simple-agent-lab/RSIHub

해결하는 문제

AI 에이전트는 종종 스스로 개선해야 하지만, 맹목적으로 수행하는 것은 위험할 수 있습니다. RSIHub는 고정된 평가자에 대해 후보 변형을 테스트하여 에이전트가 통제된 방식으로 진화할 수 있게 합니다. 모든 변경 사항(무엇이 변경되었고 왜)의 전체 기록을 유지하고, 검증된 개선만 수용하므로 프로세스는 재현 가능하고 안전합니다.

작동 방식

RSIHub는 반복 루프를 실행합니다: 아카이브에서 부모 후보를 선택하고, 훈련 작업에서 실행하여 증거를 수집하고, 증거를 분석하여 수정할 내용을 결정하고, 선언된 제한을 존중하면서 특정 부분(프롬프트, 스킬, 에이전트 코드 등)을 변경하고, 허용된 표면을 넘지 않도록 변경을 보호하고, 동결된 평가자로 수정된 후보를 평가하고, 점수가 향상되면 새 부모로 흡수합니다. 모든 단계는 저장소와 같은 계보에 기록되며, 모든 실행은 Harbor를 통해 이루어져 컨테이너 격리, 궤적 캡처, 작업별 검증을 제공합니다.

대상 사용자

프롬프트, 스킬 또는 에이전트 코드를 체계적이고 재사용 가능한 방식으로 개선하려는 에이전트 빌더, 그리고 고정된 평가 및 돌연변이 경계 하에서 다양한 진화 전략을 비교해야 하는 연구자.

하이라이트

• 프레임워크 제어 평가: 평가자는 절대 변경되지 않으므로 비교가 공정합니다.
• 구성 가능한 레시피: 언덕 오르기, AHE, GEPA, Hyperagents, A-Evolve와 같은 전략을 코드 작성 없이 플러그인할 수 있습니다.
• 전체 출처: 각 세대는 점수, 아티팩트, 아카이브 기록, Git 커밋에 연결됩니다.
• Harbor 기반으로 컨테이너 실행 및 작업별 검증을 제공하며, 선택적 뷰어로 실행을 검사할 수 있습니다.