Kheish是什么
Kheish是基于大型语言模型（LLM）的多智能体编排开源平台，用多个专门的角色（智能体）和灵活的工作流协调复杂任务的各个步骤，如提案生成、审核、验证和格式化，产生高质量结果。平台能无缝集成外部模块，例如文件系统访问、shell命令和向量存储，丰富上下文并处理大型代码库或文档。Kheish以模块化、可扩展性、反馈循环和聊天式提示等特点，支持定制和扩展到新任务或领域。
Kheish的主要功能
- 多智能体工作流：定义多个角色（提议者、审阅者、验证者、格式化程序），并按照基于YAML的工作流配置顺序执行它们，处理复杂任务。
- 模块集成：集成多种模块，如文件系统访问（fs）、shell命令（sh）、向量存储（vector_store）等，扩展功能和处理能力。
- 聊天式提示：与LLM的互动采用对话式结构，包括system、user和assistant，维护上下文并澄清指令。
- 反馈和修订循环：工作流支持迭代反馈，如果审阅者或验证者发现问题，请求修订，直到解决方案满足标准。
- RAG和嵌入：集成向量存储处理大型文档，模型能获取相关片段而不会使提示过载。
- 模块化和可扩展性：支持在不破坏现有结构的情况下添加新模块或代理，鼓励定制和扩展到新任务或领域。
Kheish的技术原理
- 任务管理器：设计一个任务管理器，负责加载任务配置（YAML）、处理上下文、运行工作流程，并按需集成模块。
- 上下文处理：任务管理器读取初始文件或文本，准备TaskContext，为后续的智能体工作流提供上下文信息。
- 工作流执行：智能体按照定义的工作流顺序执行任务，包括生成解决方案、检查提案质量、确保最终正确性及输出验证结果。
- 模块请求调用：智能体能发出MODULE_REQUEST呼叫，获取其他数据、读取文件或执行语义搜索等。
- 结果缓存：为避免重复操作，Kheish缓存代理请求模块的结果。
- 与RAG集成：与检索增强生成（RAG）模型集成，轻松处理大型文档，通过向量存储获取相关片段。
Kheish的项目地址
- GitHub仓库：https://github.com/graniet/kheish
Kheish的应用场景
- 代码审计：用在自动化代码审查，通过智能体工作流识别代码中的安全漏洞和质量问题，提出改进建议。
- 法律文件分析：在法律领域，处理和分析大量的法律文件，提取关键信息，辅助法律研究和案件准备。
- 客户服务自动化：作为聊天机器人，处理客户的咨询和支持请求，提供即时的自动化回答。
- 内容创作助手：辅助内容创作者生成和编辑文章、博客和其他营销材料，提高内容的质量和吸引力。
- 个性化教育平台：根据学生的学习进度提供个性化的学习材料和练习题，辅助在线教育和远程学习。
