AGENT ENGINE v0.1.0 — OPEN SOURCE

AI‑тютор нового поколения: от плана до навыков за ~50 часов

Забудьте о пассивных видеокурсах. Nereus — это автономия мультиагентного графа (LangGraph) с локальным RAG-контекстом (ChromaDB) и персистентной памятью сессий.

Получить ранний доступ Как работает граф
100% Local (Ollama) Apache 2.0 Open Source Сохранение сессий
LangGraph 0.2 Ollama Llama3.2 ChromaDB Vector Python 3.11+
Live State Routing

[ Почему стандартные способы обучения не работают ]

Традиционные видеокурсы и обычные ИИ-чаты не справляются с глубоким усвоением сложных инженерных дисциплин.

01

Галлюцинации и неточность

Стандартные чат-боты склонны выдумывать несуществующие API и синтаксис. Nereus использует подлинный RAG-контекст из ChromaDB с жесткой привязкой к документации.

02

Отсутствие памяти сессий

Обычные диалоги сбрасывают контекст при каждом перезапуске. Nereus сохраняет состояние граф-автомата в локальную базу данных, позволяя продолжить обучение в любой момент.

03

Пассивность видеопросмотра

Пассивные лекции создают иллюзию понимания. Nereus держит в постоянном диалоге: Агент-Экзаменатор валидирует знания практикой и решает, переходить ли далее.

[ Мультиагентная система исполнения ]

Три специализированных агента координируют процесс обучения в едином цикле с автоматическим роутингом состояния.

01

Агент-Тренер — Генератор траектории

Агент-планировщик

Анализирует исходный уровень пользователя, дробит глобальную цель на темы и строит динамический граф обучения с адаптивными маршрутами.

02

Агент-Репетитор — RAG-преподаватель

Преподаватель

Извлекает проверенные контекстные чанки из векторной базы ChromaDB, генерирует пошаговые уроки и предлагает практические задания.

03

Агент-Экзаменатор — Валидатор и роутер

Валидатор знаний

Проверяет глубину усвоения через контрольный диалог. Выполняет роутинг: Усвоено (переход к следующей теме) или Повтор (закрепление материала).

[ Архитектурные преимущества Nereus ]

Полная локальность, надежность RAG-контекста и персистентное сохранение прогресса.

Контекст из ChromaDB (RAG)

Векторные эмбеддинги гарантируют, что ИИ не галлюцинирует, а строго опирается на загруженную документацию, кодовую базу и учебники.

100% Локальная приватность

Запуск через Docker Compose и Ollama (Llama 3.2 / Qwen 2.5) означает, что ваши данные, диалоги и код не покидают ваш персональный компьютер.

Персистентная память сессий

Память сессий сохраняется локально в базу данных. Вы можете сделать паузу в любой момент и продолжить строго с той же темы.

Интерактивный контроль

Поддержка ручного управления процессом обучения, корректировки текущего плана и естественной обратной связи с пользователем.

[ Динамический граф агентов в действии ]

Агенты передают контекстные пакеты данных по циклическому графу с роутингом оценок Агента-Экзаменатора.

Nereus Ai

[ Технологический стек ]

Надёжная мультиагентная инфраструктура без облачных зависимостей.

LangGraph
Stateful Agent Graphs
LangChain
LLM Abstractions
Ollama
Local LLM Runtime
ChromaDB
Vector Store & RAG
Python 3.11+
Core Engine
Docker Compose
One-command setup
SQLite / Redis
Session Checkpoints
Chainlit UI
Python Chat Frontend
Pydantic
Strict State Validation

[ Дорожная карта разработки ]

Задачи и их статусы подгружаются напрямую из репозитория nereuslabs/Nereus.

Завершённые задачи
✓

Базовый автомат-агент LangGraph

Завершено
✓

Персистентные чекпоинты и восстановление сессий

Завершено
Актуальные задачи
●

Дамп и загрузка состояний графа

В разработке

[ Ранние отзывы инженеров ]

«Разобрался с LangGraph и условными эджами за 3 дня вместо 3 недель благодаря интерактивной сдаче тем Агенту-Экзаменатору.»

ИП
Иван П.
Backend / Python Developer

«Понимание RAG-контекста и векторизации закрепилось через диалоговую проверку Агента-Экзаменатора гораздо лучше, чем от обычного просмотра видео.»

АС
Анна С.
Frontend Engineer

[ Часто задаваемые вопросы ]

Nereus использует оркестратор LangGraph для создания государственного граф-автомата со специализированными агентами: Агент-Тренер строит карту тем, Агент-Репетитор извлекает RAG-контекст из ChromaDB, а Агент-Экзаменатор проверяет усвоение с роутингом оценок.
Да, абсолутно. Проект запускается одной командой через Docker Compose: локальная LLM работает в Ollama (Llama 3.2 / Qwen 2.5), векторное хранилище — в ChromaDB. Ваши данные и прогресс не покидают ваш компьютер.
Состояние графа сохраняется в локальную базу данных. При остановке Nereus восстановит тему, контекст и пройденные этапы с точностью до последнего диалогового шага.
Основной движок Nereus открыт и распространяется под лицензией MIT в официальном репозитории. Вы можете зарегистрироваться в форме ниже для получения объявлений о тестировании или форкнуть исходный код на GitHub.
EARLY ACCESS PROGRAM

Будьте в числе первых

Остановите хаотичное изучение. Запросите приглашение в бета-тест Nereus или присоединяйтесь к разработке в open-source.

Исходный код на GitHub