Kheish

Kheish – 开源的多智能体协调平台，可灵活配置多个Agent解决复杂任务

Kheish是一个开源的多智能体编排平台，基于大型语言模型（LLM）构建，通过多个专门角色（智能体）和灵活的工作流程，协调复杂任务的各个环节，诸如提案生成、审核、验证和格式化，最终实现高质量的成果。该平台能够无缝集成外部模块，包括文件系统访问、shell命令和向量存储，以丰富上下文并高效处理大型代码库或文档。

Kheish是什么

Kheish是一个基于大型语言模型（LLM）的开源多智能体编排平台。它通过定义多个专门角色（如提议者、审阅者、验证者和格式化程序）以及灵活的基于YAML的工作流程，能够有效协调复杂任务的各个步骤，从而生成高质量的结果。Kheish可与多种外部模块无缝集成，如文件系统访问、shell命令和向量存储，增强上下文处理能力，适用于大型代码库或文档的处理。该平台具备模块化、可扩展性、反馈循环和对话式提示等特点，支持用户对新任务或领域的定制和扩展。

Kheish的主要功能

• 多智能体工作流：允许定义多个角色，通过基于YAML的配置，以确定的顺序执行任务，处理复杂的工作流程。
• 模块集成：支持多种外部模块的集成，如文件系统访问（fs）、shell命令（sh）和向量存储（vector_store），增强系统的功能和处理能力。
• 对话式提示：与LLM的互动采用对话结构，包括system、user和assistant，帮助维护上下文并澄清指令。
• 反馈与修订循环：工作流程允许迭代反馈，审阅者或验证者可以请求修订，直到满足质量标准。
• RAG和嵌入：集成向量存储，用于处理大型文档，模型能够获取相关信息而不影响提示的清晰性。
• 模块化与可扩展性：支持在不破坏现有结构的情况下添加新模块或智能体，鼓励用户定制和扩展到新的任务或领域。

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、执行工作流程，并根据需要集成模块。
• 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必要的上下文信息。
• 工作流执行：智能体按照预定的工作流顺序执行任务，包括生成解决方案、检查提案质量、确保最终结果的正确性及输出验证结果。
• 模块请求调用：智能体能够发出MODULE_REQUEST请求，以获取其他数据、读取文件或执行语义搜索等操作。
• 结果缓存：为了避免重复操作，Kheish会缓存代理请求模块的结果。
• 与RAG集成：与检索增强生成（RAG）模型相结合，轻松处理大型文档，通过向量存储提取相关片段。

Kheish的项目地址

• GitHub仓库：https://github.com/graniet/kheish

Kheish的应用场景

• 代码审计：可用于自动化代码审查，利用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，帮助处理和分析大量法律文件，提取关键信息，支持法律研究和案件准备。
• 客户服务自动化：作为机器人，处理客户咨询和支持请求，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、博客及其他营销材料，提升内容质量和吸引力。
• 个性化教育平台：根据学生的学习进度，提供个性化学习材料和练习题，支持在线教育和远程学习。