Kheish: Multi-Rollen-Intelligenz, die den Output überprüft, validiert und formatiert, um qualitativ hochwertige Ergebnisse zu erzielen

Allgemeine Einführung

Kheish ist ein quelloffener Multi-Rollen-Agent, der für Large Language Modelling (LLM)-Aufgaben entwickelt wurde, die eine strukturierte, schrittweise Zusammenarbeit erfordern. Kheish ist mehr als nur ein einfacher Koordinator, er ist ein eigenständiger intelligenter Agent, der bei Bedarf Module anfordert, Benutzer-Feedback integriert und zwischen verschiedenen professionellen Rollen (z. B. Proposer, Reviewer, Validator, Formatter usw.) wechselt, wobei der Agent letztendlich verfeinerte Ergebnisse liefert. schließlich verfeinerte Ergebnisse liefert. Durch die Nutzung mehrerer "Sub-Agenten" (Rollen) innerhalb eines einzigen Rahmens ist Kheish in der Lage, Aufgaben wie Sicherheitsaudits, Dokumentensuchen, RAG-basierte Exploration und mehr zu bewältigen.

Funktionsliste

• Adaptiver RollenwechselKheish agiert als ein einziger Agent mit mehreren internen Rollen wie Antragsteller, Prüfer, Validierer und Formatierer.
• Anforderung von Modulen auf AbrufKheish kann spontan Module wie Dateisysteme, Shell-Befehle, RAG, SSH und Speichermodule aufrufen.
• Feedback und IterationKheish überprüft und überarbeitet seine Vorschläge bei vielen Aufträgen und verbessert so nach und nach die Qualität der Lösungen.
• Retrieval Augmentation Generation (RAG)Kheish indiziert Daten in Vektorspeicher für große Codebasen oder Kontexte mit mehreren Dateien, wodurch die Verwendung von Token reduziert und die Skalierung für größere Projekte ermöglicht wird.
• Einzelner Agent, Multi-TaskingKheish kann parallele oder serielle Aufgaben bearbeiten, indem es einzelne YAML-Konfigurationen definiert oder diese zu einem mehrstufigen Szenario kombiniert.

Hilfe verwenden

Ablauf der Installation

1. Klon-Lager: Klonen Sie zunächst das GitHub-Repository von Kheish mit Git.

   git clone https://github.com/graniet/kheish.git
   

2. Zugang zum Katalog: Geben Sie das geklonte Kheish-Verzeichnis ein.

   cd kheish
   

3. Installation von Abhängigkeiten: Verwenden Sie Cargo, um die erforderlichen Abhängigkeiten zu installieren.

   Ladung bauen
   

Richtlinien für die Verwendung

1. KonfigurationsdateiBevor Sie Kheish verwenden können, müssen Sie eine YAML-Datei konfigurieren, um Aufgaben und Rollen zu definieren. Die Beispielkonfigurationsdatei ist unten abgebildet:

   Aufgaben.
   - Name: "Code-Audit"
   Aufgaben: Name: "Code-Audit
   - Vorschlagender
   - Prüfer
   - Prüfer
   Module: fs
   - fs
   - fs
   

2. Laufende AufgabenKheish mit Hilfe der Konfigurationsdatei ausführen.

   cargo run -- --config pfad/zu/config.yaml
   

3. ModulaufrufKheish kann spontan Module wie das Dateisystem (fs), Shell-Befehle (sh), RAG (rag), SSH (ssh) und Langzeitspeicher (memories) je nach Aufgabenstellung aufrufen.
4. Feedback und IterationIm Laufe des Auftrags überprüft und überarbeitet Kheish seinen Vorschlag ständig, um die Richtigkeit und Vollständigkeit des Endergebnisses sicherzustellen.

Funktion Betriebsablauf

1. Adaptiver Rollenwechsel::
   • AntragstellerGenerieren oder aktualisieren Sie Angebote auf der Grundlage von Benutzereingaben und Kontext.
   • RezensentKritische Bewertung von Vorschlägen, Feststellung von Mängeln und Aufforderung zur Verbesserung.
   • PrüferAls letzte Instanz die Richtigkeit und Vollständigkeit des Vorschlags sicherstellen.
   • FormatiererKonvertieren Sie die validierte Lösung in das endgültige Präsentationsformat (z. B. Markdown).
2. Anforderung von Modulen auf Abruf::
   • Dateisystem (fs): liest Dateien blockweise und indiziert sie in die RAG.
   • Shell-Befehle (sh): Ausführung einer begrenzten Anzahl von Shell-Befehlen in einer Sandbox-Umgebung.
   • RAG: Speichern und Abrufen großer Textmengen durch Einbettung, Unterstützung blockbasierter Abfragen.
   • SSH: Sicherer Fernbefehl.
   • Speichermodule (Speicher): Speichern oder Abrufen von Daten außerhalb des LLM-Kontexts (Langzeitgedächtnis).
3. Feedback und Iteration::
   • Der Sponsor schlägt eine Lösung vor.
   • Die Rezensenten üben Kritik und können Änderungen verlangen.
   • Die Befürworter nehmen aufgrund des Feedbacks Verbesserungen vor.
   • Der Validator genehmigt eventuell zusätzliche Änderungen oder fordert sie an.
4. Retrieval Augmentation Generation (RAG)::
   • Bei großen Codebasen oder Kontexten mit mehreren Dateien indiziert Kheish die Daten in einem Vektorspeicher und ruft später die relevanten Teile über semantische Abfragen ab.
5. Einzelner Agent, Multi-Tasking::
   • Kheish kann parallele oder serielle Aufgaben bearbeiten, indem es einzelne YAML-Konfigurationen definiert oder diese zu einem mehrstufigen Szenario kombiniert.