qybaihe/mu

何を解決するか

コードエージェントは、大規模モデルを用いて単純な非コード判断（例：コンテキストに保持すべき内容の決定、コマンドの安全性の判断、タスク完了のタイミングの判断）を行うことで、トークンの無駄遣い、レイテンシの増加、焦点の喪失を引き起こすことがよくあります。muは、これらの判断を「判断キーネル」と呼ばれる小規模で高速なモデルに委ねることで、この問題を解決します。このキーネルは、限られた範囲の「はい／いいえ」またはスコアリングの質問に応じ、メインの大規模モデルが実際にコード作業に集中できるようにします。

動作方法

muは、入力、コンテキスト、ツール、ターン管理の各段階で35の特定の「判断ポイント」を実装しています。各ポイントで、小規模な判断モデル（例：ホストされた Jev、ローカルの322MパラメータのLayaモデル、または他のLLM）が限定的な質問に答えることで、次の行動を決定します。

主なメカニズムは以下の通りです：

• コンテキスト管理：判断モデルは、コンテキストに保持すべきツール出力とアーカイブすべき出力を判断し、古くなった結果を特定して削除します。
• ハive：「蜜蜂」（サブエージェント）が特定のタスクを実行するマルチエージェントシステム。判断モデルがゲートキーパーとして機能し、蜜蜂の発見が集団ボードに共有される価値があるか、またはボード上のノートが特定の蜜蜂にとって関連があるかを判断します。
• 平易な言語によるボード：作業中のモデルに進行状況を物語的に報告させるのではなく、専用モデルがエージェントの状態を人間が読みやすい形式で要約してボードに表示します。
• 判断レジストリ：判断モデルが行ったすべての判断がログに記録され、エージェントの行動の背後にある理由をユーザーが監査できるようにします。

対象ユーザー

コンテキストを効率的に管理し、トークンの無駄を減らし、人間が読みやすい進行状況の追跡を提供する高パフォーマンスなコードエージェントを求める開発者。

特徴

• 判断キーネル：1ターンあたり35の異なる判断ポイントを、小規模で高速なモデルで処理。
• ローカル判断モデルオプション：プライバシーと高速性を考慮して、322Mパラメータのローカルモデル「Laya」を含む。
• 知能的なコンテキスト削減：ツール出力をチャンク単位で判断し、古くなったデータを削除することで、コンテキストのオーバーフローを防止。
• ハive：発見や議論を共有する追加不可のボードを持つ、連携されたマルチエージェントシステム。
• ネイティブデスクトップアプリ：ボード、判断、ハive専用タブと内蔵ブラウザを備えた完全なGUIを提供。