Описание
Опытные LLMs — это инновационный инструмент с открытым исходным кодом, разработанный для улучшения агентов ИИ-кодирования через самообразование. Разработанный Андреем Ереминым, этот движок позволяет агентам ИИ учиться на основе ежедневной обратной связи и исправлений ошибок, что делает их более адаптированными к индивидуальным потребностям пользователей со временем. В отличие от традиционной памяти ИИ, Опытные LLMs сосредоточены на самообразовании, фиксируя эвристики оффлайн в SQLite и компилируя их в чистые операционные директивы.
Читать далее
Инструмент работает через цикл обучения день за днем, фиксируя обратную связь во время сеансов кодирования и консолидируя ее за ночь. Этот процесс включает в себя регистрацию исправлений и крайних случаев локально, которые затем обрабатываются LLM для замены устаревших директив, устранения дубликатов и сортировки правил в чистые категории. На следующее утро агенты начинают с чтения этих скомпилированных директив, которые компактны и свободны от ненужных комментариев.
Созданный с учетом конфиденциальности и простоты, Опытные LLMs гарантируют строгую изоляцию в конкретных файлах, обеспечивая отсутствие сканирования репозитория, индексации или телеметрии. Он использует консолидацию только LLM для семантического устранения дубликатов и разрешения противоречий, что делает его надежным инструментом для разработчиков.
Инструмент совместим с различными платформами, включая macOS, Linux, нативный Windows 11 и Windows 11 с гибридными средами WSL. Он упакован как чистый открытый навык, совместимый с Antigravity, Claude Code, Cursor и Copilot, и доступен бесплатно по лицензии MIT. Разработчики могут получить доступ к репозиторию на GitHub, чтобы просмотреть код или начать адаптацию своих локальных агентов уже сегодня.
- КатегорияAI-помощники для программирования
- Модель ценообразованияБесплатно
- РазвёртываниеЛокальный
- ПлатформыmacOS, Linux, Windows 11
Основные функции Опытные LLMs
Открытый движок самообразования
Фиксирует ежедневную обратную связь и исправления
Компилирует эвристики в SQLite
Работает через ежедневный цикл обучения
Обеспечивает конфиденциальность с строгой изоляцией файлов
Консолидация только LLM для устранения дубликатов
Кроссплатформенная совместимость
Бесплатно по лицензии MIT
Как использовать Опытные LLMs?
Установите: Настройте инструмент из GitHub
Настройте: Отрегулируйте параметры для вашей среды
Используйте: Записывайте обратную связь во время сеансов кодирования
Оптимизируйте: Просмотрите и уточните скомпилированные директивы
Варианты использования Опытные LLMs
- Настройка агентов
- Интеграция обратной связи
- Разработка с учетом конфиденциальности
- Кроссплатформенная разработка ИИ
- Сотрудничество с открытым исходным кодом
