ShenSeanChen/waku-agent

해결하는 문제

Waku는 투명성과 사용자 제어를 지향하는 로컬 우선 개인용 AI 어시스턴트입니다. 상용 AI 제품과 달리 사용자가 완전히 읽고 수정하며 소유할 수 있는 코드베이스를 제공합니다. 무거운 프레임워크의 복잡성을 피하면서도 전문 에이전트의 핵심 기둥인 Harness, Loop, Memory, Eval을 구현했습니다.

작동 방식

이 프로젝트는 네 가지 주요 구성 요소로 이루어져 있습니다:

• Harness: 상호작용을 위한 게이트웨이(터미널, 대시보드, 음성, Telegram, Discord, WhatsApp)와 루프 주변의 도구를 관리합니다.
• Loop: 추론-행동-반복 주기를 처리하는 간결한 Python 구현(약 95줄)입니다.
• Memory: 의미 기억, 일화 기억, 절차 기억(기술)을 지원하는 로컬 SQLite 기반 시스템입니다. 정보를 기억할지 결정하는 '게이트'와 무엇을 유지할지 결정하는 통합 프로세스를 사용합니다.
• Eval/LLM-Ops: 결정론적 테스트, LLM-as-judge 평가, 릴리스 게이트, 그리고 모든 턴에 대한 추적 기능을 포함합니다.

간단한 어댑터를 통해 여러 LLM 제공업체(Anthropic, OpenAI, Gemini, DeepSeek 등)를 지원하며, 선택적으로 호스팅된 공유 메모리 서비스(Waku Memory)에 연결하여 서로 다른 에이전트 간에 데이터를 동기화할 수 있습니다.

대상 사용자

프레임워크의 추상화에 묻히지 않고 AI 에이전트의 작동 방식을 구축하거나 연구하기 위해 가볍고 읽기 쉬운 코드베이스를 원하는 개발자 및 AI 애호가.

주요 특징

• 로컬 우선: 메모리는 단일하고 접근 가능한 SQLite 파일에 저장됩니다.
• 로컬 대시보드: 메시지 흐름과 에이전트의 사고 과정을 시각화하는 브라우저 기반 콕핏.
• 투명한 루프: 핵심 에이전트 로직이 순수 Python으로 작성되어 단계별 디버깅이 쉽습니다.
• 다중 제공업체 지원: 단일 키를 통해 다양한 호스팅 모델과 연동 가능합니다.
• 내장 평가: 결정론적 테스트와 LLM 기반 테스트를 결합하여 신뢰성을 보장합니다.