最新

嗨，HN，我是Umer。我最近构建了一个名为HyperFlow的实验框架，旨在探索自我改进AI代理的想法。 通常，当一个代理未能完成任务时，我们开发者会手动调整提示或修改代码逻辑。我想看看代理是否能够自动化自己的改进循环。 HyperFlow基于LangChain和LangGraph，使用了两个代理： - 一个TaskAgent，用于解决特定领域的问题。 - 一个MetaAgent，负责改进。 MetaAgent会查看TaskAgent的评估日志，重写底层的Python代码、工具和提示文件，然后在一个隔离的沙箱（如Docker）中测试新版本。在多个迭代中，它会将取得最高分的版本保存到档案中。 目前这个框架仍处于高度实验阶段，但其架构深受最近的HyperAgents论文（Meta Research，2026）的启发。 我非常希望听到你对架构的反馈、你对自我引用代理的看法，或者回答你可能有的任何问题！ 文档： [https://hyperflow.lablnet.com/](https://hyperflow.lablnet.com/) GitHub： [https://github.com/lablnet/HyperFlow](https://github.com/lablnet/HyperFlow)