Einführung von Lean Collab: Ein Multi-Agenten-Orchestrator für langanhaltende LLM-Aufgaben.
Lean Collab ist ein Open-Source-Orchestrator, der von Mutable State Inc. entwickelt wurde und dafür konzipiert ist, komplexe, langfristige Aufgaben zu bewältigen, die typischerweise für große Sprachmodelle (LLMs) mit einem einzigen Agenten ungeeignet sind. Der Orchestrator zerlegt Aufgaben in handhabbare Komponenten und delegiert diese an Unteragenten, die parallel arbeiten und Entdeckungen in Echtzeit teilen.
Hauptmerkmale
- Aufgabenzerlegung: Der Orchestrator-Agent zerlegt umfangreiche und komplexe Aufgaben in kleinere Aufträge, die von Unteragenten bearbeitet werden.
- Parallele Unteragenten: Unteragenten führen ihre Aufgaben gleichzeitig aus, was die Verarbeitungszeiten verkürzt.
- Aufgabenstatus und Fortschrittsabonnement: Verfolgen Sie den Fortschritt der Aufgabe mit Echtzeit-Updates, die dynamische Anpassungen nach Bedarf ermöglichen.
- Echtzeit-Teilen von Zwischenständen: Zwischenleistungen der Agenten werden in Echtzeit geteilt, um die Gesamteffizienz und Genauigkeit der Aufgabe zu verbessern.
Dieses Setup wurde an komplexen Mathematikproblemen auf Putnam-Niveau getestet, gilt jedoch auch für Software-Relaunchs, App-Entwicklung und umfassende Forschungsaufgaben.
Installation und Einrichtung
Voraussetzungen sind die Installation von Lean 4 und Mathlib. Konfigurieren Sie Ihre Umgebung, indem Sie Tools wie Rust installieren und das Lean-Projekt mit den entsprechenden Abhängigkeiten einrichten. Für die Authentifizierung benötigen Sie einen API-Schlüssel von ensue.dev. Beispielkonfigurationsdateien und Details zur Einrichtung der Umgebung sind in der Quelldokumentation enthalten.
Für eine detaillierte Anleitung zur Einrichtung und den Quellcode wird empfohlen, das Repository zu klonen und die README für Anweisungen zur Konfiguration und Bereitstellung Ihrer eigenen Instanz von Lean Collab zu prüfen.
📖 Volle Quelle lesen: HN AI Agents
👀 Siehe auch
Auto-Optimieren: Ein Claude-Code-Plugin für autonome Leistungsoptimierung
Ein Entwickler hat auto-optimize erstellt, ein Claude Code-Plugin, das autonom Profile → Plan → Benchmark-Schleifen ausführt, um die Codeleistung zu optimieren. In einem Test erzielte es in etwa 3 Stunden eine 27 % schnellere Hashtabelle über alle Benchmarkszenarien hinweg.
Zot Chrome Operator: Lassen Sie Ihren Terminal-KI-Agenten über das Seitenpanel den Browser steuern
Eine Chrome-Erweiterung mit lokaler Brücke, die es zot, einem terminalbasierten KI-Codierungs-Assistenten, ermöglicht, Browser-Tabs über ein „browser_action“-Tool zu steuern. Installation in zwei Befehlen, keine Änderungen an zot erforderlich.
AutoProber: KI-gesteuerte Flugsonde-Automatisierung für Hardware-Hacking
AutoProber ist ein Automatisierungs-Stack für fliegende Prüfköpfe für Hardware-Hacker, der KI-Agenten ermöglicht, Ziele zu entdecken, Mikroskopbilder zu kartieren, sicherheitsüberwachte CNC-Bewegungen durchzuführen, Prüfungen zu überprüfen und kontrollierte Pin-Prüfungen durchzuführen. Es umfasst Python-Steuerungscode, ein Web-Dashboard, CAD-Dateien und arbeitet mit GRBL-CNC-Controllern, USB-Mikroskopen und Oszilloskop-Sicherheitsüberwachung.
alogin: Ein auf Go basierendes Sicherheitsgateway für KI-Agenten mit Human-in-the-Loop
alogin ist ein Open-Source-Sicherheitsgateway auf Go-Basis, das eine sichere Verbindung zwischen KI-Agenten und Infrastruktur bereitstellt, mit integrierter MCP-Server-Unterstützung für Claude Desktop, Human-in-the-Loop-Sicherheitsbarrieren und verschlüsselter Anmeldedatenspeicherung.