RTX 4050 6GB VRAM 環境で動作する高性能自己学習 AI エージェントシステムです。オープンソースライブラリを最大限活用し、LangChain、AutoGen、HuggingFace、ChromaDB などの成熟したフレームワークを統合して、オリジナルコードを最小限に抑えた安定性の高いシステムを実現します。
- 🧠 LangChain + Ollama 推論エンジン: ReAct Agent による Chain-of-Thought 推論
- 🧬 AutoGen 進化的学習システム: マルチエージェント協調による継続的改善
- 💾 LangChain + ChromaDB 記憶システム: 永続的記憶と自動コンテキスト継続
- ⚡ HuggingFace 最適化: Accelerate + BitsAndBytes による効率的メモリ管理
- 🔄 Prometheus + Grafana 監視: リアルタイム性能監視と自動最適化
- 🌐 FastAPI + Streamlit UI: 高応答性インターフェースと可視化
.
├── src/
│ └── advanced_agent/ # メインエージェントシステム
│ ├── core/ # LangChain + Ollama 統合
│ ├── memory/ # ChromaDB + SQLAlchemy 記憶システム
│ ├── learning/ # AutoGen + PEFT 進化学習
│ ├── monitoring/ # Prometheus + PSUtil 監視
│ └── interfaces/ # FastAPI + Streamlit + Typer
├── config/ # 設定ファイル
│ ├── system.yaml # システム設定
│ ├── advanced_agent.yaml # エージェント設定
│ ├── .env # 環境変数
│ └── gpu_config.env # GPU 最適化設定
├── data/ # ChromaDB + SQLite データベース
├── logs/ # Loguru ログファイル
├── docs/ # MkDocs ドキュメント
└── tests/ # Pytest テストスイート
├── unit/ # 単体テスト
├── integration/ # 統合テスト
└── performance/ # 性能テスト
# 1. リポジトリのクローン
git clone <repository-url>
cd advanced-self-learning-agent
# 2. Python仮想環境の作成
python -m venv .venv
# Windows
.venv\Scripts\activate
# Linux/Mac
source .venv/bin/activate
# 3. 依存関係のインストール
pip install -r requirements.txt
# 4. Ollama のセットアップ
# https://ollama.ai/ からダウンロード・インストール
ollama pull deepseek-r1:7b
ollama pull qwen2.5:7b-instruct-q4_k_m
ollama pull qwen2:1.5b-instruct-q4_k_m# Web UI での使用（推奨）
streamlit run src/advanced_agent/interfaces/streamlit_app.py
# ブラウザで http://localhost:8501 にアクセス
# API サーバーでの使用
python -m src.advanced_agent.interfaces.fastapi_gateway
# API ドキュメント: http://localhost:8000/docs
# CLI での基本テスト
python -m src.advanced_agent.reasoning.demo# Python クライアントでの使用
import asyncio
from src.advanced_agent.reasoning.basic_engine import BasicReasoningEngine
async def chat_example():
engine = BasicReasoningEngine()
# 基本的な推論
response = await engine.reason(
"Pythonでクイックソートを実装してください"
)
print(f"応答: {response.content}")
print(f"推論ステップ: {response.reasoning_steps}")
# 実行
asyncio.run(chat_example())- GPU: NVIDIA RTX 4050 (6GB VRAM) 以上
- RAM: 32GB 推奨
- CPU: Intel i7-13700H 相当以上
- Python: 3.11+
- CUDA: 12.0+
- Ollama: 最新版
- 🤖 AI フレームワーク: LangChain, AutoGen, HuggingFace Transformers
- 💾 データベース: ChromaDB, SQLAlchemy, SQLite
- 🌐 Web フレームワーク: FastAPI, Streamlit, Typer
- 📊 監視: Prometheus, Grafana, PSUtil, NVIDIA-ML
- 🧪 テスト: Pytest, HuggingFace Evaluate
- 📝 ドキュメント: MkDocs, MkDocs Material
# config/system.yaml
gpu:
max_vram_gb: 5.0
quantization_levels: [8, 4, 3]
temperature_threshold: 80# config/system.yaml
persistent_memory:
db_path: "data/chroma_db"
max_short_term_items: 1000
max_long_term_items: 10000
importance_threshold: 0.7- GPU 使用率: リアルタイム監視
- VRAM 使用量: 自動最適化
- 推論速度: 2 秒以内の応答目標
- 記憶効率: 重要度ベースの自動整理
# Pytest 単体テスト
python -m pytest tests/unit/
# LangChain 統合テスト
python -m pytest tests/integration/
# HuggingFace Evaluate 性能テスト
python -m pytest tests/performance/
# 全テスト実行
python -m pytest tests/ --cov=src/advanced_agent- 📦 インストールガイド - システムのセットアップ手順
- ⚙️ 設定ガイド - 設定ファイルの詳細説明
- 🚀 使用方法ガイド - 基本的な使用方法とベストプラクティス
- 🔌 API リファレンス - REST API の詳細仕様
- 🏗️ アーキテクチャ - システム設計の詳細
- 🔧 トラブルシューティング - 問題解決ガイド
プルリクエストやイシューの報告を歓迎します。詳細は CONTRIBUTING.md をご覧ください。
このプロジェクトは MIT ライセンスの下で公開されています。
- ⚡ 開発効率: 成熟したライブラリの活用により開発時間を大幅短縮
- 🛡️ 安定性: 実績のあるオープンソースプロジェクトによる高い信頼性
- 🤝 コミュニティサポート: 豊富なドキュメントとコミュニティサポート
- 🔧 拡張性: 標準的なインターフェースによる容易な機能拡張
- 💰 保守性: オリジナルコード最小化による保守コスト削減
🚀 オープンソースの力で RTX 4050 最適化 AI エージェントを体験しよう！