60 lines
3.1 KiB
Markdown
60 lines
3.1 KiB
Markdown
# goralphy
|
||
|
||
## Projekt
|
||
Autonomer Go Coding-Agent ähnlich wie Ralphy.
|
||
Nutzt lokale LLMs via OpenAI-kompatibler API (Docker AI, Port 12434).
|
||
Die lokelen LLM sind klein und laufen auf einem kleinen Rechner mit 16GB RAM, daher ist die Planung und Task-Aufteilung besonders wichtig.
|
||
|
||
Das Projekt soll mehrere Agenten unterstüzen die jeweils für eine Aufgabe spezialisert sind.
|
||
Folgende Agenten sind geplant:
|
||
- Planner-Agent: Zerlegt die PRD.md in atomare Tasks
|
||
- Code-Agent: Führt die Tasks aus, schreibt Code, führt Tests aus, dokumentiert
|
||
- Test-Agent : Führt die Tests aus, analysiert Fehler, gibt Feedback an Code-Agent
|
||
- Reseach-Agent: Recherchiert spezifische Fragen und gibt Inspiration basirend auf Internet-Quellen die konfigurierbar sein sollen (github, google suche, reddit, stackoverflow)
|
||
|
||
Jeder Agent soll seine Erkennisse und Fortschritte in einer Session-Datei (.agent-session.md) dokumentieren, damit der Fortschritt nachvollziehbar ist und die Agenten voneinander lernen können.
|
||
Des Weiteren soll jeder Agent eine TODO list im Markdown-Format führen, damit die Aufgaben klar strukturiert und priorisiert sind.
|
||
|
||
Das Projekt soll eine modulare Architektur haben, damit neue Agenten oder Tools leicht hinzugefügt werden können.
|
||
|
||
Das Projekt soll eine markdown basierte Dokumentation haben die die Architektur gut erklärt und die wichtigsten Konzepte beschreibt.
|
||
|
||
## Architektur
|
||
- `main.go` – Einstiegspunkt, Flag-Parsing, Modell-Auswahl
|
||
- `agent/loop.go` – Worker-Loop, Tool Calling, XML-Fallback Parser
|
||
- `agent/tools.go` – Tool-Executor (write_file, read_file, list_files, task_complete)
|
||
- `agent/logger.go` – Verbose-Logging
|
||
- `agent/session.go` – Session-Persistenz in .agent-session.md
|
||
- `agent/planner.go` – Planner-Agent (expandiert PRD → atomare Tasks)
|
||
- `agent/code.go` – Code-Agent (führt Tasks aus, schreibt Code, dokumentiert)
|
||
- `agent/test.go` – Test-Agent (führt Tests aus, analysiert Fehler, gibt Feedback an Code-Agent)
|
||
- `agent/research.go` – Research-Agent (recherchiert
|
||
- `prd/parser.go` – PRD.md Parser
|
||
|
||
## Wichtige Konventionen
|
||
- Go Modulname: llm-agent
|
||
- LLM Endpoint: http://127.0.0.1:12434/v1
|
||
- Arbeitsverzeichnis: ./output (per --workdir Flag)
|
||
- PRD-Datei: PRD.md (per --prd Flag)
|
||
- Default Modell: docker.io/ai/qwen3-coder:latest
|
||
|
||
## Commands
|
||
go build -o llm-agent .
|
||
go test ./...
|
||
go run main.go --workdir output --prd PRD.md --verbose
|
||
|
||
## Vorgehensweise
|
||
- Verfeinere die Architektur und die Agenten-Designs,
|
||
- Implementiere die Basis-Architektur und den Planner-Agent
|
||
- Teste den Planner-Agent
|
||
- Implementiere den Code-Agent
|
||
- Teste den Code Agent
|
||
- Implementiere den Research-Agent
|
||
- Teste den Research-Agent
|
||
|
||
## Späteree Erweiterungen
|
||
Integration einer Vektor-Datenbank für die Speicherung von Agenten-Erkenntnissen und Code-Snippets, um die Wiederverwendbarkeit und das Lernen der Agenten zu verbessern.
|
||
|
||
Integration von git um zwischenschritte zu dokumentieren und die Zusammenarbeit zwischen mehreren Agenten zu verbessern und die Steuerung über Pull Requests zu ermöglichen.
|
||
|
||
Integration von Discors Chat um die Agenten in Echtzeit zu überwachen und mit ihnen zu interagieren. |