lbx154/Argus

何を解決するか

Argusは、現在のAIエージェントが人間のオペレーターが就寝すると通常停止してしまうという制限に対処します。研究およびエンジニアリングにおける継続的で長期的な自律性を提供し、エージェントが複数のモデルターンにわたって計画、実行、検証、継続作業を行うことを可能にします。人間の監視が常時必要ありません。

動作方法

Argusは「ドライバー・ハーネスモデル」を使用します。AIが専用のマルチロールアーキテクチャを通じて「ドライバーの座席」を取ることで、自律性を実現します。4つの明確な役割に責任を分割し、単一のエージェントが自らの作業を評価するのを防ぎます。

• マネージャー: ステージの遷移を処理し、学びを管理します。
• プランナー: 次のタスクと完了に必要な証拠を定義します。
• エンジニア: 実際の実装、研究、実験を実行します。
• レビュアー: 読み取り専用の役割であり、正しさと証拠の最終判断を行います。

システムは再トレーニングなしで、スコープ付きのスキルとWikiの知見（プロジェクト → 垂直分野 → グローバル）を用いて時間とともに改善されます。GitHub Copilot、Claude Code、Cursorなどの既存のエージェントCLIをバックエンドとして統合し、タスクを実行します。

対象ユーザー

Argusは、検証と反復的改善を必要とする複雑で長期的な技術キャンペーンを自律エージェントに処理させたい研究者およびエンジニア向けに設計されています。

主な特徴

• 高い自律性: 27のキャンペーンで310時間ごとに人間の介入が必要な程度の勤務サイクル（95–99％）を実証しました。
• 役割分離: マネージャー、プランナー、エンジニア、レビュアー間の厳格な境界により、自己評価バイアスを防止します。
• 広範なバックエンド対応: GitHub Copilot CLI、Claude Code、Cursor CLI、DeepSeekなどとのネイティブ統合をサポートします。
• 柔軟なインターフェース: ターミナルコックピット、Web UI、モバイル統合（Telegram、Feishu/Lark）からアクセス可能。
• カスタマイズ可能な自律性: cautious、pragmatic、autonomous の異なるモードを提供し、エージェントが人間の承認を求める頻度を制御できます。