lbx154/Argus

解决的问题

Argus 解决了当前 AI 代理通常在人类操作员睡觉时停止工作的问题。它提供了一个用于研究和工程的持续、长期自主系统，使代理能够在无需持续人类监督的情况下，跨多个模型轮次进行规划、执行、验证并继续工作。

工作原理

Argus 使用「驱动- harness 模型」，AI 通过专用的多角色架构占据「驾驶座」。系统将职责划分为四个明确的角色，确保没有单一代理可以自我评分：

• 管理者：处理阶段转换并管理经验教训。
• 规划者：定义下一步任务及完成所需的证据。
• 工程师：执行实际的实现、研究和实验。
• 评审者：只读角色，提供正确性和证据的最终判断。

系统通过使用作用域内的技能和 Wiki 发现（项目 → 垂直领域 → 全局）在不重新训练的情况下持续改进。它与多种现有代理 CLI（如 GitHub Copilot、Claude Code 和 Cursor）集成作为后端来执行任务。

适用对象

Argus 专为需要自主代理处理复杂、长期技术任务（需验证和迭代优化）的研究人员和工程师设计。

主要亮点

• 高自主性：在 27 个任务中实现了 95–99% 的工作周期，每 310 小时仅需人类干预一次。
• 角色分离：管理者、规划者、工程师和评审者之间有严格界限，防止自我评分偏差。
• 广泛后端支持：原生集成 GitHub Copilot CLI、Claude Code、Cursor CLI、DeepSeek 等。
• 灵活接口：可通过终端驾驶舱、Web UI 和移动端集成（Telegram、Feishu/Lark）访问。
• 可定制自主性：提供不同模式（cautious、pragmatic、autonomous）以控制代理请求人类批准的频率。