Seed: minimaler, selbstmodifizierender Agent-Harness
Seed: Minimal, self-modifying agent harness
Vivek Haldar hat mit "Seed" einen minimalen Agent-Harness veröffentlicht, der aus einer etwa 150 Zeilen umfassenden Python-Datei besteht. Der Agent verbindet ein Sprachmodell mit genau einem Tool (bash-Ausführung) und lädt sein System-Prompt aus einer Datei, die er selbst überschreiben kann. Alles andere, was ein Agent normalerweise von einem Framework erhält, muss er sich selbst in einem self/-Verzeichnis aneignen. Das Projekt basiert auf Simon Willisons llm-Bibliothek und unterstützt Modelle wie OpenAI, Anthropic, Gemini und OpenRouter.
Es gibt hier kein Framework – die gesamte eingefrorene Schicht ist seed.py, eine kleine Schleife, die ein Sprachmodell mit genau einem Tool verbindet und sein System-Prompt aus einer Datei lädt, die der Agent selbst besitzt und umschreiben darf.
- lnenad
Ich denke, wie bei vielen Dingen, die hier in letzter Zeit gepostet werden, fehlt im Readme ein *Warum*. Warum sollte man das nutzen, was ist der Vorteil dieses Ansatzes? Werde ich mein Modell wirklich brauchen, um ausgefallene Werkzeuge darum herum zu bauen; oder reichen exec/web_search/web_fetch für 90% der Anwendungsfälle? Ist mein Agent nicht in der Lage, neue Plugins/Werkzeuge für pi/opencode zu schreiben?
- azath92
Ich muss sagen, mir gefällt die Kürze und Klarheit dieser Idee, angesichts der Leichtigkeit, in den letzten Jahren etwas Großes und Unfokussiertes zu produzieren. Ich hoffe, es bleibt sehr einfach, und wäre interessiert, ob der Autor oder jemand anderes etwas dazu sagen kann, welche Art von Komplexität durch die Nutzung entsteht, anstatt den Seed selbst mit anfänglicher Komplexität aufzublähen. Ich habe darüber nachgedacht, mit einem pi-Framework zu starten und die Werkzeuge entstehen zu lassen, aber das hier ist so viel schlanker am Anfang, ich frage mich, ob es mehr oder weniger interessant und/oder nützlich sein wird, hier zu starten.
- Hyperlisk
Ich habe gerade darüber geschrieben. Nicht genau darüber, aber darüber, wie dein Repository dein Schwarm sein kann und im Wesentlichen dein Harness. Mit Gitea/GitHub Actions in deinem Repo und Agent-Runner-Containern kannst du Agenten rund um die Uhr in deinen Repos arbeiten lassen. Nicht nur das, in einer containerisierten Welt kannst du ihre Gehirne einfach über gemeinsamen Speicher verbinden. Mit Antigravity bedeutet das, dass du das `Gehirn` und sein Konversationsverzeichnis mit deinen Agent-Runnern teilen kannst und sie die gesamte Historie von allem erhalten. Beim Aufbau wird deutlich, dass wir gerade erst anfangen!