ReflexioAI/reflexio

Make your agents improve themselves. Reflexio is an AI agent self-improvement harness that enables your AI agents to continuously learn from real user interactions.

Reflexio – AI 에이전트 자가 개선 플랫폼

기능 – Reflexio는 LLM 기반 에이전트와 사용자 사이에 위치하는 서비스입니다. 모든 다중 턴 대화를 기록하고, 사용자의 수정 사항이나 전문가가 제공한 "이상적인" 답변을 관찰하여 두 가지 유형의 지식을 자동으로 추출합니다.

사용자 프로필 – 사용자 또는 환경에 대한 안정적인 사실 (예: preferred deployment region = us‑west‑2).
플레이북 (Playbooks) – 성공적인 상호 작용 패턴에서 파생된 재사용 가능한 단계별 절차. 플레이북은 사용자별로 지정하거나 여러 사용자 간에 집계할 수 있으며, 승인 후 공유하여 사용할 수 있습니다.

이러한 아티팩트를 유지함으로써 동일한 에이전트가 향후 턴에서 이를 검색하여 반복적인 실수를 방지하고 검증된 워크플로우를 재사용할 수 있습니다. 또한 이 시스템은 에이전트의 응답을 주기적으로 평가하여 개선 정도를 측정합니다.

주요 기능

기능	제공 내용
프로필 생성	사실 기반 사용자 정보를 추출하며, 버전 관리(현재/보류 중/보관됨) 및 구성 가능한 추출 창을 지원합니다.
플레이북 추출 및 집계	유사한 사용자 행동을 클러스터링하고, LLM이 생성한 SOP 스타일의 플레이북을 만들며, 공유되기 전에 승인 워크플로우를 제공합니다.
전문가 학습	에이전트의 답변과 함께 전문가의 "이상적인" 답변을 게시할 수 있습니다. Reflexio는 실질적인 격차를 강조하고 이를 실행 가능한 플레이북으로 전환합니다.
에이전트 성공 평가	세션을 무작위로 샘플링하고, 섀도우 콘텐츠와 비교하며, 도구 사용량을 분석하여 실패를 감지합니다.
하이브리드 검색 및 검색	프로필 및 플레이북 전반에 걸친 벡터+전체 텍스트 검색, 선택적 LLM 쿼리 재구성, 통합 병렬 쿼리(3k 행 SQLite 저장소에서 p50 약 57ms).
다중 공급자 LLM 지원	LiteLLM을 통해 OpenAI, Anthropic, Azure, Gemini, MiniMax, DeepSeek 등 다수 지원.
CLI 및 Python SDK	빠른 게시/검색 주기를 위한 `reflexio` 명령줄, 프로그래밍 방식 사용을 위한 `reflexio.ReflexioClient`.
통합	OpenClaw 에이전트 프레임워크용 기본 어댑터 및 mem0 메모리 플랫폼용 드롭인 래퍼.

시작하기

설치 – pip install reflexio-ai (또는 개발을 위해 리포지토리 복제). 패키지에는 일련의 서비스(8061 포트의 API, 8069 포트의 추론, SQLite 저장소)가 포함되어 있습니다. 데이터는 ~/.reflexio 아래에 저장됩니다.
서비스 실행 – reflexio services start (또는 소스에서 uv run reflexio services start). API는 http://localhost:8061에서, 문서 UI는 http://localhost:8062에서 액세스할 수 있습니다.
대화 게시 – CLI 또는 SDK를 사용하여 사용자가 어시스턴트를 수정하는 다중 턴 채팅을 보냅니다. Reflexio는 데이터를 백그라운드에서 처리하고 프로필/플레이북을 생성합니다.
검색 – 저장된 지식을 쿼리(reflexio search "deployment region" --user-id alice)하거나 Python에서 session.search(...)를 호출하여 다음 에이전트 턴에 대한 관련 컨텍스트를 검색합니다.
플레이북 승인 – 집계된 플레이북이 검토를 위해 표시됩니다. 승인되면 공유 풀에 추가되어 모든 에이전트가 사용할 수 있습니다.

아키텍처 개요

Client (CLI / SDK / HTTP) → FastAPI backend
   ├─ ProfileGenerationService → extractor → storage
   ├─ PlaybookGenerationService → user extractor → aggregator → storage
   ├─ EvaluationScheduler → success evaluator → storage
   ├─ ShadowComparisonWorker → per‑turn judge → storage
   └─ UnifiedSearchService → hybrid vector + text search

모든 서비스는 기본적으로 로컬에서 실행되며, 임베딩에는 번들된 MiniLM ONNX 모델을 사용하고 선택적으로 교차 인코더 리랭커를 사용합니다. SQLite가 기본 지속성 계층이지만, 원하는 경우 추론 서비스를 원격 임베딩 엔드포인트로 지정할 수 있습니다.

권장 사용자

사용자 피드백을 전체 모델 재학습 없이 지속적인 개선으로 전환할 체계적인 방법이 필요한 커스텀 LLM 에이전트 개발자.
조직별 정책(예: 배포 지역, 규정 준수 단계)을 준수해야 하는 내부 지원 봇을 구축하는 제품 팀.
자가 개선 에이전트를 연구하는 연구원; Reflexio는 기존 자체 학습 Hermes 에이전트 위에서 계획 단계를 최대 81%, 토큰 사용량을 72% 절감하는 벤치마크(GDPVal)를 제공합니다.

커뮤니티 및 지원

Discord – https://discord.gg/7fnCxahase
호스팅 SaaS – Reflexio.ai는 추가 검색 및 RL 기반 지속적 개선 기능을 갖춘 관리형 버전을 제공합니다.
문서 – https://www.reflexio.ai/docs (API 참조, 통합 가이드, 아키텍처 세부 정보).

결론 – Reflexio는 LLM 에이전트의 피드백 루프를 닫는 오픈 소스 플랫폼으로, 실제 수정 사항을 재사용 가능하고 검색 가능한 지식으로 전환하여 에이전트가 상호 작용할 때마다 더 똑똑해지도록 합니다.