Kheish: 고품질 결과를 생성하기 위해 출력을 검토, 검증 및 서식 지정하는 다중 역할 인텔리전스

최신 AI 리소스8 개월 전에 게시 됨 AI 공유 서클
18.1K 00
堆友AI

일반 소개

Kheish는 구조화된 단계별 협업이 필요한 대규모 언어 모델링(LLM) 작업을 위해 설계된 오픈 소스 다중 역할 에이전트로, 단순한 코디네이터를 넘어 필요에 따라 모듈을 요청하고 사용자 피드백을 통합하며 다양한 전문 역할(예: 제안자, 검토자, 검증자, 포맷터 등) 간에 전환하여 궁극적으로 세련된 결과물을 제공합니다. 단일 프레임워크 내에서 여러 '하위 에이전트'(역할)를 활용함으로써 Kheish는 보안 감사, 문서 검색, RAG 기반 탐색 등과 같은 작업을 처리할 수 있습니다.

Kheish:多角色智能体,审查、验证和格式化输出以生成高质量结果

 

기능 목록

  • 적응형 역할 전환Kheish는 제안자, 검토자, 검증자 및 포맷터와 같은 다양한 내부 역할을 수행하는 단일 에이전트 역할을 합니다.
  • 온디맨드 모듈 요청Kheish는 파일 시스템, 셸 명령, RAG, SSH 및 메모리 모듈과 같은 모듈을 자발적으로 호출할 수 있습니다.
  • 피드백 및 반복Kheish는 많은 과제에서 자신의 제안을 재확인하고 수정하여 솔루션의 품질을 점차적으로 개선합니다.
  • 검색 증강 생성(RAG)대규모 코드베이스 또는 다중 파일 컨텍스트의 경우 Kheish는 데이터를 벡터 스토리지로 색인화하여 토큰 사용량을 줄이고 대규모 프로젝트로 확장합니다.
  • 단일 에이전트, 멀티태스킹Kheish는 개별 YAML 구성을 정의하거나 이를 다단계 시나리오로 결합하여 병렬 또는 직렬 작업을 처리할 수 있습니다.

 

도움말 사용

설치 프로세스

  1. 클론 창고먼저 Git을 사용하여 Kheish의 GitHub 리포지토리를 복제합니다.
    git clone https://github.com/graniet/kheish.git
    
  2. 카탈로그에 액세스: 복제된 Kheish 디렉터리를 입력합니다.
    cd kheish
    
  3. 종속성 설치: Cargo를 사용하여 필요한 종속성을 설치합니다.
    cargo build
    

사용 가이드라인

  1. 구성 파일Kheish를 사용하려면 먼저 작업과 역할을 정의하는 YAML 파일을 구성해야 합니다. 샘플 구성 파일은 아래와 같습니다:
    tasks:
    - name: "代码审计"
    roles:
    - proposer
    - reviewer
    - validator
    modules:
    - fs
    - sh
    
  2. 실행 중인 작업: 구성 파일을 사용하여 Kheish를 실행합니다.
    cargo run -- --config path/to/config.yaml
    
  3. 모듈 호출Kheish는 작업 요구 사항에 따라 파일 시스템(fs), 셸 명령(sh), RAG(rag), SSH(ssh), 장기 기억 장치(memories)와 같은 모듈을 자발적으로 호출할 수 있습니다.
  4. 피드백 및 반복과제를 수행하는 동안 Kheish는 최종 결과물의 정확성과 완성도를 보장하기 위해 제안서를 지속적으로 확인하고 수정합니다.

기능 작동 흐름

  1. 적응형 역할 전환::
    • 제안자사용자 입력 및 컨텍스트를 기반으로 제안서를 생성하거나 업데이트합니다.
    • 검토자제안서를 비판적으로 평가하고, 결함을 파악하거나 개선을 요청합니다.
    • 유효성 검사기제안서의 정확성과 완전성을 보장하는 최종 게이트키퍼 역할을 수행합니다.
    • 포맷터: 검증된 솔루션을 최종 프레젠테이션 형식(예: 마크다운)으로 변환합니다.
  2. 온디맨드 모듈 요청::
    • 파일 시스템(fs): 파일을 블록 단위로 읽고 RAG에 색인화합니다.
    • 셸 명령어(sh): 샌드박스 환경에서 제한된 수의 셸 명령어를 실행합니다.
    • RAG: 임베딩을 통해 대량의 텍스트를 저장하고 검색할 수 있으며, 블록 기반 쿼리를 지원합니다.
    • SSH: 보안 원격 명령.
    • 메모리 모듈(메모리): LLM 컨텍스트(장기 기억) 외부에 데이터를 저장하거나 불러옵니다.
  3. 피드백 및 반복::
    • 스폰서가 솔루션을 제안합니다.
    • 검토자는 비판을 하고 변경을 요청할 수 있습니다.
    • 제안자는 피드백을 바탕으로 개선합니다.
    • 검증자가 최종적으로 승인하거나 추가 수정을 요청합니다.
  4. 검색 증강 생성(RAG)::
    • 대규모 코드베이스 또는 다중 파일 컨텍스트의 경우, Kheish는 데이터를 벡터 저장소로 색인하고 나중에 시맨틱 쿼리를 통해 관련 부분을 검색합니다.
  5. 단일 에이전트, 멀티태스킹::
    • Kheish는 개별 YAML 구성을 정의하거나 이를 다단계 시나리오로 결합하여 병렬 또는 직렬 작업을 처리할 수 있습니다.
© 저작권 정책

관련 문서

댓글 없음

댓글에 참여하려면 로그인해야 합니다!
지금 로그인
없음
댓글 없음...