Kheish : intelligences multirôles examinant, validant et formatant les résultats pour produire des résultats de haute qualité

Introduction générale

Kheish est un agent multirôle open source conçu pour les tâches de modélisation des grandes langues (LLM) qui nécessitent une collaboration structurée, étape par étape. Kheish est plus qu'un simple coordinateur, c'est un agent intelligent à part entière, qui demande des modules à la demande, intègre les commentaires des utilisateurs, passe d'un rôle professionnel à l'autre (par exemple, proposant, examinateur, validateur, formateur, etc. et, enfin, fournir des résultats affinés. En exploitant plusieurs "sous-agents" (rôles) au sein d'un cadre unique, Kheish est capable de gérer des tâches telles que les audits de sécurité, les recherches de documents, l'exploration basée sur les RAG, et bien d'autres encore.

Liste des fonctions

• Changement de rôle adaptatifKheish agit comme un agent unique avec de multiples rôles internes tels que proposant, réviseur, validateur et formateur.
• Demande de module à la demandeKheish peut invoquer spontanément des modules tels que les systèmes de fichiers, les commandes shell, RAG, SSH et les modules de mémoire.
• Retour d'information et itérationKheish vérifie et révise ses propositions dans de nombreuses missions, améliorant progressivement la qualité des solutions.
• Génération d'augmentation de la recherche (RAG)Kheish indexe les données dans un stockage vectoriel, ce qui réduit l'utilisation de jetons et permet de s'adapter à des projets de plus grande envergure.
• Agent unique, multitâchesKheish peut gérer des tâches en parallèle ou en série en définissant des configurations YAML individuelles ou en les combinant dans un scénario à plusieurs étapes.

Utiliser l'aide

Processus d'installation

1. entrepôt de clonesPour cela, il faut d'abord cloner le dépôt GitHub de Kheish à l'aide de Git.

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

2. Accès au catalogue: Entrez dans le répertoire Kheish cloné.

   cd kheish
   

3. Installation des dépendances: Utiliser Cargo pour installer les dépendances nécessaires.

   cargo build
   

Lignes directrices pour l'utilisation

1. fichier de configurationAvant d'utiliser Kheish, vous devez configurer un fichier YAML pour définir les tâches et les rôles. L'exemple de fichier de configuration est présenté ci-dessous :

   tasks:
   - name: "代码审计"
   roles:
   - proposer
   - reviewer
   - validator
   modules:
   - fs
   - sh
   

2. Exécution des tâchesLancer Kheish à l'aide du fichier de configuration.

   cargo run -- --config path/to/config.yaml
   

3. appel de moduleKheish peut invoquer spontanément des modules tels que le système de fichiers (fs), les commandes shell (sh), RAG (rag), SSH (ssh) et les mémoires à long terme (memories) en fonction des exigences de la tâche.
4. Retour d'information et itérationLe travail de Kheish : Au cours de la mission, Kheish vérifie et révise constamment sa proposition afin de garantir l'exactitude et l'exhaustivité du résultat final.

Fonction Opération Déroulement

1. Changement de rôle adaptatif: :
   • ProposantLes offres : Générer ou mettre à jour les offres en fonction des données et du contexte de l'utilisateur.
   • RéviseurLes propositions sont évaluées de manière critique, les lacunes sont identifiées et des améliorations sont demandées.
   • ValideurIl est le gardien ultime de l'exactitude et de l'exhaustivité de la proposition.
   • FormateurLa solution validée est convertie dans le format de présentation final (par exemple, Markdown).
2. Demande de module à la demande: :
   • Système de fichiers (fs) : il lit les fichiers bloc par bloc et les indexe dans le RAG.
   • Commandes shell (sh) : exécution d'un nombre limité de commandes shell dans un environnement sécurisé.
   • RAG : Stockage et récupération de grandes quantités de texte par incorporation, prise en charge des requêtes basées sur les blocs.
   • SSH : commande à distance sécurisée.
   • Modules de mémoire (mémoires) : stockent ou rappellent des données en dehors du contexte LLM (mémoire à long terme).
3. Retour d'information et itération: :
   • Le parrain propose une solution.
   • Les évaluateurs émettent des critiques et peuvent demander des modifications.
   • Les promoteurs apportent des améliorations sur la base du retour d'information.
   • Le validateur approuve ou demande éventuellement des modifications supplémentaires.
4. Génération d'augmentation de la recherche (RAG): :
   • Pour les grandes bases de code ou les contextes multi-fichiers, Kheish indexe les données dans un magasin vectoriel et récupère ensuite les éléments pertinents par le biais de requêtes sémantiques.
5. Agent unique, multitâches: :
   • Kheish peut gérer des tâches en parallèle ou en série en définissant des configurations YAML individuelles ou en les combinant dans un scénario à plusieurs étapes.