meng shao（@shao__meng）のスレッド

[オープンソースの推奨] Mistral Vibe: @MistralAI は、最新の CLI コーディング エージェント「Mistral Vibe」をオープンソース化しました。 Kimi CLIと同様に、主要な開発言語としてPythonを使用しています。Agentのコアアーキテクチャも「観察-調整-決定-アクション」のループで構成されており、人間のプログラマーの行動をシミュレートしています。まずファイル構造をチェックし（ls）、次にキーワードを検索し（grep）、コードを読み取り（cat）、コードを修正し（vim）、テストを実行し（make test）、エラーが発生した場合はログを確認し、修正に戻ります。このループを見てみましょう。 フェーズ1：動的コンテキストの構築 各ループを開始する前に、エージェントは現在の状況を「把握」する必要があります。Vibeはユーザーのチャット履歴をモデルに送信するだけでなく、構造化されたプロンプトパッケージを構築します。 • システム コマンド:「あなたが誰であるか」(Mistral シニア エンジニア)、「権限」(ファイルの読み取りと書き込み、シェルの実行が可能)、「出力形式」(JSON または XML 構造に従う必要がある) を定義します。 • ファイルマッピング：これはVibeの機能です。すべてのコードを読み取る（コンテキストに負荷をかける）代わりに、まず簡潔なファイルツリーを生成します。モデルはこのツリーを使ってutils.pyの場所を認識しますが、その内容はまだ把握していません。 • アクティブ ウィンドウ: read_file によって明示的に開かれたファイルの内容のみがコンテキストに完全に入力されます。 • 履歴要約: 以前の会話が長すぎる場合は、重要な決定ポイントのみを保持する「要約」に圧縮されます。 第2フェーズ：推論と意思決定 ここでDevstralモデルが活躍します。上記のコンテキストを受け取った後、モデルは思考の連鎖を通して推論を実行します。 • 意図認識: モデルは、ユーザーの意図が「クエリ」、「変更」、または「テスト」のいずれであるかを判断します。 • ツールの選択: モデルはコードを直接記述するのではなく、ツール呼び出し命令を生成します。 シナリオ例: ユーザーが「ログイン ページのバグを修正してください」と言った場合、モデルはランダムに推測するのではなく、まず grep("login", "src/views") を出力してコードを見つけます。 • アーキテクチャの特徴: Vibe は、Mistral モデルの強力な関数呼び出し機能を活用して、出力があいまいな自然言語ではなく構造化されたデータ (JSON など) になるようにし、プログラム解析の安定性を確保します。 第3段階：霧化操作 エージェントがモデルからの指示を受け取ると、Pythonスクリプトが特定のユーティリティ関数の実行を開始します。Vibeのツール設計は高度に「アトミック」であるため、エラーの発生確率が低減されます。 • 表示 / 読み取り: コードを表示します。Vibe は、後でより簡単かつ正確な位置特定ができるよう、行番号付きでコードを読み取る場合があります。 • 編集/置換: これは最も難しい部分です。Vibeでは通常、ファイル全体を書き換えるのではなく、ブロックの検索と置換というアプローチを採用しています。 • フォールト トレランス メカニズム: モデルによって生成された「ルックアップ ブロック」がファイル内で一致しない場合 (たとえば、余分なスペースが原因)、エージェントはエラーを報告し、エラーをループに戻して、モデルが再試行できるようにします。 • bash: ターミナルコマンドを実行します。Vibeの「キラー機能」により、エージェントはpytestまたはlinterを実行して自身のコードを検証できます。 フェーズ 4: 自己修正とフィードバック - 実行結果のキャプチャ: ツールの実行後の stdout と stderr がキャプチャされます。 • 閉ループフィードバック: grep でコンテンツが見つからない場合、モデルには「見つかりません。他のキーワードを試してください」という通知が送信されます。 pytest が失敗すると、モデルに次のメッセージが送信されます: "テストに失敗しました。エラー スタック トレース..."。 フィードバックを受け取った後、モデルは自身を振り返り、新たな修正計画を生成し、次のサイクルに入ります。 オープンソースアドレス