laude-institute/headlong

解决的问题

Headlong 提供了一个框架，用于创建不会仅仅对用户提示做出反应的持久性 AI 代理，而是能够维持持续的「内心独白」并进行自我引导的思维循环。它解决了反应式、回合制代理的问题，使代理能够自主设定优先级、启动项目，并在多个平台（Slack、Telegram 和 Web 仪表板）之间决定何时与人类沟通。

工作原理

Headlong 的核心是 shellm，这是一个基于 Bash 的递归语言模型（RLM）实现。代理通过编写和执行 shell 命令来思考，使用 Bash 作为其主要工具集。它将整个历史记录为 JSONL 文件的有向无环图（DAG），作为其轨迹。

为了管理记忆，它采用分层上下文压缩机制，最近的事件被完整保留，而较旧的事件则逐步被总结。这使得代理能够在不超出 LLM 上下文限制的情况下维持长期历史记录。该系统设计为一系列小型、单一用途的 Bash 可执行文件，通过管道和文件组合，遵循 Unix 风格的哲学。

适用人群

对自主代理感兴趣的研发人员，希望实验能够与团队协作的持久性 AI 人格的用户，以及希望使用轻量级、以 Bash 为中心的代理框架、易于阅读和修改的用户。

主要亮点

• 持久性自主性：代理在持续循环中思考和行动，即使没有外部输入也能运行。
• 多玩家交互：单个代理可跨多个聊天桥（如 Slack、Telegram）与多人互动，将所有对话视为单一的思维流。
• 原生 Bash 工具链：所有操作均使用 shell 命令，无需复杂的工具调用模式。
• 轨迹 DAG：维护完整的、可分叉的思维与行动历史，使代理能够通过分叉自身代码库并合并成功变更实现自我改进。
• Docker沙箱：自动在容器中运行生成的代码，确保主机安全。
• 广泛模型支持：兼容主流提供商（Anthropic、OpenAI、Gemini）和本地服务器（Ollama、llama.cpp、vLLM）。