RSIHub: Selbstentwickelndes Agenten-Framework
RSIHub ist ein Open-Source-Framework von Simple Agent Lab zur Erstellung selbstentwickelnder Agenten. Es ermöglicht evaluatorgesteuertes Lernen, reproduzierbare Kandidatenlinien und kontrollierbare Modifikation.
Über dieses Tool
Überblick
RSIHub ist ein Open-Source-Framework zur Erstellung von Agenten, die sich durch evaluatorgesteuertes Lernen selbst verbessern. Es betont reproduzierbare Kandidatenlinien und kontrollierbare Modifikation, sodass Entwickler die Entwicklung von Agenten verfolgen und Beweise speichern können.
Hauptfunktionen
- Evaluatorgesteuertes Lernen: Agenten trainieren und verbessern sich durch Evaluator-Feedback.
- Reproduzierbare Kandidatenlinien: Zeichnet jede modifizierte Kandidatenversion für Nachverfolgbarkeit auf.
- Kontrollierbare Modifikation: Begrenzt, was Agenten ändern können, über deklarierte Oberfläche und editable_roots.
- Multi-Agenten-Unterstützung: Unterstützt codex, claude-code, aider, gemini-cli, mini-swe-agent, opencode, openhands, swe-agent und andere.
- Workspace-Verwaltung: Erstellt neue Workspaces, wenn sich Initialisierungseingaben ändern, um unbeabsichtigte Änderungen zu vermeiden.
Anwendungsfälle
- Kontrollierte Agentenmodifikation
- Reproduzierbare Agentenlinienverfolgung
- Selbstentwickelnde Agentenentwicklung
- Evaluatorgesteuertes Agententraining
Zielgruppe
Open-Source-Mitwirkende, Agentenentwickler und KI-Forscher.
Funktionen & Anwendungsfälle
Evaluator-driven learningReproducible candidate lineageControllable modification boundariesSupports multiple agents (codex, claude-code, aider, etc.)Workspace managementOpen-source