Agent Apprenticeship CLI
CLI для обучения агентов: ваш агент решает задачу, модель-наставник проверяет результат и возвращает замечания
- 1 603 ★ репозитория
- Последний коммит
- MIT
Широкий доступ
Почему такой уровень
- Запускает локальные CLI агентов, которые выполняют команды и меняют файлы в рабочей папке
- Хранит ключи провайдеров моделей в ~/.agent-apprenticeship/.env.local и отправляет им контекст задач
- В публичном режиме делится обучающими сигналами с общей экосистемой
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add cli/agent-apprenticeshipОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемШирокий доступИнструмент может менять данные, выполнять команды или работать с секретами.
- Запускает локальные CLI агентов, которые выполняют команды и меняют файлы в рабочей папке
- Хранит ключи провайдеров моделей в ~/.agent-apprenticeship/.env.local и отправляет им контекст задач
- В публичном режиме делится обучающими сигналами с общей экосистемой
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Agent Apprenticeship ставится пакетом npm и добавляет команду apprentice. Вы даете ей задачу, например «составь короткую карту рынка ИИ-инструментов для закупок». Ученик, то есть ваш локальный агент, выполняет задачу, а наставник проверяет результат и возвращает замечания. Цикл повторяется, пока работа не пройдет проверку или не закончится лимит итераций. Учеником служит агентский CLI на вашей машине, наставником — модель через API провайдера. Режимов работы три: Autonomous, Expert-Led и Organization Custom. По итогам запуска строится Experience Compilation: трассы, уроки и данные для обучения. Ее можно поставить как Runtime Training, чтобы следующие запуски начинались с накопленных уроков.
Для кого. Для разработчиков и исследователей, которые гоняют Claude Code, Codex или другого агента на повторяющихся задачах и хотят копить из этих прогонов уроки и данные.
Подходит, если
- Агент справляется с задачей нестабильно, и вы хотите прогнать ее через цикл с проверкой модели-наставника и не принимать первый ответ
- Нужно собрать трассы выполнения и структурированные уроки для будущей настройки или обучения своего агента
- Хотите поставить ранее накопленный опыт и посмотреть, меняется ли качество следующих запусков
- Команде нужен приватный режим, где опыт остается внутри организации, а проверка идет по собственному набору правил
- Нужно прогнать нескольких разных агентов на одной задаче и сравнить результат
Не подходит, если
- Нужно просто быстро выполнить разовую задачу: цикл с наставником тратит токены и время на каждую итерацию
- Нельзя отдавать контекст задач внешним поставщикам моделей: наставник работает только через их API
- Вам нужен готовый скилл или MCP-сервер для конкретного сервиса: проект дает инфраструктуру для обучения агентов
Пример запроса к агенту
Запусти apprentice run с задачей «составь чек-лист релиза для проекта с ИИ-агентом», покажи итерации наставника и путь к Experience CompilationОграничения
- Нужны Node.js для команды npx и Python: ядро написано на Python и ставится через pyproject.
- Для наставника требуется ключ хотя бы одного провайдера. API OpenAI и Anthropic из России недоступны.
- Каждая итерация цикла расходует токены модели-наставника и вашего агента.
- Наборы данных лежат на Hugging Face отдельно от пакета.
- Агента-ученика нужно поставить заранее: мастер настройки выбирает только из CLI, которые нашел на машине.
- Лицензия MIT.
Как отключить. Удалите глобальный пакет командой npm uninstall -g agent-apprenticeship и каталог ~/.agent-apprenticeship с настройками и ключами наставника. Установленный Runtime Training хранится там же. Если запускали через npx, ничего удалять не нужно, кроме каталога с данными.
Частые вопросы
Как поставить Agent Apprenticeship и подключить его к Claude Code?
Выполните npx agent-apprenticeship init. Мастер находит установленные агентские CLI и предлагает выбрать ученика, в том числе Claude Code. Затем команды apprentice configure и apprentice doctor настроят и проверят агента и модель-наставника.
Что такое Experience Compilation в Agent Apprenticeship?
Это итог запуска: трассы выполнения, уроки и структурированные записи для обучения. Команда apprentice bundle check проверяет его, apprentice ecosystem export с флагом --full выгружает целиком, а apprentice learn install ставит как Runtime Training.
Какие данные Agent Apprenticeship отправляет в общую экосистему?
Это зависит от режима. В Public Ecosystem запуск делится обучающими сигналами с сообществом, в Private Internal Only опыт остается внутри. Режим выбирается командой apprentice settings, полный список передаваемых полей не опубликован.
Какие агенты и модели можно использовать в Agent Apprenticeship?
В роли ученика: Codex, Cursor, Claude Code, OpenClaw, OpenCode, Hermes Agent и собственная команда по шаблону. Наставником служит модель OpenAI, Anthropic, Gemini или OpenRouter.
Как ограничить число итераций цикла в Agent Apprenticeship?
Задайте максимальную глубину цикла в apprentice settings. Для разового сеанса терминала подойдет переменная окружения AA_MAX_ITERATIONS, например export AA_MAX_ITERATIONS=3.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
CLI-инструментыCLI-установщик и менеджер скиллов для кодовых агентов: одна команда ставит скиллы в разные среды и помогает собирать свои
CLI, который определяет стек проекта и одной командой ставит подходящие скиллы для агентов из проверенного реестра
Открытый кодовый агент для терминала, браузера и десктопа, который работает с моделями от OpenAI и Claude до Ollama
Переносимая папка .agent с памятью, скиллами и протоколами, которая подключается к разным кодовым агентам и не теряет знания при смене инструмента
CLI, который упаковывает локальные AI-скиллы в готовые к запуску агенты для команды: сборка, упаковка и запуск одной командой
Инструмент сборки проверенных скиллов из реального рабочего процесса и управления их жизненным циклом через ваш маркетплейс
Сравнение с похожими
Записи с тем же главным запросом: чем они отличаются.
| Запись | Официальный | Звезды репозитория | Главное отличие |
|---|---|---|---|
| Agent Apprenticeship (эта запись) | нет | 1 603 | |
| Autocontext | нет | 1 314 | прогоняет задачу агента через оценку и сохраняет трассы, отчеты и playbook |
| claude-smart | нет | 789 | плагин, который превращает исправления пользователя в правила для следующих сессий |
| Self-Improving Agent | нет | 782 | скилл для OpenClaw, записывающий ошибки и поправки в файлы .learnings |
Коротко о README
Идея проекта: агенты выполняют задачи в циклах, наставники их оценивают, а завершенная работа превращается в многоразовый опыт и данные. К пакету прилагается стартовый набор данных, его версия опубликована на Hugging Face.