Проект Wolli от компании Opsy предлагает новый подход к разработке автономных ИИ-агентов, способных к самообучению и расширению функциональности. Фреймворк позволяет агентам динамически адаптироваться к новым задачам, анализируя результаты своих действий и самостоятельно дописывая необходимый код для выполнения будущих операций, что значительно снижает потребность в ручном обновлении логики при изменении условий среды.
Основная идея Wolli заключается в создании «целеустремленных» агентов, которые не просто следуют жесткому алгоритму, а формируют библиотеку инструментов по мере необходимости. Система использует итеративный цикл: агент выполняет задачу, оценивает эффективность своего кода, сохраняет успешные паттерны в локальное хранилище и использует их для решения последующих запросов. Это превращает агента из статического скрипта в систему, которая постепенно наращивает свою компетентность.
Архитектура фреймворка ориентирована на интеграцию с существующими LLM и предоставляет разработчикам интерфейс для управления «памятью» агента. Вместо того чтобы переписывать промпты для каждой новой задачи, разработчик задает высокоуровневую цель, а Wolli берет на себя управление контекстом и генерацию вспомогательных функций, которые агент может вызывать в будущем. Такой подход упрощает создание сложных систем, требующих длительного планирования и работы с внешними API.
Ключевые факты
- Wolli позволяет агентам автоматически генерировать и сохранять новые функции для расширения своих возможностей.
- Система использует итеративный цикл обучения, где агент анализирует успешность выполненных действий для оптимизации будущих итераций.
- Фреймворк предназначен для создания автономных систем, способных самостоятельно адаптироваться к новым API и задачам без участия человека.
- Проект опубликован с открытым исходным кодом, что позволяет интегрировать его в существующие пайплайны разработки ИИ-агентов.