lbx154/Argus

解決的問題

Argus 解決了目前 AI 代理通常在人類操作員就寢時停止工作的限制。它提供了一個用於研究與工程的持續、長期自主系統，讓代理能在無需持續人類監督的情況下，跨多個模型回合進行規劃、執行、驗證並持續工作。

工作原理

Argus 使用「駕駛員－牽引模型」，AI 透過專用的多角色架構佔據「駕駛座」。系統將責任劃分為四個明確的角色，確保沒有單一代理能自我評分：

• 管理者：處理階段轉換並管理經驗教訓。
• 規劃者：定義下一步任務及完成所需的證據。
• 工程師：執行實際的實作、研究與實驗。
• 審核者：唯讀角色，提供正確性與證據的最終判斷。

系統透過使用作用域內的技能與 Wiki 發現（專案 → 垂直領域 → 全域）在不重新訓練的情況下持續改進。它與多種現有代理 CLI（如 GitHub Copilot、Claude Code 和 Cursor）整合作為後端來執行任務。

適用對象

Argus 專為需要自主代理處理複雜、長期技術任務（需驗證與迭代優化）的研究人員與工程師設計。

主要亮點

• 高自主性：在 27 個任務中實現了 95–99% 的工作週期，每 310 小時僅需人類干預一次。
• 角色分離：管理者、規劃者、工程師與審核者之間有嚴格界限，防止自我評分偏誤。
• 廣泛後端支援：原生整合 GitHub Copilot CLI、Claude Code、Cursor CLI、DeepSeek 等。
• 靈活介面：可透過終端駕駛艙、Web UI 和行動端整合（Telegram、Feishu/Lark）存取。
• 可客製化自主性：提供不同模式（cautious、pragmatic、autonomous）以控制代理請求人類批准的頻率。