ATLAS
自適應測試時學習與自主專業化
ATLAS 是什麼?
自適應測試時學習與自主專業化。ATLAS 是一個專注於自適應測試時學習與自主專業化的開發者工具與 AI 平台,採用 AGPL-3.0 授權。
ATLAS 概覽
這是什麼
ATLAS(Adaptive Test-time Learning and Autonomous Specialization)是一個本地端程式碼代理,能將前沿的推理與驗證能力帶入輕量級開放模型。它將更多智慧放在模型周圍的系統中(規劃、候選方案生成、品質評分、沙盒測試與修復),讓較小的模型能夠完全在自有硬體上處理真實的軟體工作,無需託管 API 或按 token 計費。此專案為實驗性質,採用 AGPL-3.0 開放原始碼授權,由 InferStep 開發,託管於 https://github.com/inferstep/ATLAS。目前狀態為實驗性;3.1 版本的驗證存在已知漏洞,修復計畫在 3.2.0 中。使用者不應依賴 ATLAS 的「已驗證」或「已完成」狀態,而應審查其輸出並自行執行測試。
主要功能
- atlas-tui:原生 Bubbletea 終端機使用者介面,是標準的聊天客戶端。在任何專案目錄中輸入
atlas即可啟動。包含即時管線檢視、斜線指令(/add、/diff、/commit、/run)以及輸入模式(聊天、!bash、/slash)。 - atlas-proxy:Go 語言代理迴圈,負責協調整個系統。處理工具呼叫路由、透過 GBNF 架構進行語法強制、BiasBusters 緩解措施以及安全限制(回合上限、token 預算、超時)。
- V3 管線:多階段程式碼生成,將單一提示轉換為經過驗證的候選方案。包含 PlanSearch、DivSampling、Budget Forcing、PR-CoT Repair 以及 Refinement Loops。
- Geometric Lens:基於模型自身嵌入的能量評分,無需外部預言機。包含 C(x) Cost Field、G(x) Quality Prediction、逐步驟評分以及模式快取。
- 沙盒:用於建構驗證的隔離執行環境。支援多語言執行(Python、Rust、Go、C、Shell 等),在評分前進行編譯與 lint,並可執行生成的測試套件與現有測試套件。
- llama-server:在一張消費級 GPU 上進行本地 LLM 推論。提供 GPU 加速的量化推論(Q6_K / Q4_K_M),支援 NVIDIA CUDA、AMD ROCm、Apple Metal 與 Vulkan。包含語法約束解碼與自身嵌入。
使用情境
ATLAS 專為希望在自有硬體上執行本地程式碼代理、無需依賴託管 API 或按 token 計費的開發者設計。可用於在沙盒環境中生成、驗證與修復程式碼。此系統適用於偏好使用較小開放模型、且重視資料與執行控制權的情境。使用案例包括在專案目錄內進行自動化程式碼生成、測試與迭代修復。
快速開始
一鍵安裝:bashcurl -fsSL https://raw.githubusercontent.com/inferstep/ATLAS/main/scripts/atlas-bootstrap.sh | bash若不希望直接將動態腳本導入 bash,可使用以下兩種更謹慎的方式:bash# 固定到特定版本:腳本、簽出與映像皆使用簽署標籤curl -fsSL https://raw.githubusercontent.com/inferstep/ATLAS/v3.1.7/scripts/atlas-bootstrap.sh | ATLAS_BOOTSTRAP_REF=v3.1.7 bash# 先審查再執行curl -fsSL -o atlas-bootstrap.sh https://raw.githubusercontent.com/inferstep/ATLAS/main/scripts/atlas-bootstrap.shless atlas-bootstrap.shbash atlas-bootstrap.sh該腳本會偵測您的發行版(Ubuntu、Debian、RHEL、Fedora、Rocky、Alma)與 GPU 供應商(NVIDIA、AMD、Apple Silicon),安裝適當的執行環境、下載模型權重、建構 ASA 轉向向量,並啟動整個堆疊。預計耗時 10-30 分鐘。之後在任何專案目錄中執行 atlas。需求:16 GB 以上 VRAM 的 GPU(NVIDIA CUDA、AMD ROCm、Apple Silicon Metal 或 Vulkan)。
授權與價格
授權為 AGPL-3.0。價格類型為開放原始碼。未提及其他價格資訊。
內容整理自該專案公開的 README 與儲存庫資訊。