lbx154/Argus

해결하는 문제

현재 AI 에이전트는 일반적으로 인간 운영자가 잠자리에 들면 작업을 멈추는 한계가 있습니다. Argus는 연구 및 엔지니어링 분야에서 지속적이고 장기적인 자율성을 제공하여, 에이전트가 인간의 지속적인 감시 없이 여러 모델 턴에 걸쳐 계획, 실행, 검증, 작업을 계속할 수 있도록 합니다.

작동 방식

Argus는 AI가 전용의 다중 역할 아키텍처를 통해 "운전석"을 차지하는 "드라이버-해너스 모델"을 사용합니다. 네 가지 명확한 역할로 책임을 분리하여 단일 에이전트가 스스로 평가하는 것을 방지합니다.

• 매니저: 단계 전환을 처리하고 학습된 교훈을 관리합니다.
• 플래너: 다음 작업과 완료를 위한 필요 증거를 정의합니다.
• 엔지니어: 실제 구현, 연구, 실험을 수행합니다.
• 리뷰어: 읽기 전용 역할로 정확성과 증거에 대한 최종 판단을 제공합니다.

시스템은 재학습 없이도 범위가 제한된 기술과 위키 발견(프로젝트 → 수직 분야 → 글로벌)을 사용하여 시간이 지남에 따라 개선됩니다. GitHub Copilot, Claude Code, Cursor 등의 기존 에이전트 CLI를 백엔드로 통합하여 작업을 실행합니다.

대상 사용자

Argus는 검증과 반복적 개선이 필요한 복잡하고 장기적인 기술 캠페인을 자율 에이전트가 처리할 필요가 있는 연구자 및 엔지니어를 위한 것입니다.

주요 특징

• 고도의 자율성: 27개 캠페인에서 310시간마다 인간 개입이 필요할 정도로 95–99%의 근무 주기를 달성했습니다.
• 역할 분리: 매니저, 플래너, 엔지니어, 리뷰어 간의 엄격한 경계로 자기 평가 편향을 방지합니다.
• 광범위한 백엔드 지원: GitHub Copilot CLI, Claude Code, Cursor CLI, DeepSeek 등과의 네이티브 통합을 지원합니다.
• 유연한 인터페이스: 터미널 코크피트, 웹 UI, 모바일 통합(Telegram, Feishu/Lark)을 통해 접근 가능합니다.
• 사용자 정의 자율성: cautious, pragmatic, autonomous 모드를 제공하여 에이전트가 인간의 승인을 요청하는 빈도를 제어할 수 있습니다.