteer 自動化）
Telegram / Discord Bot Token（選用）

安裝¶

# Mac/Linux 一鍵安裝
chmod +x setup.sh
./setup.sh --magic

# 啟動
./setup.sh --start

Windows 用戶建議使用 Git Bash 執行。

目前限制與注意事項¶

項目	說明
安全風險	絕對避免以 root/admin 身份運行
隱私敏感	`golem_memory/` 含 Google 登入 Cookie session，務必妥善保管
Google 依賴	整個系統綁定 Web Gemini，Google 若改版 UI 需靠 DOM Doctor 修復
Workspace 限制	擴充功能僅限個人 `@gmail.com` 帳號，企業 / 學校帳號通常被鎖
非 API 架構	繞過官方 API 的做法有違反 ToS 的風險，且 Google 可隨時封鎖
Stars 尚少	309 stars，專案成熟度和社群支持有限

Web Dashboard¶

提供完整的 Web 管理介面：

戰術控制台：Agent 狀態總覽、活躍進程、動態行為決策、效能監控
即時終端機：網頁端直接與 Golem 對話，追蹤任務狀態
技能管理：安裝/開啟/關閉技能模組，如插拔隨身碟
人格設定：設定 Golem 的基本屬性與行為模式，含人格市場
記憶核心：查看金字塔記憶內容
系統設定：安全權限、API Keys、指令白名單管理

研究價值與啟示¶

關鍵洞察¶

Browser-in-the-Loop 是雙面刃：透過 Puppeteer 操控 Web Gemini 繞過 API 限制，免費獲得 1M+ token 上下文和 Google Workspace 整合，但高度依賴 Google 前端穩定性，且有違反 ToS 的法律風險。這種做法適合個人玩具專案，不適合正式產品
金字塔記憶是真正有價值的創新：5 層壓縮把 50 年記憶壓到 3MB，這個設計思路比大多數 Agent 框架的記憶管理都成熟。概念上類似人類記憶的遺忘曲線——細節隨時間淡化，但重要事件永久保留
GOLEM_PROTOCOL 的結構化輸出設計：讓 LLM 輸出結構化的 JSON 指令而非純文字，再由 NeuroShunter 分流處理。這種「LLM 輸出協定」的模式在多種 Agent 框架中都有類似實踐，但 Golem 的分流設計（REPLY / MEMORY / ACTION）特別清晰
繁體中文原生是加分項：README、文件、社群（Line 群）都以繁體中文為主，對台灣開發者特別友善。這在 AI Agent 開源專案中非常少見
「AI 自學技能」的邊界：/learn 讓 AI 在沙盒中寫新技能模組是很酷的概念，但實際執行的品質和安全性值得存疑。沙盒隔離做得如何？生成的程式碼品質能否保證？這些都是開放問題

與其他專案的關聯¶

對比專案	關聯
本站 AutoGPT	同為自主 AI Agent，但 Golem 走 Browser-in-the-Loop 路線而非 API 路線
本站 CrewAI	都有多智能體協作能力，CrewAI 更標準化，Golem 更野生
本站 Page Agent	都用瀏覽器操作網頁，但 Page Agent 是 client-side 嵌入，Golem 是 server-side Puppeteer
Moltbot	類似定位的 OS 級 AI 助理，但更偏個人生產力工具
本站多 Agent 辯論會	Golem 的圓桌討論功能與多 Agent 辯論概念相似