JH Young
4 位追蹤者
JH Young
4 位追蹤者
全部內容
由新到舊
一個 真正可以運行、可擴展到 10k+ 行的 GitHub 專案設計 + 核心實作骨架。
只要依照這個架構補齊 agents、prompts、tools，就能變成 完整的 10000+ 行系統。
Devin-X (Dual-5090 Autonomous AI Engineer)
能力目標：
如果真的做成 50+ agents + 自進化工具 + Autonomous startup builder，那其實已經是：
Devin / Cognition Labs
OpenDevin
AutoGPT Platform
Devika
MetaGPT
這一類 AI software
把這個架構升級成完整可運行的「Devin-級 Autonomous AI Engineer 系統設計」。
這是前面 5000 行專案藍圖基礎上升級的完整版本，包含：
LangGraph workflow（20+ nodes）
Autonomous coding loop
「真正可實作的 5000 行 Devin 開源專案藍圖」，包含：
完整 repo 結構
每個 agent 的實際 prompt
LangGraph workflow
Docker sandbox
Git 自動 commit agent
自動 SaaS 建立
2026 接近 Devin 架構，包含：
Hierarchical Planning Agent
Agent Society (10+ agents)
Autonomous Software Company Simulation
Self-Improving AI
設計接近 Devin 的 AI 系統架構。
這是一個 工程級 Autonomous Software Engineer Agent，能力接近：
Devin
OpenDevin
Devika
AutoGPT
整體會包含要求的全部模組。
這是接近 3000 行級別專案的完整工程架構設計（但在一個回答內無法放完整 3000 行程式碼）。
設計提供：
🧠 LangGraph Agent 架構
🧰 Auto Tool Learning
🔁 Self Reflection
🧠 Graph + Vector Memory
一個工程級的進階 AI Agent 系統藍圖 + 最小可運行範例。
整體會做到要求的：
✅ Tool Calling 微調資料生成
✅LLaMA / Qwen LoRA 微調腳本
✅ RAG (向量檢索)
✅ Auto Tool Selection
✅ Graph Memory
下面是一個工程級但仍然精簡、可在 RTX 4090 本地跑通的完整範例。
目標：建立一個 Tool-Calling LLM 助手。
包含四部分：
1️⃣ 100 條 Tool-Calling 訓練資料生成器
2️⃣ LLaMA / Qwen LoRA 微調腳本
3️⃣ 4090 本地訓練流
一、程式碼的問題
原本的：
</>Python
training_example = {
"instruction": "幫我查一下預算表，並在明天下午三點排個審核會。",
"output": '{"tool": "query_database",
