Descripción
LLMs Experimentados es una herramienta innovadora de código abierto diseñada para mejorar los agentes de codificación de IA a través de la autoeducación. Desarrollado por Andrey Eremin, este motor permite a los agentes de IA aprender de los comentarios diarios y las correcciones de errores, haciéndolos más adaptados a las necesidades individuales de los usuarios con el tiempo. A diferencia de la memoria de IA tradicional, LLMs Experimentados se centra en la autoeducación, capturando heurísticas fuera de línea en SQLite y compilándolas en directrices operativas limpias.
Leer más
La herramienta opera a través de un ciclo de aprendizaje diario, capturando comentarios durante las sesiones de codificación y consolidándolos durante la noche. Este proceso implica registrar correcciones y casos límite localmente, que luego son razonados por un LLM para reemplazar directrices obsoletas, eliminar duplicados y clasificar reglas en categorías limpias. A la mañana siguiente, los agentes comienzan leyendo estas directrices compiladas, que son compactas y libres de comentarios innecesarios.
Diseñado con la privacidad y la simplicidad en mente, LLMs Experimentados garantiza un estricto confinamiento a archivos específicos, asegurando cero escaneo de repositorios, indexación o telemetría. Emplea consolidación solo de LLM para la deduplicación semántica y la resolución de contradicciones, lo que lo convierte en una herramienta robusta para desarrolladores.
La herramienta es compatible con varias plataformas, incluyendo macOS, Linux, Windows 11 nativo y Windows 11 con entornos híbridos de WSL. Se presenta como una habilidad abierta limpia compatible con Antigravity, Claude Code, Cursor y Copilot, y está disponible de forma gratuita bajo la licencia MIT. Los desarrolladores pueden acceder al repositorio en GitHub para inspeccionar el código o comenzar a adaptar sus agentes locales hoy mismo.
- CategoríaAsistentes de programación con IA
- Modelo de preciosGratis
- ImplementaciónLocal
- PlataformasmacOS, Linux, Windows 11
Características principales de LLMs Experimentados
Motor de autoeducación de código abierto
Captura comentarios y correcciones diarias
Compila heurísticas en SQLite
Opera a través de un ciclo de aprendizaje diario
Garantiza privacidad con un estricto confinamiento de archivos
Consolidación solo de LLM para deduplicación
Compatibilidad multiplataforma
Gratis bajo licencia MIT
¿Cómo usar LLMs Experimentados?
Instalar: Configura la herramienta desde GitHub
Configurar: Ajusta la configuración para tu entorno
Usar: Registra comentarios durante las sesiones de codificación
Optimizar: Revisa y refina las directrices compiladas
Casos de uso de LLMs Experimentados
- Personalización de Agentes
- Integración de Comentarios
- Desarrollo Consciente de la Privacidad
- Desarrollo de IA Multiplataforma
- Colaboración de Código Abierto
