제공된 콘텐츠를 검토하고 스토리나 그 결과의 중요한 요소를 드러낼 수 있는 중요한 줄거리 계시나 중요한 점이 포함되어 있는지 여부를 표시하십시오. 스포일러나 비판적 통찰이 포함된 경우 '예'로 응답하고, 핵심 스토리 요소 공개를 자제하는 경우 '아니오'로 응답하세요.

@inproceedings{ruan2024toolemu, title={LM 에뮬레이트 샌드박스를 사용하여 LM 에이전트의 위험 식별}, 저자={Ruan, Yangjun 및 Dong, Honghua 및 Wang, Andrew 및 Pitis, Silviu 및 Zhou, Yongchao 및 Ba, Jimmy 및 Dubois, Yann 및 Maddison, Chris J 및 Hashimoto, Tatsunori}, booktitle={제12차 학습 표현에 관한 국제 회의}, 연도={2024} }

텍스트 ('목표', ['파리 여행 계획']) ('tasks', [Task(task_id=1, Description='여권 유효성 확인', status=<TaskStatus.TODO: 'todo'>), Task(task_id=2, Description='여행 날짜 결정', status=<TaskStatus.TODO: 'todo'>), Task(task_id=3, Description='항공편 검색 및 예약', status=<TaskStatus.TODO: 'todo'>), Task(task_id=4, Description='숙박 예약', status=<TaskStatus.TODO: 'todo'>), Task(task_id=5, Description='여행 일정 계획', status=<TaskStatus.TODO: 'todo'>), Task(task_id=6, Description='여행 보험 조사 및 구매', status=<TaskStatus.TODO: 'todo'>), Task(task_id=7, Description='여행 예산 설정', status=<TaskStatus.TODO: 'todo'>), Task(task_id=8, Description='짐 꾸리기', status=<TaskStatus.TODO: 'todo'>), Task(task_id=9, Description='해외 여행 은행에 알림', status=<TaskStatus.TODO: 'todo'>), Task(task_id=10, Description='날씨 예보를 확인하고 그에 따라 짐을 챙기세요', status=<TaskStatus.TODO: 'todo'>)]) ('next_task_id', 1)

텍스트 지방=['안휘', '복건', '간쑤', '광동', '귀저우', '하이난', '허베이', '헤이룽장', '허난', '후베이', '후난', '장쑤', '장시', '길림', '랴오닝', '칭하이', '산시', '산둥', '산시', '쓰촨', '운남', '절강', '대만', '광시', '내몽골', '닝샤', '신장', '서장', '베이징', '충칭', '상하이', '천진', '홍콩', '마카오']

루아 로컬 openai = require('model.providers.openai') 로컬 세그먼트 = require('model.util.segment') 반환 { 코드 = { 공급자 = openai, 빌더 = 함수(입력) 반환 { 메시지 = { { 역할 = '시스템', content = '당신은 10배의 슈퍼 엘리트 프로그래머입니다. 코드로만 계속하세요. 명시적으로 요청하지 않는 한 테스트, 예제 또는 코드 출력을 작성하지 마십시오.', }, { 역할 = '사용자', 내용 = 입력, } } } 끝, }, ['스페인어로'] = { 공급자 = openai, hl_group = '특별설명', 빌더 = 함수(입력) 반환 { 메시지 = { { 역할 = '시스템', content = '스페인어로 번역', }, { 역할 = '사용자', 내용 = 입력, } } } 끝, 모드 = 세그먼트.모드.REPLACE }, ['자바스크립트로'] = { 공급자 = openai, 빌더 = 함수(입력, ctx) 반환 { 메시지 = { { 역할 = '시스템', content = '코드를 자바스크립트로 변환' }, { 역할 = '사용자', 내용 = 입력 } } } 끝, }, ['랩하다'] = { 공급자 = openai, hl_group = '제목', 빌더 = 함수(입력) 반환 { 메시지 = { { 역할 = '시스템', content = "90년대 랩 가사의 코드를 설명해주세요" }, { 역할 = '사용자', 내용 = 입력 } } } 끝, } }

루아 로컬 openai = require('model.providers.openai') -- 여기에서 공급자에 대한 기본 모델 매개변수를 구성합니다. openai.initialize({ 모델 = 'gpt-3.5-turbo-0301', max_tokens = 400, 온도 = 0.2, }) 로컬 유틸리티 = require('model.util') require('모델').setup({ hl_group = '대체', 프롬프트 = util.module.autoload('prompt_library'), default_prompt = { 공급자 = openai, 빌더 = 함수(입력) 반환 { 온도 = 0.3, max_tokens = 120, 메시지 = { { 역할 = '시스템', content = '당신은 도움이 되는 조수입니다.', }, { 역할 = '사용자', 내용 = 입력, } } } 끝 } })

루아 로컬 openai = require('model.providers.openai') require('모델').setup({ 프롬프트 = { ['부분 표시'] = { 공급자 = openai, 빌더 = openai.default_builder, 모드 = { on_finish = 함수(최종) vim.notify('최종: ' .. 최종) 끝, on_partial = 함수(부분) vim.notify(일부) 끝, on_error = 함수 (msg) vim.notify('오류: ' .. msg) 끝 } }, } })

루아 로컬 openai = require('model.providers.openai') 로컬 세그먼트 = require('model.util.segment') require('모델').setup({ 프롬프트 = { ['스페인어로'] = { 공급자 = openai, hl_group = '특별설명', 빌더 = 함수(입력) 반환 { 메시지 = { { 역할 = '시스템', content = '스페인어로 번역', }, { 역할 = '사용자', 내용 = 입력, } } } 끝, 모드 = 세그먼트.모드.REPLACE } } })

루아 --- 끝에서 `<llm:`을 찾아 전후로 나눕니다. --- 지시어가 없으면 모든 텍스트를 반환합니다. 로컬 함수 match_llm_directive(텍스트) 로컬 이전, _, 이후 = text:match("(.-)(<llm:)%s?(.*)$") 이전이 아니면 이후가 아니면 이전, 이후 = 텍스트, "" 그렇지 않으면 그 이전에 그렇지 않다면 이전 = "" 그 이후에는 그렇지 않으면 이후 = "" 끝 이전, 이후 복귀 끝 local instruct_code = '당신은 매우 유능한 프로그래머입니다. 응답에는 유효한 코드만 포함하세요.' 반환 { ['코드로'] = { 공급자 = openai, 빌더 = 함수(입력) 로컬 텍스트, 지시어 = match_llm_directive(입력) 로컬 메시지 ={ { 역할 = '시스템', 내용=instruct_code, }, { 역할 = '사용자', 내용 = 텍스트, } } 지시문이라면 table.insert(msgs, { 역할 = '사용자', 콘텐츠 = 지시어 }) 끝 반환 { 메시지 = 메시지 } 끝, 모드 = 세그먼트.모드.REPLACE }, 코드 = { 공급자 = openai, 빌더 = 함수(입력) 반환 { 메시지 = { { 역할 = '시스템', 내용=instruct_code, }, { 역할 = '사용자', 내용 = 입력, } } } 끝, }, }

루아 ['커밋 메시지'] = { 공급자 = openai, 모드 = 모드.INSERT, 빌더 = 함수() local git_diff = vim.fn.system {'git', 'diff', '--staged'} 반환 { 메시지 = { { 역할 = '시스템', content = '다음 git diff에 대한 기존 커밋 사양에 따라 짧은 커밋 메시지를 작성합니다.

루아 질문하다 = { 공급자 = openai, 매개변수 = { 온도 = 0.3, max_tokens = 1500 }, 빌더 = 함수(입력) 로컬 메시지 = { { 역할 = '사용자', 내용 = 입력 } } util.builder.user_prompt(함수(user_input) 반환 #user_input > 0이면 table.insert(메시지, { 역할 = '사용자', 내용 = user_input }) 끝 반환 { 메시지 = 메시지 } 종료, 입력) 끝, }

루아 로컬 테스트_공급자 = { request_completion = 함수(핸들러, 매개변수, 옵션) vim.notify(vim.inspect({params=params, 옵션=옵션})) handlers.on_partial('응답') handlers.on_finish() 끝 } require('모델').setup({ 프롬프트 = { 테스트 프롬프트 = { 공급자 = test_provider, 빌더 = 함수(입력, 컨텍스트) 반환 { 입력 = 입력, 맥락 = 맥락 } 끝 } } })

루아 ['langserve:make-a-joke'] = { 공급자 = langserve, 옵션 = { base_url = 'https://langserve-launch-example-vz4y4ooboq-uc.a.run.app/', 출력_파서 = langserve.세대_청크_파서, }, 빌더 = 함수(입력, 컨텍스트) 반환 { 주제 = 입력, } 끝 },

루아 ['함께:핀드/codellama34b_v2'] = { 공급자 = 함께, 매개변수 = { 모델 = 'Phind/Phind-CodeLlama-34B-v2', max_tokens = 1024 }, 빌더 = 함수(입력) 반환 { 프롬프트 = '### 시스템 프롬프트\n당신은 지능형 프로그래밍 보조자입니다\n\n### 사용자 메시지\n' .. 입력 ..'\n\n### 보조자\n' } 끝 },

루아 로컬 llamacpp = require('model.providers.llamacpp') require('모델').setup({ 프롬프트 = { 제퍼 = { 공급자 = llamacpp, 옵션 = { 모델 = 'zephyr-7b-beta.Q5_K_M.gguf', 인수 = { '-c', 8192, '-ngl', 35 } }, 빌더 = 함수(입력, 컨텍스트) 반환 { 프롬프트 = '<|시스템|>' .. (context.args 또는 '당신은 도움이 되는 조수입니다') .. '\n</s>\n<|사용자|>\n' .. 입력 .. '</s>\n<|보조|>', 중지 = { '</s>' } } 끝 } } })

루아 { "gsuuon/model.nvim", cmd = { "모델", "Mchat" }, 초기화 = 함수() vim.filetype.add({ 확장자 = { mchat = "mchat" } }) 끝, ft = "mchat", 키 = { { "<리더>h", ":모델<cr>", 모드 = "v" } }, 구성 = 기능() 로컬 미스트랄 = require("model.providers.openai") 로컬 유틸리티 = require("model.util") require("모델").setup({ hl_group = "대체", 프롬프트 = util.module.autoload("prompt_library"), default_prompt = { 공급자 = 미스트랄, 옵션 = { URL = "https://api.mistral.ai/v1/", 승인 = "전달자 YOUR_MISTRAL_API_KEY", }, 빌더 = 함수(입력) 반환 { 모델 = "미스트랄-매체", 온도 = 0.3, max_tokens = 400, 메시지 = { { 역할 = "시스템", content = "당신은 도움이 되는 조수입니다.", }, { 역할 = "사용자", 콘텐츠 = 입력 }, }, } 끝, }, }) 끝, },

루아 로컬 qflist = require('model.util.qflist') 로컬 스타터 = require('model.prompts.chats') config.chats = { ['codellama:qfix'] = vim.tbl_deep_extend('force', starters['together:codellama'], { system = '당신은 지능형 프로그래밍 보조자입니다', 생성 = 함수() qflist.get_text() 반환 끝 }), }

루아 require('게으른').setup({ { 'gsuuon/model.nvim', -- 게으른 = false인 경우에는 필요하지 않습니다. cmd = { 'M', '모델', 'Mchat' }, 초기화 = 함수() vim.filetype.add({ 확장자 = { mchat = 'mchat', } }) 끝, ft = 'mchat', 키 = { {'<C-m>d', ':Mdelete<cr>', 모드 = 'n'}, {'<C-m>s', ':Mselect<cr>', 모드 = 'n'}, {'<C-m><space>', ':Mchat<cr>', 모드 = 'n' } }, -- 기본값을 무시하려면 구성 필드를 추가하고 setup()을 호출하세요. -- 구성 = 함수() -- require('모델').setup({ -- 프롬프트 = {..}, -- 채팅 = {..}, -- .. -- }) -- -- require('model.providers.llamacpp').setup({ -- 바이너리 = '~/경로/to/서버/바이너리', -- models = '~/경로/대상/모델/디렉토리' -- }) --끝 } })

📁 config/ → 모델, 프롬프트, 로깅을 위한 YAML 구성 📁 data/ → 프롬프트, 임베딩 및 기타 동적 콘텐츠 📁 예제/ → 주요 기능을 테스트하기 위한 최소한의 스크립트 📁 노트북/ → 빠른 실험 및 프로토타이핑 📁 테스트/ → 단위, 통합 및 엔드투엔드 테스트 📁 src/ → 핵심 엔진 — 모든 로직이 여기에 있습니다: ├── 에이전트/ → 에이전트 클래스: 플래너, 실행자, 기본 에이전트 ├── 메모리/ → 단기 및 장기 메모리 모듈 ├── 파이프라인/ → 채팅 흐름, 문서 처리 및 작업 라우팅 ├── 검색/ → 벡터 검색 및 문서 조회 ├── 스킬/ → 추가 능력: 웹 검색, 코드 실행 ├── Vision_audio/ → 다중 모드 처리: 이미지 및 오디오 ├── 프롬프트_엔지니어링/→ 프롬프트 체인, 템플릿, 퓨샷 로직 ├── llm/ → OpenAI, Anthropic, 맞춤형 LLM 라우팅 ├── fallback/ → LLM 실패 시 복구 로직 ├── 가드레일/ → PII 필터, 출력 검증, 안전 확인 ├── handlers/ → 입출력 처리 및 오류 관리 └── utils/ → 로깅, 캐싱, 속도 제한, 토큰 카운팅

포괄적인 저장소 분석 및 버그 수정 전문가로 활동합니다. 모든 프로그래밍 언어, 프레임워크 또는 기술 스택에서 검증 가능한 모든 버그, 보안 취약성 및 중요한 문제를 식별하고, 우선순위를 지정하고, 수정하고, 문서화하기 위해 전체 저장소에 대한 철저한 분석을 수행해야 합니다. 귀하의 임무는 다음과 같습니다. - 저장소에 대한 체계적이고 상세한 분석을 수행합니다. - 심각도, 영향, 복잡성을 기준으로 버그를 식별하고 분류합니다. - 버그 수정 및 수정 사항 검증을 위한 단계별 프로세스를 개발합니다. - 향후 참조를 위해 모든 발견 사항과 수정 사항을 문서화합니다. ## 1단계: 초기 저장소 평가 당신은: 1. 전체 프로젝트 구조(예: src/, lib/, test/, docs/, config/, scripts/)를 매핑합니다. 2. 기술 스택과 종속성을 식별합니다(예: package.json, 요구사항.txt). 3. 주요 진입점, 주요 경로 및 시스템 경계를 문서화합니다. 4. 빌드 구성 및 CI/CD 파이프라인을 분석합니다. 5. 기존 문서(예: README, API 문서)를 검토합니다. ## 2단계: 체계적인 버그 발견 다음 범주의 버그를 식별합니다. 1. **중요한 버그:** 보안 취약성, 데이터 손상, 충돌 등 2. **기능적 버그:** 논리 오류, 상태 관리 문제, 잘못된 API 계약. 3. **통합 버그:** 데이터베이스 쿼리 오류, API 사용 문제, 네트워크 문제. 4. **특정 사례:** Null 처리, 경계 조건, 시간 초과 문제. 5. **코드 품질 문제:** 데드 코드, 더 이상 사용되지 않는 API, 성능 병목 현상. ### 검색 방법: - 정적 코드 분석. - 종속성 취약점 스캔. - 테스트되지 않은 코드에 대한 코드 경로 분석. - 구성 검증. ## 3단계: 버그 문서화 및 우선순위 지정 각 버그에 대해 다음을 문서화하세요. - 버그 ID, 심각도, 카테고리, 파일, 구성 요소. - 현재 및 예상되는 동작에 대한 설명입니다. - 근본 원인 분석. - 영향 평가(사용자/시스템/비즈니스). - 재생산 단계 및 검증 방법. - 심각도, 사용자 영향, 복잡성을 기준으로 버그의 우선순위를 지정합니다. ## 4단계: 구현 수정 1. 각 수정 사항에 대해 격리된 분기를 만듭니다. 2. 실패한 테스트를 먼저 작성합니다(TDD). 3. 최소한의 수정 사항을 구현하고 테스트 통과를 확인합니다. 4. 회귀 테스트를 실행하고 문서를 업데이트합니다. ## 5단계: 테스트 및 검증 1. 각 수정 사항에 대해 단위, 통합 및 회귀 테스트를 제공합니다. 2. 포괄적인 테스트 구조를 사용하여 수정 사항을 검증합니다. 3. 정적 분석을 실행하고 성능 벤치마크를 확인합니다. ## 6단계: 문서화 및 보고 1. 인라인 코드 주석과 API 문서를 업데이트합니다. 2. 조사 결과와 수정 사항이 포함된 요약 보고서를 만듭니다. 3. Markdown, JSON/YAML 및 CSV 형식으로 결과를 제공합니다. ## 7단계: 지속적인 개선 1. 일반적인 버그 패턴을 식별하고 예방 조치를 권장합니다. 2. 도구, 프로세스, 아키텍처에 대한 개선 사항을 제안합니다. 3. 모니터링 및 로깅 개선을 제안합니다. ## 제약: - 단순성을 위해 보안을 타협하지 마십시오. - 변경 사항에 대한 감사 추적을 유지합니다. - API 변경에 대한 의미론적 버전 관리를 따릅니다. - 가정을 문서화하고 비율 제한을 준수합니다. 저장소별 세부정보를 보려면 ${repositoryName}과 같은 변수를 사용하세요. 필요한 경우 자세한 문서와 코드 예제를 제공하세요.