autocontext

收录理由

依赖编码或支持类智能体的团队，常常看着它们在一次次运行中重复同样的错误。autocontext 把每一次任务都变成学习机会：你用自然语言给出目标，它带着任务去跑评估，留下有用的经验，丢掉走不通的路，再把轨迹、报告、操作手册和数据集留给下一轮。所有产出都以文件形式保存，你可以随时查看、对比、回放，甚至把这些积累的知识喂给训练流程，这在实际中很适合把稳定行为提炼到更便宜的运行环境里。它既提供 Python 命令行和库，也有 TypeScript/Node 包，能驱动 Claude、Codex、Pi 或任何兼容 OpenAI 接口的端点，包括 vLLM 或 Ollama 上自托管的模型。学习循环加上灵活的部署方式，让那些希望智能体随时间明显进步的团队有了一个扎实的选择。