Ein Selbstevolutionsprotokoll und eine Laufzeitumgebung für LLM-basierte Agentsysteme.
Ein hierarchisches Multi-Agenten-Framework mit RSPL- und SEPL-Protokollen für sich selbst entwickelnde Agenten-Schleifen.
Deep Research Agent ist ein Selbstevolutionsprotokoll und eine Laufzeitumgebung für LLM-basierte Agentsysteme. Es wurde für Ingenieure und Entwickler entwickelt, die strukturierte Multi-Agenten-Workflows mit expliziten Ressourcen- und Evolutionsebenen implementieren möchten.
Das Framework modelliert Prompts, Agenten, Tools, Umgebungen und Speicher als protokollregistrierte Ressourcen über die Resource Substrate Protocol Layer (RSPL). Es verwendet eine Self Evolution Protocol Layer (SEPL), um Verbesserungen mit nachvollziehbarer Abstammung und Rollback-Funktionen vorzuschlagen, zu bewerten und festzuschreiben.
Es eignet sich für KI- und Systementwickler, die komplexe agentenbasierte Workflows erstellen, die Versionsverfolgung und Selbstverbesserungsschleifen erfordern. Es ist nicht geeignet für Benutzer, die einen Plug-and-Play-Desktop-Assistenten suchen, oder für Personen ohne Erfahrung in der Konfiguration von LLM-Umgebungen.
Modelliert Prompts, Agenten, Tools, Umgebungen und Speicher als protokollregistrierte Ressourcen.
Spezifiziert eine Closed-Loop-Operatorschnittstelle zum Vorschlagen, Bewerten und Festschreiben von Verbesserungen.
MMEngine-ähnliche Konfigurationen zur konsistenten Zusammensetzung von Agenten, Tools, Umgebungen und Modellen.
Zeichnet Trajektorien auf und verwaltet iterative Artefakte über Durchläufe hinweg zur Fehleranalyse.
Die Software ist im Rahmen der MIT-Lizenz kostenlos, aber Sie müssen Ihre eigenen LLM-API-Schlüssel und Rechenressourcen bereitstellen, um die Agenten und Optimierer auszuführen.
877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
RSPL modelliert Systemkomponenten wie Prompts, Agenten, Tools, Umgebungen und Speicher als protokollregistrierte Ressourcen mit explizitem Status, Lebenszyklus und versionierten Schnittstellen.
Die SEPL-Schicht bietet eine Closed-Loop-Operatorschnittstelle zum Handeln, Beobachten, Optimieren mithilfe von Reflexions- oder RL-Methoden und zum Speichern von Erkenntnissen im permanenten Speicher.
Zekai zuerst in Google sehen