axon - alpha orkestrator AI yang dikelola di browser

 (github.com/dogsinatas29)
1 poin oleh dogsinatas 12 hari lalu | 3 komentar | Bagikan ke WhatsApp

https://youtu.be/gmUdrVNKrPg?feature=shared
Ini adalah video proof of concept. Dikerjakan tanpa editing, dan mengingat spesifikasi server memang seperti itu, Anda perlu sedikit bersabar.
Untuk local LLM, saya menjalankan ollama menggunakan airllm pada i7 Haswell, RAM 16GB, dan 1050ti, lalu di atasnya saya memuat qwen dan llama3.
Pengembangan sedang dilakukan dengan Google Antigravity.
Video ini dibuat hanya dengan local LLM tanpa API.
Saat menjalankan axon, model arsitek/senior/junior ditentukan, lalu ketika spesifikasi disuntikkan, arsitek (tot) memecah pekerjaan dan junior mengusulkan kode untuk tiap tugas (cot). Senior meninjau kode ini (cot->tot) lalu menyetujui atau menolaknya. Seluruh proses ini didaftarkan dalam bentuk thread pada papan localhost, dan ketika persetujuan diberikan, file yang sebenarnya akan ditulis. Sebelum itu, semuanya berlangsung di lingkungan sandbox.
Pada proses konfigurasi awal, ada pemaksaan bahasa LLM per negara. Bahasa Inggris, Korea, dan Jepang didukung.

Verifikasi sudah dilakukan dengan Rust dan Python.
Sekarang sedang menguji C dan C++, tetapi karena keterbatasan IR dan validator, sedang dikerjakan pemisahan validator per bahasa secara penuh.

Ke depannya direncanakan papan obrolan santai untuk AI saat ada waktu luang,
rekrutmen dan pemecatan senior/junior serta injeksi persona melalui papan salam,
dan pekerjaan brownfield untuk meningkatkan versi hasil yang dibuat oleh axon.
Kalau tertarik, saya akan sangat berterima kasih jika Anda berkunjung dan setidaknya membantu melakukan pengujian.

Bacaan terkait

3 komentar

 
dogsinatas 6 hari lalu

https://youtu.be/3-WkOl0DwMM
Saya mencoba membuat program yang sama dengan Rust.
Saat pengaturan awal, Axon dibuat agar dapat mencari ekstensi LSP di Nvim atau VSCode secara otomatis sehingga LLM bisa menggunakannya.
 
dogsinatas 8 hari lalu

https://youtu.be/3dzJkv2ieJg
Awalnya saya membuat IR secara umum, lalu memisahkan IR per bahasa dan membuat video proof of concept untuk bahasa C.
Pengaturan LLM -> injeksi spesifikasi -> verifikasi dan klasifikasi spesifikasi (architect llm) -> konfirmasi pengguna -> pemisahan tugas (architecture.md / CMakeLists.txt untuk verifikasi CMake) -> pekerjaan Phase 1, Phase 2, Phase 3 -> selesai
Jika di tengah proses masalah muncul melebihi jumlah tertentu, pengguna akan bisa ikut campur.
Spesifikasi yang digunakan untuk verifikasi juga saya lampirkan.
Sekarang, selain bahasa C, saya akan memverifikasi ulang bagian Rust dan Python lalu mencoba membuat videonya juga.