La coque d'agent pour tâches longues et génériques développée par l'équipe NLPIR de l'Université Renmin et d'autres, dont le cœur réside dans la séparation entre la « stratégie » et la « gestion de l'exécution » : le modèle décide quoi faire, à qui déléguer et si l'acceptation est requise, tandis que le runtime gère la sauvegarde de l'état et les retours. La structure à trois niveaux comprend l'agent principal (planification, délégation, évaluation), le runtime de coordination (distribution des sous-tâches, suivi du cycle de vie) et les sous-agents optionnels (exécution de tâches à périmètre limité), fonctionnant de manière synchrone ou asynchrone. La couche d'application partagée connecte le CLI, la recherche, les fichiers, MCP, ainsi que les éditeurs de documents, les présentations, la CAO et Blender ; les humains peuvent participer via le dialogue ou en modifiant directement le même document ou la même scène ; les espaces de travail hiérarchiques et la mémoire sémantique persistante permettent aux fichiers, aux décisions clés et aux journaux de jobs de longue durée de reprendre après une interruption.
J'aime 88 · Étoiles du code 78
Raisons
- Les auteurs affirment des performances comparables à celles d'applications d'agents de pointe telles que Codex et DeepSeek Harness sur 12 benchmarks et 6 types d'applications réelles.
- Cas d'automatisation à long terme : utilisation de GLM-5.3 comme colonne vertébrale, permettant à CoworkOS d'effectuer 5 tours de post-entraînement automatique sur Qwen3.6-35B-A3B (analyse des échecs, modification des données, entraînement, validation) ; les auteurs rapportent une augmentation de la moyenne des scores sur 8 benchmarks, passant de 33.19 à 42.95 (+9.76).
- Installation simple : licence MIT, package npm coworkos-app, versions disponibles pour macOS (bureau) et macOS / Linux (ligne de commande), configuration autonome des services de modèles, l'espace de travail et les journaux d'exécution restent en local ; quatrième place en nombre de « j'aime » le jour du lancement (indiquant uniquement le niveau d'attention).
Utilisation
- Version bureau (puces Apple, macOS 14 ou supérieur, Node.js ≥22.19.0) : npx coworkos-app@latest desktop install.
- Version ligne de commande : npm install -g coworkos-app, puis dans le répertoire du projet, exécutez coworkos init pour renseigner l'adresse du service de modèle, l'ID du modèle et la clé API, vérifiez la connectivité avec coworkos doctor --test-connection (ce qui consomme une unité de quota), puis lancez coworkos pour décrire la tâche à effectuer.
- Après la sortie, exécutez coworkos --continue dans le même répertoire pour reprendre la session précédente ; la démonstration en ligne est disponible dans la section showcase de la page du projet.
Risques
- Il ne s'agit que d'une coque, sans modèle inclus ; les performances dépendent du service de modèle et du quota que vous connectez ; les comparaisons avec Codex et autres, ainsi que les scores des cas de post-entraînement, sont rapportés par les auteurs.
- La version bureau ne prend actuellement en charge que macOS sur puces Apple ; les agents peuvent exécuter des commandes et modifier des fichiers, le README mentionne des exceptions de licence pour les composants tiers, qu'il faut vérifier soi-même.
- Le cas de post-entraînement automatique nécessite une puissance de calcul pour l'entraînement, et le README ne fournit pas de script de reproduction.