meng shao（@shao__meng）のスレッド

[オープンソース推奨事項] Acontext: 「自己進化型」AI エージェント専用に設計されたコンテキスト データ プラットフォーム。 AIエージェントを従業員に例えると、Acontextは単なるノートブック（ストレージ）ではなく、パフォーマンスコーチ（観察）とナレッジベース（学習）の機能も備えています。@memobase_ioの最新のオープンソースプロジェクトは、現在のエージェント開発における最大の課題、つまりエージェントが過去の経験から学習し、より安定してインテリジェントになる方法の解決を目指しています。 コアポジショニング: どのような問題を解決しますか? 現在のAIエージェントの多くは「忘れっぽい」です。LLMの一般的な知識は備えているものの、特定のタスクに関する長期記憶や経験の蓄積が不足していることが多いのです。 Acontext の主な目標は、エージェントがデータを保存、観察、学習できる 1 つの場所を提供することです。 次の 3 つのステップを通じて、エージェントの信頼性とミッションの成功率が向上します。 • 保存: 発生した事象を記録します。 • 観察: 分析がどの程度適切に行われたか。 • 学ぶ: 経験を要約し、次回はより良く行います。 3つの主要機能🧠 保存（多感覚記憶ストレージ） • 単なる会話ログ以上のもの: エージェントとユーザー間の会話を保存するだけでなく、成果物の保存もサポートします。 • コンピュータのハードドライブに似ています。エージェントに「ディスク」の概念を提供し、エージェントはタスク実行中にファイルを生成し、後で使用するために保存することができます。 価値: コンテキストの整合性を保証し、エージェントを「検証可能」にします。 👁️ 観察（バックグラウンドタスクの監視） • 非表示のスーパーバイザー: メイン エージェントが動作しているとき、Acontext はバックグラウンドでタスク エージェントを起動します。 • リアルタイム追跡: このバックグラウンド エージェントは会話をリアルタイムで分析し、現在のタスクのステータス (保留中/成功/失敗)、進行状況、およびユーザー設定を抽出します。 • 価値: 開発者は、エージェントがどこでスタックしているかを盲目的に推測する必要がなくなりました。ダッシュボードには、タスクの実行フローと成功率が明確に表示されます。 📘 学習（SOPエクスペリエンス抽出） – これがハイライト機能です。アクションからSOPを抽出：エージェントが複雑なタスクを完了すると、Acontextはそれを自動的に評価します。タスクが十分に複雑で、十分な参照値がある場合、Acontextは成功した操作パスをSOPに抽出します。 • 「スキル スペース」を構築する: これらの SOP は、Notion に似た構造化されたスペースに保存されます。 • スキルの再利用: エージェントが同様のタスクに再度遭遇すると、まずスペース内で「自分 (または別のエージェント) は、これを以前どのように実行したか」を検索し、最初から試すのではなく、成功した SOP を直接呼び出します。 価値：エージェントの自己進化を可能にします。使用すればするほど、標準操作手順（SOP）が蓄積され、エージェントは特定のタスクをより熟練して処理できるようになります。 開発者エクスペリエンス - ビジュアルダッシュボード: セッション履歴、タスクのステータス、保存されたファイル、蓄積されたスキルを直感的に表示できるローカル Web インターフェイスが付属しています。 • クイック スタート: Docker を使用したワンクリック デプロイメントをサポートします。 • 多言語 SDK: 既存の OpenAI、LangChain、または Vercel AI SDK プロジェクトに簡単に統合できる完全な Python および TypeScript SDK を提供します。 • テクノロジー スタック: バックエンドでは主に Go 言語を使用し、SDK では Python/TS を使用します。 オープンソースアドレス: