laude-institute/headlong

해결하는 문제

Headlong은 사용자 프롬프트에 반응하는 것이 아니라 지속적인 '내면의 독백'을 유지하고 스스로 주도하는 사고 루프를 수행하는 지속 가능한 AI 에이전트를 만들 수 있는 프레임워크를 제공합니다. 반응형이고 턴 기반인 에이전트의 문제를 해결하며, 에이전트가 자체적으로 우선순위를 설정하고 프로젝트를 시작하며, Slack, Telegram, 웹 대시보드 등 여러 플랫폼에서 인간과 소통할 시점을 결정할 수 있게 합니다.

작동 방식

Headlong의 핵심은 shellm으로, 재귀적 언어 모델(RLM)을 Bash 기반으로 구현한 것입니다. 에이전트는 쉘 명령어를 작성하고 실행함으로써 사고하며, Bash를 주요 도구 세트로 사용합니다. 에이전트의 전체 기록은 JSONL 파일의 방향성 비순환 그래프(DAG)로 기록되며, 이는 에이전트의 궤적을 나타냅니다.

기억 관리를 위해 계층적 컨텍스트 압축을 사용하며, 최근 이벤트는 그대로 유지되고 오래된 이벤트는 점진적으로 요약됩니다. 이로 인해 LLM의 컨텍스트 제한을 초과하지 않으면서도 장기적인 기록을 유지할 수 있습니다. 시스템은 작은 단일 목적의 Bash 실행 파일들의 모음으로 설계되어 파이프와 파일을 통해 조합되며, 유닉스 스타일 철학을 따릅니다.

대상 사용자

자율 에이전트에 관심이 있는 개발자 및 연구자, 팀과 협업할 수 있는 지속적인 AI 페르소나를 실험하고 싶은 사람, 가볍고 Bash 중심의 에이전트 하네스를 읽고 수정하기 쉬운 사용자.

주요 특징

• 지속적인 자율성: 외부 입력 없이도 지속적인 루프에서 사고하고 행동합니다.
• 다중 플레이어 상호작용: 하나의 에이전트가 여러 채팅 브리지(예: Slack, Telegram)에서 여러 사람과 상호작용할 수 있으며, 모든 대화를 하나의 사고 흐름으로 간주합니다.
• Bash 네이티브 도구 사용: 모든 작업에 쉘 명령어를 사용하여 복잡한 도구 호출 스키마가 필요 없습니다.
• 궤적 DAG: 사고와 행동의 완전하고 포크 가능한 기록을 유지하며, 에이전트가 자신의 코드베이스를 포크하고 성공적인 변경 사항을 병합함으로써 자가 개선이 가능합니다.
• Docker 사전 격리: 생성된 코드를 자동으로 컨테이너에서 실행하여 호스트 보안을 보장합니다.
• 광범위한 모델 지원: 주요 제공자(Anthropic, OpenAI, Gemini) 및 로컬 서버(Ollama, llama.cpp, vLLM)와 호환됩니다.