edilsonmaia/autoreflex
Developer tools이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요. 원문 보기
Servidor local de skills com busca semântica para agentes de IA — reduz 85% do consumo de tokens tornando o conhecimento do agente reutilizável entre sessões.
개요
Servidor local de skills com busca semântica para agentes de IA — projetado para reduzir o consumo de tokens e tornar o conhecimento do agente reutilizável entre sessões. é um servidor local que cria, indexa e consulta skills — pequenas unidades de conhecimento em Markdown — usando busca semântica vetorial. Ele serve como para agentes de IA: em vez de reprocessar todo o histórico de uma tarefa a cada nova sessão, o agente consulta apenas a skill relevante e continua de onde parou, com contexto limpo. O sistema sobe localmente com FastAPI, usa o Qdrant como base vetorial e o modelo google/embeddinggemma-300m (configurável) para gerar embeddings. Em sessões longas com agentes de IA, o contexto satura, o custo cresce e a performance degrada. O Autoreflex resolve isso transformando o conhecimento já produzido em skills indexadas que ficam disponíveis para qualquer nova sessão. - em inícios de sessão, ao trocar histórico extenso por consulta dirigida a skills.
README
원문 README의 일부입니다. 원문 보기.
Autoreflex
Servidor local de skills com busca semântica para agentes de IA — projetado para reduzir o consumo de tokens e tornar o conhecimento do agente reutilizável entre sessões.
Sumário
- Sobre
- Por que Autoreflex
- Casos de uso
- Arquitetura
- Requisitos
- Instalação rápida
- Estrutura do projeto
- Configuração
- Endpoints da API
- Sistema de skills
- Fluxo operacional do agente
- Logs
- Reparo e reinstalação
- Compatibilidade
- Solução de problemas
- Licença
- Autor e mantenedora
Sobre
Autoreflex é um servidor local que cria, indexa e consulta skills — pequenas unidades de conhecimento em Markdown — usando busca semântica vetorial. Ele serve como memória persistente externa para agentes de IA: em vez de reprocessar todo o histórico de uma tarefa a cada nova sessão, o agente consulta apenas a skill relevante e continua de onde parou, com contexto limpo.
O sistema sobe localmente com FastAPI, usa o Qdrant como base vetorial e o modelo google/embeddinggemma-300m (configurável) para gerar embeddings.
Por que Autoreflex
Em sessões longas com agentes de IA, o contexto satura, o custo cresce e a performance degrada. O Autoreflex resolve isso transformando o conhecimento já produzido em skills indexadas que ficam disponíveis para qualquer nova sessão.
- Redução de 85,47% no consumo de tokens em inícios de sessão, ao trocar histórico extenso por consulta dirigida a skills.
- Reuso entre sessões: o que foi resolvido uma vez vira skill consultável.
- Busca semântica: o agente encontra a skill certa mesmo sem saber o nome do arquivo.
- 100% local: nenhuma dependência de SaaS, modelo e índice rodam na sua máquina.
- Multiplataforma: Windows e Linux, sem Docker.
Casos de uso
O Autoreflex não serve apenas para sessões interativas de chat. Ele se torna especialmente poderoso quando agentes são acionados programaticamente por eventos externos — um webhook, um cron, um alerta de monitoramento, um ticket novo. O agente acorda, consulta a skill certa para aquele contexto, age, e ao terminar grava novas skills sobre o que aprendeu. Com o tempo, cada agente se torna mais capaz sem precisar de treinamento adicional.
추천 도구
다른 키워드를 입력하거나 필터를 제거해 보세요.
설치
npx skillfish add edilsonmaia/autoreflex