最新

<a href="https://archive.md/x0Sxc" rel="nofollow">https://archive.md/x0Sxc</a>

我正在开发一个名为 QonQrete 的开源项目，希望能得到 HN 的反馈。 **项目简介** QonQrete 是一个以本地为先、基于代理的代码生成编排系统。它协调多个 LLM（大语言模型）“代理”来规划、编写和审查代码，同时将执行过程限制在您自己的基础设施中的沙箱内。可以将其视为一个您自己运行的 AI 辅助开发的施工场地。 **我为什么要构建它** 我看到的大多数多代理演示存在两个问题： - **安全性**：生成的代码通常在与其编排相同的环境中运行。 - **可观察性/控制**：长链代理变得不透明，难以干净地插入人工检查点。 我希望有一个这样的设置： - 代理生成的代码在隔离的容器中运行。 - 编排层从不直接在主机上执行这些代码。 - 您可以选择完全自动的循环或人工审批的模式。 **架构** 当前的管道： - **InstruQtor**：接受高层任务并将其分解为执行计划。 - **ConstruQtor**：按照计划生成代码/工件。 - **InspeQtor**：审查输出，标记问题，并可以请求另一次迭代。 在底层，每个代理只是一个具有不同角色的 LLM API 调用。执行发生在容器化的“微沙箱”中（目前使用 Docker）。主机只看到通过审查步骤的工件。 **安全模型（当前状态）** 原型： - 在一次性容器中运行生成的代码，并具有特定的卷挂载。 - 将编排与执行沙箱分开。 - 将所有代理生成的代码视为不可信。 这不是一个正式的沙箱或安全产品；这是一个务实的尝试，旨在避免“让 LLM 直接编辑您的代码库并在您的笔记本电脑上运行脚本”。我非常希望能得到具有更强威胁模型或相关经验的人的反馈。 **执行模式** 有两种模式： - **自主模式**：代理可以在没有输入的情况下运行多个循环，直到满足停止条件。 - **用户控制模式**：系统在检查点（计划后、第一次实现后等）暂停，等待您批准、调整指令或停止。 **LLM 提供者** 编排层是与提供者无关的。您可以为每个代理配置不同的提供者（例如，使用较小的模型进行规划，使用更强的模型进行实现，使用以推理为重点的模型进行审查）。目前支持通过 API 密钥使用 OpenAI、Gemini、Claude 和 DeepSeek。 **本地优先** QonQrete 不托管任何内容。您可以在自己的计算机或服务器上运行它： - 没有外部服务或托管后端。 - 您的 API 密钥保持本地。 - 工件存储在您的文件系统/Git 中。 代码库包括基本的 CLI 和示例流程。 **状态** 早期阶段： - 核心的三代理管道工作正常。 - 微沙箱执行功能正常，但仍在演进中。 - 正在开发用于检查循环的 TUI。 我并不声称这是实现多代理系统的正确方式；这是一个使其更可观察和更少风险的实验。 **我希望得到的反馈** - 编排与执行的分离是否合理？ - 代理角色（规划 → 构建 → 审查）的结构是否合理？ - 对沙箱方法和可能的失败模式有什么看法？ - 这是否比更简单的“单代理与工具”设置增加了足够的价值？ **代码库** 代码、设置说明和示例： [https://github.com/illdynamics/qonqrete](https://github.com/illdynamics/qonqrete)

NekoDJ 让您可以根据心情、体验或任何您脑海中浮现的想法生成 Spotify 和 YouTube 播放列表。 试用是免费的，生成的播放列表是公开的（无需登录）。 您可以浏览现有的播放列表，试试看，如果您有任何反馈，请随时联系！