Descrição
LLMs Experientes é uma ferramenta inovadora de código aberto projetada para aprimorar agentes de codificação de IA por meio da autoeducação. Desenvolvido por Andrey Eremin, este motor permite que agentes de IA aprendam com feedback diário e correções de erros, tornando-os mais adaptados às necessidades individuais dos usuários ao longo do tempo. Ao contrário da memória tradicional de IA, LLMs Experientes foca na autoeducação, capturando heurísticas offline em SQLite e compilando-as em diretrizes operacionais limpas.
Ler mais
A ferramenta opera por meio de um ciclo de aprendizado diário, capturando feedback durante as sessões de codificação e consolidando-o durante a noite. Esse processo envolve registrar correções e casos extremos localmente, que são então analisados por um LLM para substituir diretrizes desatualizadas, eliminar sobreposições e classificar regras em categorias limpas. Na manhã seguinte, os agentes começam lendo essas diretrizes compiladas, que são compactas e livres de comentários desnecessários.
Projetado com privacidade e simplicidade em mente, LLMs Experientes garante contenção estrita a arquivos específicos, assegurando zero varredura de repositórios, indexação ou telemetria. Ele emprega consolidação apenas com LLM para deduplicação semântica e resolução de contradições, tornando-se uma ferramenta robusta para desenvolvedores.
A ferramenta é compatível com várias plataformas, incluindo macOS, Linux, Windows 11 nativo e Windows 11 com ambientes híbridos WSL. É empacotada como uma habilidade aberta limpa compatível com Antigravity, Claude Code, Cursor e Copilot, e está disponível gratuitamente sob a licença MIT. Os desenvolvedores podem acessar o repositório no GitHub para inspecionar o código ou começar a adaptar seus agentes locais hoje.
- CategoriaAssistentes de programação com IA
- Modelo de preçosGrátis
- ImplantaçãoLocal
- PlataformasmacOS, Linux, Windows 11
Recursos principais de LLMs Experientes
Motor de autoeducação de código aberto
Captura feedback e correções diárias
Compila heurísticas em SQLite
Opera através de um ciclo de aprendizado diário
Garante privacidade com contenção estrita de arquivos
Consolidação apenas com LLM para deduplicação
Compatibilidade entre plataformas
Gratuito sob licença MIT
Como usar LLMs Experientes?
Instalar: Configure a ferramenta a partir do GitHub
Configurar: Ajuste as configurações para seu ambiente
Usar: Registre feedback durante as sessões de codificação
Otimizar: Revise e refine as diretrizes compiladas
Casos de uso de LLMs Experientes
- Personalização de Agentes
- Integração de Feedback
- Desenvolvimento Consciente da Privacidade
- Desenvolvimento de IA Multiplataforma
- Colaboração em Código Aberto
