Von Paperclip + Gastown inspirierter Open-Source-AI-Agenten-Framework mit dem Konzept einer „Perpetual Engine“
(github.com/greatsk55)Hallo,
Inspiriert von Paperclip und Gastown habe ich ein Open-Source-Agenten-Framework mit dem Konzept einer „Perpetual Engine“ entwickelt, bei dem die AI mit vorhandenen Tokens ihre Arbeit selbstständig fortsetzt und ein Produkt weiter wachsen lässt.
Die Kernidee ist einfach:
AI nicht als einmaligen Aufruf zu betrachten, sondern als ein System, das dauerhaft arbeitet.
Dieses Framework:
erzeugt selbstständig Aufgaben
passt Prioritäten an
bewertet Ergebnisse
und führt die nächsten Aktionen fort
Mit anderen Worten: Der Fokus liegt darauf, eine Struktur zu schaffen, in der „die Arbeit weiterläuft“, ohne dass Menschen jedes Mal eingreifen müssen.
Ein weiterer wichtiger Aspekt dieses Projekts ist die „Sichtbarkeit“.
Anstatt das, was die AI erstellt, nur als Text-Logs zu hinterlassen:
lassen sich erzeugte UI-Entwürfe oder Ergebnisse visuell überprüfen
und verfasste Dokumente oder Research-Ergebnisse strukturiert betrachten
Dadurch geht es nicht nur darum, dass „es läuft“, sondern man kann auf einen Blick erfassen, in welche Richtung die AI gerade arbeitet und was sie erstellt.
Besonders im Startup-Kontext:
wurden die Zyklen Research → Implementierung → Test → Verbesserung automatisiert
und das System so entworfen, dass innerhalb begrenzter Ressourcen (Tokens) die größtmögliche Wirkung erzielt wird
Noch ist es eher ein Experiment als eine vollständig ausgereifte Lösung.
Man kann es auch als eine Untersuchung der Frage sehen: „Kann AI ein Produkt tatsächlich kontinuierlich weiterentwickeln?“
Mit folgenden Punkten beschäftige ich mich derzeit:
Kostenoptimierung bei langfristiger Ausführung
Probleme, bei denen sich das System in die falsche Richtung entwickelt (alignment drift)
Methoden, sinnvolle Ergebnisse auch ohne menschliches Eingreifen aufrechtzuerhalten
Wenn ihr Ähnliches ausprobiert habt oder Ideen dazu habt, freue ich mich sehr über Feedback.
Repo: https://github.com/greatsk55/perpetual-engine
Danke.
2 Kommentare
Bei solchen Harnesses klingen die Erklärungen immer sehr verlockend, aber funktioniert das Ergebnis auch wirklich?
Und selbst wenn es gut funktioniert: Sind die einzelnen Komponenten dieser Struktur in der Praxis tatsächlich sinnvolle Komponenten?
Oder sind es nur scheinbar plausible Komponenten, die einfach nur Tokens verbrauchen?
Ich finde, man sollte so etwas erst dann veröffentlichen, wenn solche Punkte bereits belegt sind.
Da täglich Dutzende davon erscheinen, ist es schon kaum zu schaffen, sie überhaupt einzeln auszuprobieren.
Mich würde auch interessieren, was der Autor mit diesem Harness gebaut hat und welche Durchbrüche es dabei gab.
Hallo, vielen Dank für Ihr erstes Feedback. Dieses Projekt befindet sich noch lediglich in der PoC-Phase und ist nur an zwei Wochenendtagen entstanden. Deshalb habe auch ich bislang noch keine wirklich überzeugenden Ergebnisse vorzuweisen.
Wie Sie gesagt haben, gibt es bereits viele ähnliche Open-Source-Projekte wie PaperClip oder gastown. Der Grund, warum ich trotzdem ein neues Projekt begonnen habe, war, ein Framework zu schaffen, das einfacher einzurichten und anschaulicher ist.
Wenn Sie es ausprobieren, werden Sie merken, dass man visuell nachvollziehen kann, welche Aufgaben es ausführt und welche Ergebnisse es erzeugt, damit nicht einfach nur der Eindruck entsteht, dass bloß Tokens verbraucht werden.
Es gibt noch vieles, was fehlt, und auch Bugs, aber ich habe dieses Projekt bewusst veröffentlicht, um es bereits in der Validierungsphase anderen zugänglich zu machen und die Schwächen schnell zu verbessern. Probieren Sie es bitte einmal aus und geben Sie Feedback oder senden Sie einen PR zur Verbesserung!