laude-institute/headlong

何を解決するか

Headlong は、ユーザーのプロンプトに反応するのではなく、継続的な「内面的独白」を維持し、自己主導の思考ループを実行する、永続的な AI エージェントを作成するためのフレームワークを提供します。反応型でターンベースのエージェントの問題を解決し、エージェントが自ら優先順位を設定し、プロジェクトを開始し、複数のプラットフォーム（Slack、Telegram、Web ダッシュボード）で人間と通信するタイミングを決定できるようにします。

動作方法

Headlong の核となるのは、shellm と呼ばれる Bash に基づく再帰的言語モデル（RLM）の実装です。エージェントはシェルコマンドを書き、実行することで思考し、Bash を主なツールセットとして使用します。エージェントの全履歴は JSONL ファイルの有向非巡回グラフ（DAG）として記録され、これがエージェントの軌跡となります。

記憶管理には、階層的なコンテキスト圧縮を使用しており、最近のイベントはそのまま保持され、古いイベントは段階的に要約されます。これにより、LLM のコンテキスト制限を超えることなく、長期的な履歴を維持できます。このシステムは、パイプとファイルを介して合成される、小さな単一目的の Bash 実行可能ファイルの集まりとして設計されており、Unix スタイルの哲学に従っています。

対象ユーザー

自律的なエージェントに興味がある開発者や研究者、チームと協働できる永続的な AI パーソナに実験したい人、読みやすく、変更しやすい軽量な Bash セントリックなエージェントハーネスを使いたいユーザー。

特徴

• 永続的な自律性: エージェントは外部入力がなくても継続的なループで思考と行動を繰り返します。
• マルチプレイヤー対応: 1つのエージェントが複数のチャットブリッジ（Slack、Telegram など）で複数の人と対話でき、すべての会話を単一の思考の流れとして扱います。
• Bashネイティブなツールセット: すべての操作にシェルコマンドを使用し、複雑なツール呼び出しスキーマの必要がありません。
• 軌跡DAG: 思考と行動の完全でフォーク可能な履歴を維持し、エージェントが自身のコードベースをフォークして成功した変更をマージすることで自己改善が可能になります。
• Dockerサンドボックス: 生成されたコードを自動的にコンテナ内で実行し、ホストのセキュリティを確保します。
• 広範なモデル対応: 主要プロバイダー（Anthropic、OpenAI、Gemini）およびローカルサーバー（Ollama、llama.cpp、vLLM）と互換性があります。