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.

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
- 클론 창고먼저 Git을 사용하여 Kheish의 GitHub 리포지토리를 복제합니다.
git clone https://github.com/graniet/kheish.git
- 카탈로그에 액세스: 복제된 Kheish 디렉터리를 입력합니다.
cd kheish
- 종속성 설치: Cargo를 사용하여 필요한 종속성을 설치합니다.
cargo build
사용 가이드라인
- 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
- 실행 중인 작업: 구성 파일을 사용하여 Kheish를 실행합니다.
cargo run -- --config path/to/config.yaml
- 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.
- 피드백 및 반복과제를 수행하는 동안 Kheish는 최종 결과물의 정확성과 완성도를 보장하기 위해 제안서를 지속적으로 확인하고 수정합니다.
기능 작동 흐름
- 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.
- 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.
- 피드백 및 반복::
- 스폰서가 솔루션을 제안합니다.
- 검토자는 비판을 하고 변경을 요청할 수 있습니다.
- 제안자는 피드백을 바탕으로 개선합니다.
- 검증자가 최종적으로 승인하거나 추가 수정을 요청합니다.
- 검색 증강 생성(RAG)::
- 대규모 코드베이스 또는 다중 파일 컨텍스트의 경우, Kheish는 데이터를 벡터 저장소로 색인하고 나중에 시맨틱 쿼리를 통해 관련 부분을 검색합니다.
- 단일 에이전트, 멀티태스킹::
- Kheish는 개별 YAML 구성을 정의하거나 이를 다단계 시나리오로 결합하여 병렬 또는 직렬 작업을 처리할 수 있습니다.
© 저작권 정책
기사 저작권 AI 공유 서클 모두 무단 복제하지 마세요.
관련 문서
댓글 없음...