Show HN: AI 지식 작업을 위한 오픈소스 SDK

Source: Hacker News

개요

GitHub:

대부분의 AI 에이전트 프레임워크는 코드를 대상으로 합니다: 코드를 작성하고, 테스트를 실행하고, 오류를 수정하고, 반복합니다. 이는 코드가 자연스러운 검증 신호를 가지고 있기 때문에 가능한데, 코드는 작동하거나 작동하지 않기 때문입니다.

Knowledge Work SDK는 지식 작업을 엔지니어링 문제처럼 다룹니다:

Task → Brief → Rubric (hidden from executor) → Work → Verify → Fail? → Retry → Pass → Submit

오케스트레이터는 서브‑에이전트, 웹 검색, 코드 실행, 파일 I/O를 조정한 뒤, 절대 조작할 수 없는 기준(루브릭은 별도 호출에서 생성되고 실행자는 직접 보지 못함)에 따라 자신의 작업을 검증합니다.

이 SDK는 원래 지식 작업에 대한 RL 훈련용 하니스로 구축되었습니다. 루브릭은 보상 함수 역할을 하여, 일반적으로 보상이 없는 작업에 구조화된 보상 신호를 제공합니다.

---

지식 작업이 코드와 다른 점은?

SDK는 현재 많은 에이전트가 지식 작업에 대해 부족한 기능을 추가합니다:

탐색 모드

• 해결 공간을 매핑하고, 집합 수준의 격차를 식별하며, 여러 옵션을 제시합니다.
• N개의 서로 다른 접근 방식을 생성하고, 각각 명시적인 가정과 반사실(예: “X일 때는 작동하고 Y일 때는 실패”)을 포함합니다.
• 집합 수준의 격차 요약으로 마무리합니다—전체 집합이 놓친 관점은 무엇인지.
• 전략, 설계, 창의적 문제 등 트레이드‑오프가 중요한 경우에 유용합니다.

예시 저장소를 확인하면 이 차이를 이해할 수 있습니다.

체크포인팅

• 다중 에이전트 워크플로우를 일시 중지하고, 어디서 잘못됐는지 검사한 뒤 특정 단계에서 재개하거나 포크할 수 있습니다.
• 롤아웃, 검색 단계 이후 여러 탐색, 혹은 특정 구간을 다시 실행할 때 유용합니다.

---

검증 루프

검증 단계가 주요 레버리지를 제공합니다:

• 루브릭에 따라 자신의 작업을 정확히 평가할 수 있는 모델은 단순히 더 나은 초안을 만드는 모델보다 더 가치 있습니다.
• 루브릭은 품질을 에이전트와 인간 모두에게 가시화하고, 잠재적으로 훈련 신호로 활용될 수 있게 합니다.

---

주요 기능

• 원격 실행 환경: Docker, e2b, 로컬 환경, 브라우저 샌드박스 등과 연동됩니다. 모델은 여러분의 컨텍스트에서 명령을 실행하고 피드백 루프를 기반으로 반복합니다. 코드 실행은 프로토콜로 취급됩니다.
• 툴 호출: 모델이 터미널 코드를 작성하고 피드백을 기반으로 반복할 수 있습니다. 컨텍스트에 함수나 문서를 전달하면, 모델이 필요한 코드를 생성하고 실행합니다(Anthropic의 프로그래밍 툴 호출과 유사). 세부 사항:

---

가이드 및 예시

• SDK 가이드:
• 확장 가능한 모드(맞춤 모드 예시):
• 파일 작업:
• CSV 예시:
• 원격 실행 예시:

---

라이선스

MIT 라이선스. 피드백을 환영합니다.

---

Comments URL:
Points: 4
Comments: 1