Présentation de Lean Collab : Un Orchestrateur Multi-Agents pour les Tâches LLM de Longue Durée
Lean Collab est un orchestrateur open-source développé par Mutable State Inc., conçu pour gérer des tâches complexes et de longue durée généralement inadaptées aux modèles de langage de grande taille (LLM) à agent unique. L'orchestrateur décompose les tâches en composants gérables, les délègue à des sous-agents qui travaillent en parallèle et partagent leurs découvertes en temps réel.
Fonctionnalités principales
- Décomposition des tâches : L'agent orchestrateur décompose les tâches longues et complexes en sous-tâches plus petites pour les sous-agents.
- Sous-agents parallèles : Les sous-agents exécutent leurs tâches simultanément, accélérant ainsi les temps de traitement.
- Abonnement à l'état et à la progression des tâches : Suivez la progression de la tâche avec des mises à jour en temps réel, permettant des ajustements dynamiques si nécessaire.
- Partage intermédiaire en temps réel : Les découvertes intermédiaires entre les agents sont partagées en temps réel pour améliorer l'efficacité et la précision globale de la tâche.
Cette configuration a été testée sur des problèmes mathématiques complexes de niveau Putnam, mais s'applique également à la refactorisation de logiciels, à la création d'applications et à des tâches de recherche approfondies.
Installation et configuration
Les prérequis incluent l'installation de Lean 4 et de Mathlib. Configurez votre environnement en installant des outils comme Rust et en configurant le projet Lean avec les dépendances appropriées. Pour l'authentification, vous aurez besoin d'une clé API depuis ensue.dev. Des exemples de fichiers de configuration et des détails de configuration de l'environnement sont fournis dans la documentation source.
Pour un guide d'installation détaillé et le code source, il est recommandé de cloner le dépôt et de consulter le README pour les instructions de configuration et de déploiement de votre propre instance de Lean Collab.
📖 Lire la source complète : HN AI Agents
👀 See Also
GLM 5 sur Mac M3 : Observations de performance pour le codage agentique
Un utilisateur rapporte avoir exécuté GLM 5 via la quantification 4 bits de MLX sur un Mac M3 avec 512 Go de RAM, le trouvant utilisable pour le codage agentique avec un contexte inférieur à 50 000 tokens, mais notant des ralentissements significatifs au-delà de ce seuil.
Eä : Un compilateur SIMD pour Python écrit en Rust
Un développeur a créé Eä, un compilateur pour les noyaux SIMD en ~12 000 lignes de Rust qui génère des bibliothèques partagées et des wrappers Python à partir de fichiers .ea, obtenant des accélérations de 6,6× par rapport à NumPy sans ctypes ni systèmes de build.
Les 171 vecteurs d'émotion interne de Claude influencent la sortie : Boîte à outils basée sur la recherche d'Anthropic
Le document de recherche d'Anthropic révèle que Claude possède 171 modèles d'activation internes qui fonctionnent comme des vecteurs d'émotion, influençant causalement son comportement avant qu'il n'écrive. Un développeur a créé une boîte à outils avec 7 principes pratiques de prompt et des prompts système basés sur ces découvertes.
Pilote : Un outil d'automatisation de navigateur entièrement construit avec du code Claude
Un non-développeur a utilisé Claude Code pour créer Pilot, un outil d'automatisation Chrome qui permet à l'IA de contrôler les navigateurs via la navigation dans l'arbre d'accessibilité. L'outil attribue des numéros aux éléments cliquables pour que Claude puisse donner des commandes comme 'cliquer 5' au lieu de deviner les positions à l'écran.