Build integrated IS/BS/CF financial workbooks in Excel.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
openamer/openamer72026년 10월 19일 업데이트
무료GitHub에 공개
mini-openamer
Use when the agent needs recursive reasoning, episodic memory retrieval, internet learning, or world-model prediction. Mini-OpenAmer: the 2B hybrid Mamba core with 9 tools, running 24/7 on Damir's laptop.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
설치 방법 보기포함된 파일(1)
- SKILL.md2.6 KB
SKILL.md(원문)
설치하기 전에 에이전트에게 전달되는 지시 내용을 확인할 수 있습니다.
Mini-OpenAmer Integration
Mini-OpenAmer is the self-learning core that runs alongside the main OpenAmer agent. It provides capabilities the main agent can call:
What it provides
- Recursive Reasoning: think → critique → improve loop
- Episodic Memory: 3.012+ episodes with 768d embeddings
- Internet Learning: 5 source types, 24/7 (news, papers, GitHub, docs, competitors)
- World-Model: cause→effect graph with future predictions
- Meta-Learning: adapts its own learning rate and strategy
- Self-Improvement: modifies its own code with test gates
- Swarm Intelligence: laptop + PC as collective (task routing, consensus)
- Auto-Skill Creation: internet insights become new Darwin skills
Integration points
| Component | Location | Purpose |
|---|---|---|
| Tool Server | :8081 | 9 tools + test-time training |
| Smart Router | smart_router.py | 3-tier routing (local→cloud→GPU) |
| Frontier Server | PC :8082 | Qwen3.5-4B deep reasoning |
| Darwin | darwin_engine.py | Skill evolution, 15 min cycles |
| Self-Model | memory/self_model/identity.md | Evolving identity |
| World-Model | memory/world_model.jsonl | Cause-effect + predictions |
| Meta-State | training/meta_state.json | Learning-process self-knowledge |
Energy
- Laptop: ~25 W (2B + all learning loops)
- PC (GPU worker): ~35-50 W (4B warm, training on demand)
- Total: ~60-75 W → target 20 W via quantization/distillation/Akida
- Running cost: 0 € (no API fees, local hardware)
리뷰
아직 리뷰가 없습니다. 사용해 본 소감을 남겨 주세요.
댓글
로그인 없이 쓸 수 있습니다. 사용 후기, 질문, 작동하지 않은 환경 등을 편하게 남겨 주세요.
아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.
같은 저장소의 스킬
Run and grow the OpenAmer Agent-to-Agent swarm: identity, trust, node-to-node ask, signed skill/insight sharing, and the autonomous self-learning loop.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
openamer/openamer72026년 10월 19일 업데이트
Use for A/B experiments on OpenAmer configs and skills.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
openamer/openamer72026년 10월 19일 업데이트
Roleplay a hostile user to find and triage UX pain points.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
openamer/openamer72026년 10월 19일 업데이트
Agent mesh: master/worker nodes, HTTP delegation, heartbeat.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
openamer/openamer72026년 10월 19일 업데이트
Use for agentic commerce payments tasks. Candidate synthesized from trend radar; awaiting trial promotion.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
openamer/openamer72026년 10월 19일 업데이트