Tura-AI/tura

解決的問題

Tura 解決了傳統 ReAct 風格代理迴圈的低效問題，即模型在每次工具呼叫後必須反覆重新進入會話。這種循環通常會導致高 token 消耗，因為系統提示需要重複傳輸，且上下文不斷增長，還可能導致邏輯表現平庸，因為模型傾向於遵循統計上常見但次優的路徑。

工作原理

Tura 採用三種主要策略來優化代理效能：

• 巨集 CLI 命令：Tura 不使用多個小工具呼叫，而是使用 command_run 巨集工具。這使得代理能夠建構多步驟執行樹（例如，檢查、修補、建構、測試），並在單次 LLM 呼叫中執行，從而大幅減少往返次數。
• 逆向推理：Tura 引導 LLM 估計目標狀態（$s_n$）並從目標狀態反向推理到當前狀態，而不是正向推理。這有助於代理在撰寫程式碼前識別根本原因並推導出最佳策略。
• 執行時上下文管理：Tura 將上下文視為狀態機。它使用 task_status、執行時提示和遞迴執行手冊，將上下文限制在當前任務範圍內，從而能在不遺失關鍵執行細節的前提下，精確壓縮無關資料。

適用對象

Tura 專為建構長週期自主代理的開發者設計，尤其適用於需要多步驟驗證和高 token 效率的複雜程式碼任務。

主要亮點

• Token 效率：在特定設定下，與 Codex CLI 相比，總 token 使用量最多減少 77.5%。
• 成功率提升：在 DeepSWE 任務的 "Balanced" 模式下，成功率比 Codex CLI 高出 16.7 個百分點。
• 靈活介面：提供 CLI、TUI 和桌面 GUI 工作區客戶端。
• 可擴展架構：支援自訂提供者、角色、代理和命令。