Kheish —— 一个开源的多功能代理协同工作平台，支持自由设定多种代理以应对复杂的挑战

Kheish指的是什么

Kheish是一款开源平台，利用基于大规模语言模型（LLM）的多智能体编排技术来管理复杂的任务流程。通过部署多个特定角色的智能体以及灵活的工作流设计，它能够协调从提案生成、审查、验证到格式化的各个环节，并产出优质的结果。该平台具备无缝接入外部组件的能力，比如文件系统操作、shell命令执行和向量存储等功能，这不仅扩展了其上下文处理能力，还使其能有效地管理和分析大型代码库或文档集合。Kheish的设计特点是模块化与可扩展性兼备，并支持通过反馈循环及聊天式提示进行个性化配置和功能拓展至新的任务领域。

Kheish的核心特性

• 多个代理协同的工作流程设定若干个职责岗位（包括建议发起人、审核员、检验员及格式调整师），并通过遵循YAML工作流程的排列次序来依次运作这些岗位，以解决复杂的作业问题。
• 组件整合结合了包括文件操作、Shell指令执行以及矢量数据管理在内的多个组件，增强了系统的应用范围与处理效能。
• 对话型指引同LLM的交流采取了问答的形式，涵盖系统设定、用户提问及助手回应，并且保持了情境连贯性以明确指示。
• 审查与修改流程工作流程允许循环改进反馈机制，当审查人员或检查员识别出问题时，可提出修改要求，直至方案符合既定标准。
• RAG与嵌入技术整合矢量储存来管理大规模文件，使得模型能够提取相关的段落而不致于让请求超负荷。
• 组件化与灵活性提升允许在不影响当前架构的前提下增加新的组件或代理，促进个性化设置及向新任务和领域的拓展。

Kheish的操作机制

• 作业调度工具创建一款任务调度工具，旨在解析任务设置信息（采用YAML格式），管理执行环境，启动相关的工作流程序序，并可根据需要接入不同的组件模块。
• 情境背景解析任务管理器加载起始文件或文档，构建TaskContext，以向接下来的智能体工作流程供应背景数据。
• 任务流程运行根据设定的工作流程，智能体会依次完成任务，涵盖制定解决方案、评估建议的质量、确认最后的准确性并提交验证的结果。
• 组件发起调用請求：该智能体能够发起MODULE_REQUEST请求，以访问额外的数据、加载文件或开展语义查询等功能。
• 缓存结果为了防止重复执行操作，Kheish存储了其代理请求模块的缓存结果。
• 整合RAG功能结合检索增强生成（RAG）模型，能够高效管理大规模文件，并借助向量数据库提取相关内容。

Kheish项目的所在位置

• Git存储库：在GitHub上的graniet用户维护的kheish项目页面可以找到相关信息。

Kheish的使用情境

• 代码审查应用于自动化的代码审核流程中，利用智能化的工作流来检测并定位代码里的安全隐患及质量缺陷，并给出优化建议。
• 法律文书解析于法学范畴内，管理并解析海量的法务文档，提炼核心数据点，以支持司法调研及诉讼筹备工作。
• 客户支持智能化作为一名对话机器助手，我负责应对客户的各种询问与支持需求，给予实时的自动回复。
• 创意写作辅助工具协助内容制作者创作与修改文章、博客及其它市场推广素材，以增强作品的品质及其吸引力。
• 定制化学习平台依据学生的学业进展定制个性化教学资源与习题，助力线上教育及远端学习。