Agent 与自动化AI 资源
multistep_reasoning：面向 LLM 的多步推理编排工具，将提示拆分为子任务并汇总结果
xgenadam/multistep_reasoning · A reasoning harness for LLM's
ELI5：它是什么，解决什么问题
该项目是一个 Python 库，把单条用户提示拆分为多个子任务，分别执行后合并为一个可修订的 Document。每轮遵循 decompose → execute → compose → render 流程，后续子任务不接收完整文档，而是通过大纲、滚动摘要和可查询的 DocumentOracle（列出、读取、搜索、提问）获取上下文，使模型在输出前可以回改先前内容。项目目标是让长任务处理超出单次上下文窗口的材料。仓库还包含 oobabooga 聊天扩展（当前已知启动问题）、单元测试与 journal 记录；模型端点无默认值，需显式配置。
核心能力与快速开始
★ 0 · Python
- 能做什么
- 支持可配置的任务分解（simple、self_critique）、执行器（simple、oracle_loop）、组合器（simple、document）与 DocumentOracle；Document 作为可修订工作记忆，允许组合器回改早前部分；支持滚动摘要、大纲与文档查询工具，面向超长材料的有限上下文窗口处理；提供 orchestrator.yaml 配置与 TaskOrchestrator API；附带不依赖在线模型的单元测试。
- 适用场景
- 需要把复杂写作或报告任务拆成子任务并分步执行；在材料总量超过单一上下文窗口时进行长任务推理与汇总；在 oobabooga 聊天界面中试用多步推理编排（README 说明当前存在已知启动问题）；研究带可修订工作记忆的 LLM 推理流程。
- 项目形态
- 开发框架
- 部署方式
- 未说明；需自行提供可达的 LLM 生成端（如 llama-server 或 vLLM 的 OpenAI 兼容端点），项目不设默认端点。
- 主要依赖
- Python 3.12；通过 make venv（如可用 uv）创建环境；LLM_BASE_URL 或 llm.base_url/host+port 必填；LLM_MODEL 用于设置请求模型名（默认 llama）；测试依赖 pytest，token 相关可选 tiktoken。硬件、模型与 API 成本未说明。
- 使用限制
- README 标注 oobabooga 扩展在 ticket 0-11 修复前启动即损坏（N1 导入路径过期、N12 整段渲染提示被当作 user 消息）；jobs CLI 仅计划、尚未实现；项目处于 Phase 0 收尾阶段；许可证未说明，不能据此断言可商用；未说明对模型能力、成本或硬件的要求。
- 许可证
- 未说明
- 最近推送
- 2026-10-19 15:11
资料检查：2026-10-20 07:00 · 卡片整理：2026-10-20 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。