mu (μ)

Интерфейс и экосистема

• Понятная панель прогресса: Современные LLM выдают слишком перегруженные технические логи. В mu большой модели запретили комментировать свои действия. Вместо этого другая модель переводит все технические шаги в простой и аккуратный чек-лист на человеческом языке. Вы всегда видите в реальном времени:: что происходит прямо сейчас, какие файлы изменены, сколько тестов упало, а также процент попадания в кэш.

• Программа дял компьютера: Готовое приложение для Windows, macOS и Linux. Его достаточно просто скачать и запустить - внутри уже есть: чат, интерактивная карта работы саб-агентов, база навыков и встроенный браузер, которым агент управляет пошагово.

Текущий статус: Проект находится на этапе ранней разработки. Создатели уже пользуются им каждый день, но финальной стабильной версии пока нет, поэтому настройки программы могут обновляться

mu (μ) - это экспериментальный AI-агент для кодинга, работающий по принципу «сначала подумай, потом сделай». Проект создан на базе кодинг-агента pi и интерфейса AionUi.

В чем главная фишка? Обычные AI-агенты тратят кучу времени, денег и лимитов большой языковой модели (LLM) на кучу мелких фоновых решений: безопасна ли эта консольная команда, стоит ли сохранять огромный лог ошибки в память, закончена ли задача.

Авторы mu убрали этот «микро-менеджмент» из большой модели. Вместо неё всеми рутинными проверками занимается ядро принятия решений. Это крошечная, очень быстрая модель, которая мгновенно отвечает на конкретные вопросы в 35 критических точках рабочего процесса, позволяя большой LLM сосредоточиться исключительно на написании кода.

Как устроен процесс

На каждом шаге фоновая мини-модель анализирует контекст и отвечает на системные вопросы формата «да/нет»:

• На входе: Анализирует тип сообщения от пользователя, четко фиксирует рамки задачи (критерии приемки, ограничения) и решает, нужно ли прерывать работу, если вы написали агенту прямо посреди выполнения задачи.

• Управление контекстом: По кусочкам фильтрует слишком длинные выводы терминала, автоматически сворачивает дублирующиеся строки в логах и отбрасывает устаревшие результаты без создания суммаризации и решает, какие правила из накопленного опыта применить к текущей задаче.

• Инструменты и безопасность: Проверяет команды на риски и если команда опасная, она запросит одобрение пользователя на выполнение команды. Также она сама ранжирует файлы при поиске и фильтрует предупреждения линтера, не отвлекая основную модель на мелкие предупреждения.

• Оценка хода работы: Каждые несколько шагов проверяет, не зациклился ли агент и идет ли он к цели. Если ИИ зашел в тупик, система автоматически откатит код к предыдущему рабочему чекпоинту.

Как принимаются решения

Вы можете сами решать, как именно контролировать каждую из 35 точек: назначить туда отдельного проверяющего, полностью отключить контроль или запустить его в фоновом режиме, чтобы сравнить точность работы перед полноценным включением.

• Jev (облачная модель): Специализированная быстрая модель. Принимает одно решение всего за 0.3 секунды. Подключается через OpenRouter, TypeSafe или Vercel AI Gateway.

• Laya (локальная модель): Быстрая модель, всего на 322 млн параметров. Работает прямо на вашем компьютере, не требует интернета и не отправляет ваши данные в сеть.

Любая внешняя LLM: Можно подключить любую модель через API вашего провайдера.

Архитектура роя саб-агентов

В mu можно запускать автономный «рой» из 2–6 саб-агентов. У каждого своя роль: один только читает код, второй гоняет команды в консоли, третий тестирует проект в веб-браузере. При этом они не имеют права сами править код - финальные правки всегда вносит главная большая модель.

Чтобы агенты не спамили друг друга тоннами информации, за ними следят специализированные точки контроля:

• hive.publish работает как умный сетевой шлюз. Эта точка оценивает действия каждого саб-агента и решает, является ли полученный им результат достаточно важным, чтобы опубликовать его на общей доске.

• hive.deliver проверяет каждую новую запись на доске и передает её другим агентам только в том случае, если она напрямую касается их текущей задачи.

• hive.relate отслеживает связь между отчетами. Если выводы двух агентов противоречат друг другу, система фиксирует спор. Если конфликт не разрешается силами самих агентов в течение одной минуты, система отправляет специального агента-проверяющего (verifying bee), чтобы окончательно разобраться, кто прав.

А выносить вердикты для всех этих точек, вы можете поручить любой модели на выбор.