Headlong - Laude InstituteのオープンソースAIエージェントマイクロフレームワーク - AiBoss

Headlongとは何ですか？

Headlongは、Laude Instituteが開発したオープンソースのAIエージェントマイクロフレームワークで、コア部分はわずか約1万行のBashスクリプトで構成されています。その最大の特長は、持続的なエージェント機能です。エージェントは決して「眠る」ことがなく、起動コールやスケジュールされたタスクを必要とせず、人間の内なる独り言のように自律的に思考し続けます。Headlongは、バグの診断、修正プログラムの作成、コミットを自律的に行うことができ、SlackやTelegramを介してチーム全体と連携し、まるで共有のデジタル同僚のように機能します。

ヘッドロングの主な機能

持続的な主観性このエージェントは決して休眠状態になることはなく、人間の内なる独白のように自律的に思考を続け、起こされたり、スケジュールされたタスクを実行したりする必要がない。
シェルムエンジン再帰的言語モデルの核心は、コンテキストをLLMに送信し、返されたBashコマンドを実行し、そのプロセスを繰り返すことである。
traj 軌道システムエージェントの思考と行動の履歴全体を完全に記録するには、フォークとマージをサポートする追記専用のjsonl DAGを使用します。
階層的コンテキスト圧縮軌跡全体は常に文脈の中で保持されるが、解像度は指数関数的に低下する形で表示される。
思考者スケジューラーそれは複数の反応的な思考プロセスを実行し、次に何を考えるべきか、いつ人間に反応すべきかを自律的に決定する。
メモリストレージファイルベースのメモリシステムにより、エージェントは経験と知識を蓄積することができる。
スキルの再利用特定のタスクの処理フローは、SKILL.md ファイルに保存され、そこから呼び出されます。
マルチプラットフォームコラボレーションSlack、Telegram、および組み込みのチャットアプリケーションとの連携をサポートし、チーム全体が同じエージェントの考え方を共有できるようにします。
Docker Sandbox生成されたコードはデフォルトでコンテナ内で実行されるため、リスクが隔離され、ホストのセキュリティが確保されます。
自己啓発エージェントはコードベースをフォークし、独自に修正およびテストできます。テストが成功すればメインブランチにマージされ、失敗すれば破棄されます。
リアルタイムダッシュボードブラウザ内で、エージェントの思考プロセス、内なる独白、および行動ログをリアルタイムで観察できます。
マルチモデル対応統一されたCLIインターフェースを通じて、Anthropic、OpenAI、Gemini、OpenRouterなどのLLMプロバイダーと互換性があります。

ヘッドロングの技術原則

持続的な主体性Headlongの中核となる設計は、エージェントを従来の要求応答モデルから解放し、終わりのない思考ループを通してアイデアを継続的に生成できるようにすることです。観察結果が思考プロセスに注入されると、エージェントは優先順位、応答のタイミング、新しいタスクを開始するかどうかを自律的に決定します。コストを制御するためのインタラクションがない場合、バックグラウンドの思考速度は指数関数的に減少します。
shellm 再帰言語モデルこのフレームワークは、エージェントの「ネイティブ言語」としてBashを使用し、shellmエンジンを介してコンテキストをLLMに送信し、返されたBashコマンドを実行して出力を読み取ることで、「考える→実行する→観察する」という再帰的なループを形成します。LLMはBashを自然に理解するため、curlやjqなどの既存のツールは、追加のツール抽象化レイヤーを必要とせずに、HTTPクライアントおよびJSONプロセッサとして直接機能します。
軌跡はDAG（DAGとしての軌跡）です。エージェントの思考と行動の全履歴は、追記専用のJSONファイルとして記録され、有向非巡回グラフを形成します。この設計は、フォーク（分岐実験）とマージ（結果のマージ）をサポートしており、エージェントは任意の時点で元の状態を確認できるだけでなく、自己改善のためのバージョン管理基盤も提供します。エージェントはコードベースをフォークし、変更し、テストし、マージするかどうかを決定できます。
階層型コンテキスト圧縮長い軌跡におけるコンテキストウィンドウの制限に対処するため、Headlongは指数関数的に減衰する階層型射影メカニズムを採用しています。最新のエントリは全文を保持し、古いエントリは段階的に要約されます。これらの階層はインデックスとしても機能し、エージェントは必要に応じていつでも元のコンテンツを取得できるため、軌跡はライフサイクル全体を通して「コンテキスト内」に維持され、失われることはありません。
思想家思考モジュールは、複数の反応的な思考プロセスを管理し、人間のメッセージへの応答から自律的に開始される観察や計画まで、さまざまな種類の思考活動を調整します。スケジューラは、エージェントがSlackやTelegramなどの複数のチャネルからの入力を単一の思考ストリーム内で処理し、現在の状態と記憶に基づいて最適な次のアクションを自律的に決定することを保証します。
Dockerサンドボックス実行セキュリティを確保するため、エージェントによって生成されたコードはデフォルトでDockerコンテナ内で実行され、shellm-dockerを介して制御された実行環境が提供されます。コンテナは再利用可能で、再起動の手間を軽減できます。また、Dockerを使用せずにローカルで実行することも可能ですが、潜在的に危険なシェルコマンドがホストシステムに直接的な損害を与えないように、明示的な確認が必要です。

WeChatでフォローして「オープンソース「、参加するAIオープンソースプロジェクトに関するディスカッショングループ

Headlongの使い方

取り付けフレーム：走る curl -fsSL https://headlong.ai/install.sh | bash インストールは単一のコマンドで完了し、その際にインタビューを受けて最初のエージェントIDが作成されます。
環境を整えるシステムにbash 3.2以降、git、curl、jqがインストールされていること、およびAnthropic/OpenAI/Gemini/OpenRouterのAPIキーが準備されていることを確認してください。
エージェントを起動するインストール後、エージェントに付ける名前（例：...） adaこれはシステムコマンドに直接変換でき、いつでも利用可能です。
メッセージを送信：埋め込む ada hello エージェントに単一のメッセージを送信し、返信を待つことで、新しいセッションを開くのではなく、メッセージをエージェントの思考プロセスに組み込むことができます。
チャットを続ける：埋め込む ada 対話モードに入り、エージェントと複数回の対話を行い、すべての内容が同じ思考プロセスに沿って展開されます。
一時停止と再開：埋め込む ada stop エージェントの思考プロセスを一時停止させる。ada start 自律運転を復旧させる。
観察思考：埋め込む ada dash ブラウザでダッシュボードを開くと、エージェントの内なる独白、観察結果、およびアクションログをリアルタイムで確認できます。
安全サンドボックスインストールプロセスはDocker経由で実行することをお勧めします。そうすることで、エージェントによって生成されたコードが隔離されたコンテナ内で自動的に実行され、ホストのセキュリティが確保されます。
緊急ブレーキエラーが発生した場合は、以下を実行してください... headlong-killall ワンクリックで、マシン上のHeadlong関連プロセスをすべて終了できます。
フィードバックを送信する：埋め込む ada bugreport ログファイルと追跡ファイルを自動的にパッケージ化し、問題報告用のAPIキーを匿名化します。
Dockerは独立して実行される: 直接実行可能 docker run エージェントは、インストールスクリプトを使用して別のコンテナ内で常時実行されます。
アンインストールしてクリーンアップする：走る curl -fsSL https://headlong.ai/uninstall.sh | bash インストールされているすべてのコンテンツを完全に削除できます。

ヘッドロングのコアな利点

持続的な主観性エージェントは決して休眠状態になることはなく、人間の内なる独り言のように、常に自律的に思考し、自らを動かし続ける。
ミニマリスト建築コア部分はわずか約1万行のBashスクリプトで構成されています。LLMは追加のツール抽象化レイヤーを必要とせず、Bashで直接思考できます。
完全な記憶保存階層化されたコンテキスト圧縮により、エージェントのライフサイクル全体が常に「コンテキスト内」で実行されることが保証され、詳細な情報は近くで、簡潔な詳細はさらに下の方で提供される一方、いつでも元の詳細情報を取得できるようになります。
チームで同僚を共有する単一の思考プロセスインターフェースがSlack、Telegram、および内蔵チャットに接続され、チーム全体が同じエージェントを共有して、積極的にコミュニケーションを開始します。
自己反復進化エージェントはコードベースをフォークし、独自に修正およびテストを行い、成功した場合はメインブランチにマージすることができます。Laudeは、エージェントのコミットのうち50件以上を採用しています。
ネイティブセキュリティサンドボックス生成されたコードはデフォルトでDockerコンテナ内で実行されるため、潜在的なリスクが隔離され、複雑な権限設定も不要です。
コスト効率が良く、管理しやすいバックグラウンド処理の速度は、人間の介入がない場合、指数関数的に低下するが、1時間あたり約1～2ドルでオンデマンドで実行され、メッセージが届くと瞬時にフルスピードに戻る。

ヘッドロングのプロジェクトアドレス

プロジェクト公式サイト：https://www.laude.org/updates/headlong-a-microharness-for-persistent-agents
GitHubリポジトリ：https://github.com/laude-institute/headlong

ヘッドロングの競合製品比較

比較対象寸法	Headlong	AutoGPT
コアアーキテクチャ	LLM思考のためにBashをネイティブに使用した、約1万行のミニマルなBashマイクロフレームワーク。	Pythonはモジュール式のフレームワークであり、ツールには二次的なカプセル化が必要で、アーキテクチャは比較的重厚である。
動作モード	持続的な主観性決して休眠状態にはならず、常に自己反省的な、内省的な独白形式の思考を行っている。	タスク主導型ターゲットを入力すると、処理が細分化されて実行されます。処理が完了すると、一時停止します。
相互作用モデル	思考プロセスにメッセージが注入され、エージェントは自律的に応答するタイミングや、積極的に連絡を取るかどうかを決定します。	セッションの境界は明確です。ユーザーが目標を入力する→エージェントが実行する→結果を返す。
メモリ機構	完全な軌跡DAGと階層的なコンテキスト圧縮により、ライフサイクル全体を通して追跡可能	短期記憶型のベクトルデータベースは、長期間にわたってデータ損失や不正確なデータ検索が発生しやすい。
ツールシステム	抽象化なし、curl/jqなどのシステムツールのネイティブ機能	定義済みのユーティリティ関数が必要であり、プラグイン拡張機能に依存します。
チームワーク	思考プロセスは一つ。SlackやTelegramを含む複数のプラットフォームが、単一のエージェントを共有する。	シングルユーザーセッションのみで、ネイティブなマルチユーザー共有メカニズムはありません。
自己啓発	フォーク／テスト／マージのワークフローが組み込まれており、50件以上のコミットが貢献されています。	コード生成は可能だが、バージョン管理機能や検証ループが組み込まれていない。
展開しきい値	単一のコマンドでインストールできます。Dockerサンドボックスはデフォルトで有効になっています。	Python環境、ベクターライブラリ、APIキーなどを設定する必要があります。

Headlongの応用事例

24時間365日対応のインテリジェントなコードレビューと自己修復エージェントはコードベースを継続的に監視し、早朝にパイプラインのバグを自律的に発見し、診断し、修正コードを作成し、エンドツーエンドの検証を実行し、コミットを送信する。これらすべてを人間の介入なしに行う。
クロスプラットフォーム対応のチームコラボレーションハブ共有デジタル同僚として、Slack/Telegramにアクセスすることで、各メンバーの作業進捗状況を把握したり、関係者と積極的に連絡を取ったり、プロジェクトの状況を要約したり、重要な情報をタイムリーに発信したりすることができます。
インフラストラクチャの継続的な運用および保守監視サーバーログとメトリクスを継続的に読み取り、異常なパターンを自律的に識別し、コンテナ内で修復スクリプトを実行することで、受動的なアラートから能動的な自己修復へとアップグレードします。
個人の知識管理と詳細な調査これにより、ユーザーは散在する情報を継続的に読み、要約し、関連付け、自分の興味に基づいて情報を優先順位付けし、重要な発見を積極的に発信し、検索可能な個人の知識の軌跡を構築することができます。
オープンソースプロジェクトコミュニティによる自動メンテナンス課題を自動的に分類し、プルリクエストをレビューし、ドキュメントを更新し、よくある質問に回答することで、プロジェクトの健全性を24時間365日維持し、メンテナーの負担を軽減します。