Agent Apprenticeship

Что это

Agent Apprenticeship — открытый проект, который превращает выполнение задач AI-агентом в цикл обучения: агент-подмастерье прогоняет рабочий процесс на реальной задаче, результат оценивает агент-наставник или человек, а сама сессия конвертируется в структурированный «опыт» — переиспользуемые данные для будущих запусков. Проект работает поверх локальных агентов и CLI-инструментов: Codex, Cursor, Claude Code, OpenClaw, OpenCode, Hermes Agent и кастомных агентов, независимо от провайдера модели. В репозитории есть готовый seed-датасет: 505 примеров скомпилированного опыта и более 39 тысяч структурированных записей, плюс схемы данных и примеры задач.

Для участника клуба сервис интересен как строительный блок для собственных агентных пайплайнов и n8n-автоматизаций: вместо разового промпта агент получает механизм накопления опыта между запусками задач, что снижает повторные ошибки при вайб-кодинге и long-horizon автоматизации. Подходит тем, кто уже собирает своих агентов на Claude Code/Cursor и хочет добавить слой памяти и самообучения без завязки на конкретного вендора моделей.

Возможности

• Цикл выполнения задачи агентом-подмастерьем с оценкой агентом-наставником или человеком
• Конвертация каждого прогона задачи в структурированные обучающие данные (experience)
• Готовый seed-датасет: 505 примеров скомпилированного опыта, 39k+ записей
• Поддержка локальных агентов и CLI: Codex, Cursor, Claude Code, OpenClaw, OpenCode, Hermes Agent
• Не привязан к одному провайдеру моделей
• Быстрый старт через npx agent-apprenticeship init
• Схемы данных (schemas/) и примеры задач (examples/, selected_ale_tasks_demo/) в репозитории
• Открытый исходный код на GitHub, распространяется по лицензии MIT

Цена: полностью открытый проект (MIT), готовых платных тарифов нет