Repolode
제출하기
inferstep

inferstep/ATLAS

작은 오픈 GGUF 모델에 계획 수립, 후보 점수 산정, 샌드박스 테스트와 수정 기능을 더하는 셀프 호스팅 로컬 코딩 에이전트입니다.

대체할 수 있는 제품:GitHub CopilotCursor

GitHub에서 보기웹사이트
스타
2,111
포크
201
열린 이슈
117
마지막 커밋
어제

어떤 프로젝트인가요?

ATLAS는 작은 오픈 모델을 더 효과적으로 활용하도록 설계된 로컬 코딩 에이전트입니다. 한 번의 생성에 의존하는 대신, 모델을 여러 단계로 구성된 파이프라인으로 감쌉니다. 변경 사항을 계획하고, 서로 다른 후보를 여러 개 생성한 뒤, 모델 자체의 임베딩을 활용하는 학습된 품질 모델로 점수를 매깁니다. 그런 다음 격리된 샌드박스에서 컴파일과 테스트를 실행하고, 실패한 후보를 수정한 후 편집 내용을 반영합니다. 자체 하드웨어에서 실행되며 호스팅 모델 API나 토큰별 요금이 필요하지 않습니다.

시스템은 터미널 UI(atlas-tui), 도구 호출을 라우팅하고 문법 제약 출력(enforced grammar-constrained output)을 적용하는 Go 에이전트 루프(atlas-proxy), V3 생성 파이프라인, Geometric Lens 점수 산정 구성 요소, 여러 언어의 코드를 실행하는 샌드박스, 로컬 추론을 위한 llama-server로 구성됩니다. NVIDIA CUDA, AMD ROCm, Apple Silicon Metal 및 Vulkan GPU를 지원하며, 부트스트랩 스크립트가 Docker 컨테이너와 모델 가중치, 전체 스택을 설정합니다.

개발자들은 이 프로젝트를 실험 단계로 표시했습니다. README에는 검증과 관련한 알려진 미비점이 나와 있으며, 실패한 후보가 검증된 것으로 기록될 수 있는 경우도 있습니다. 따라서 생성된 코드는 사용 전에 검토하고 테스트해야 합니다.

핵심 기능

  • 01호스팅 API 없이 소비자용 GPU(NVIDIA, AMD, Apple Silicon, Vulkan)에서 로컬 추론
  • 02계획 수립과 여러 후보 생성 후 점수를 매겨 최적 후보 선택
  • 03편집 내용을 반영하기 전에 여러 언어의 코드를 샌드박스에서 컴파일하고 테스트
  • 04검증 실패 후 코드를 수정하는 복구 루프
  • 05파일 추가, diff 확인, 커밋, 명령 실행을 위한 슬래시 명령을 제공하는 터미널 UI
  • 06모델 출력을 예상된 JSON 구조로 제한하는 문법 제약 디코딩

활용 사례

  • 저장소 내용을 로컬에 보관해야 하는 환경에서 개인 컴퓨터로 코딩 보조 도구 실행
  • 작은 오픈 모델과 자동 테스트를 활용해 여러 파일에 걸친 코드 변경이나 구조적 편집 수행
  • 셀프 호스팅 GGUF 모델을 중심으로 에이전트 오케스트레이션 실험
  • 계획 수립, 점수 산정, 복구 계층이 소형 모델의 코드 생성을 어떻게 개선하는지 연구

빠른 시작

  1. 1

    README에 있는 원샷 부트스트랩 설치 프로그램을 실행합니다(원한다면 먼저 내용을 검토하세요).

  2. 2

    설치가 끝날 때까지 기다립니다(10~30분, 대부분 모델 다운로드 시간). Docker와 VRAM 16GB 이상의 GPU를 사용할 수 있는지 확인하세요.

  3. 3

    원하는 프로젝트 디렉터리에서 터미널 UI를 실행합니다.

    atlas

사용 전 알아둘 점

  • 실험 단계이며 README에 따르면 검증에 알려진 미비점이 있습니다. 출력 결과를 직접 검토하세요.
  • VRAM 16GB 이상의 GPU와 Docker가 필요하며, 구형 NVIDIA 카드는 로컬에서 다시 빌드해야 합니다.
  • Docker 전체 스택은 Linux에 초점을 맞추고 있습니다. Apple Silicon에서는 별도의 macOS 네이티브 경로를 사용합니다.
  • AGPL-3.0 라이선스가 적용됩니다. 네트워크를 통한 사용 시 소스 코드 제공 의무가 따르는 카피레프트 라이선스입니다.

포함된 컬렉션

AI 코딩 에이전트로컬 LLM으로 코딩오픈소스 AI 에이전트 프레임워크와 앱AI 코딩 어시스턴트와 에이전트셀프 호스팅 앱로컬에서 LLM 실행하기프라이버시·로컬 퍼스트 도구

토픽

#ai-agent#coding-agent#local-llm#llm#self-hosted#developer-tools#local-first#ai-harness

자주 묻는 질문

ATLAS은(는) 무엇인가요?
작은 오픈 GGUF 모델에 계획 수립, 후보 점수 산정, 샌드박스 테스트와 수정 기능을 더하는 셀프 호스팅 로컬 코딩 에이전트입니다. ATLAS는 작은 오픈 모델을 더 효과적으로 활용하도록 설계된 로컬 코딩 에이전트입니다. 한 번의 생성에 의존하는 대신, 모델을 여러 단계로 구성된 파이프라인으로 감쌉니다. 변경 사항을 계획하고, 서로 다른 후보를 여러 개 생성한 뒤, 모델 자체의 임베딩을 활용하는 학습된 품질 모델로 점수를 매깁니다. 그런 다음 격리된 샌드박스에서 컴파일과 테스트를 실행하고, 실패한 후보를 수정한 후 편집 내용을 반영합니다. 자체 하드웨어에서 실행되며 호스팅 모델 API나 토큰별 요금이 필요하지 않습니다.
ATLAS은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
ATLAS은(는) AGPL-3.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
ATLAS은(는) 아직 유지보수되고 있나요?
활발히 유지보수 중. ATLAS의 마지막 커밋은 2026년 11월 5일입니다.
ATLAS은(는) 어디에 사용할 수 있나요?
저장소 내용을 로컬에 보관해야 하는 환경에서 개인 컴퓨터로 코딩 보조 도구 실행 작은 오픈 모델과 자동 테스트를 활용해 여러 파일에 걸친 코드 변경이나 구조적 편집 수행 셀프 호스팅 GGUF 모델을 중심으로 에이전트 오케스트레이션 실험 계획 수립, 점수 산정, 복구 계층이 소형 모델의 코드 생성을 어떻게 개선하는지 연구
ATLAS는 어떻게 설치하나요?
README에 있는 원샷 부트스트랩 설치 프로그램을 실행합니다(원한다면 먼저 내용을 검토하세요). 설치가 끝날 때까지 기다립니다(10~30분, 대부분 모델 다운로드 시간). Docker와 VRAM 16GB 이상의 GPU를 사용할 수 있는지 확인하세요. 원하는 프로젝트 디렉터리에서 터미널 UI를 실행합니다.: atlas
ATLAS은(는) 어디서 받을 수 있나요?
소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/inferstep/ATLAS

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.

관련 프로젝트