面向多模态大语言模型、Agentic AI 与知识图谱研究的 Python 函数式原语库，提供统一模型调用、多智能体协作辩论、知识图谱生命周期管理及多模态生成等完整工具链。
npcpy 围绕 NPC Context-Agent-Tool 三层架构构建，提供从底层模型调用到上层智能体编排的完整抽象。
在模型调用层，通过 get_llm_response() 统一接口支持 Ollama、llama.cpp、OMLX、LM Studio、Gemini、OpenAI 等本地与云端后端，并提供流式输出、JSON/Pydantic 结构化输出等能力。
在 Agent 体系层，提供四类智能体：NPC（角色化 persona agent，通过 name 与 primary_directive 定义角色）、Agent（内置 sh/python/edit_file/web_search 等工具集）、ToolAgent（可挂载自定义工具函数）和 CodingAgent（自动执行 LLM 返回代码块）。
在多智能体协作层，Team 支持多 NPC 编排；NPCArray 提供 NumPy 风格的向量化操作，支持 .infer() 并行推理、.chain() 链式精炼、.consensus() 共识聚合；多 Agent 辩论机制为每个 Agent 生成含其他 Agent 回答的个性化 prompt，支持多轮迭代。
在知识图谱与记忆层，实现完整的生命周期管理：kg_initial() 从文本语料初始化、kg_evolve_incremental() 增量演进、kg_sleep_process() 巩固剪枝、kg_dream_process() 生成推测性连接，并支持基于种群的 Sememolution 进化机制。
在多模态与微调层，支持图片/音频/视频生成（后端覆盖 Ollama、diffusers、OpenAI、Gemini），以及 SFT、RL、扩散模型微调（DiffusionConfig）和遗传算法进化。
在工作流与服务化方面，Jinx 基于 Jinja 模板实现多步 prompt 管道，Skills 支持渐进式段落披露；通过 start_flask_server() 可将 NPC 团队部署为 REST API 服务，配合 Incognide GUI 前端实现完整应用。此外还内置 OCR、Scikit-learn ML 工具函数及数据库持久化（NPCSQL）等辅助能力。
安装方式： pip install npcpy（可选 extras：lite、local、yap、all）
所属组织： NPC-Worldwide 作者： Christopher Agostino（PyPI: caug37）