Show HN: Autonomy – Self-Harness/Self-Directed AI Agent Core Under Development

Autonomy, a self-directed AI agent core, has been released as an open-source project on Hacker News. The system features an autonomous task loop that selects tools, executes actions, and learns from outcomes without human intervention, with built-in safety gates and a learning mechanism that automatically creates new skills. The project includes a terminal UI, supports multiple LLM providers, and is designed for extensibility with a catalog of tools and skills.

自導向代理人迴圈 AgentLoop.run goal, max steps=12 啟動後完全自主執行，每步驟透過 run turn 推進。支援互動模式（ interactive=True ）與批次模式，所有事件均以 run id 記錄於 AutonomyStore 。 每個執行回合（Turn）依固定五步驟推進，直到目標達成、被封鎖或超過步數上限 AgentLoop 是 Autonomy 的核心驅動器——一個「自導向任務迴圈」，不需要人工介入即可從目標出發，自主選擇工具、執行行動並從結果中學習。 每個 Turn 的執行流程：①從技能庫選取相關 ProcedureSkill ，②由 LLM 提案 + RecipeEngine 產出候選動作路徑，③以 5 維評分排序（Beam Width=3），④透過 ActionGateway 受管執行，⑤評估結果並觸發學習。 終止條件明確： ACHIEVED （目標完成）、 BLOCKED （無法繼續）、 NO CANDIDATES 、 APPROVAL DENIED 、 MAX STEPS REACHED 、或 FAILED ——系統永遠不會陷入無限循環。 每個特點都直接對應 Autonomy 原始碼中的具體實作 AgentLoop.run goal, max steps=12 啟動後完全自主執行，每步驟透過 run turn 推進。支援互動模式（ interactive=True ）與批次模式，所有事件均以 run id 記錄於 AutonomyStore 。 所有工具呼叫必須通過 ActionGateway 的 ApprovalPolicy 授權。每個動作帶有 RiskLevel （LOW / MEDIUM / HIGH）、 expected effect 與 verification plan ，確保執行可控、可審計。 CandidateSelector 以 evidence strength（+0.30）、purpose（+0.10）、risk（−0.35）、side effects（−0.20）、penalty（−1.0）五個維度計算總分，選出前 beam width=3 名候選路徑送往執行。 DeterministicOutcomeEvaluator 優先判斷執行失敗（直接 BLOCKED），成功但結果不確定時再交由 ModelAssistedOutcomeEvaluator 呼叫 LLM 語義判斷——最小化昂貴的模型呼叫次數。 ProcedureSkillLibrary 內建 13 個 bundled skills，涵蓋 api-debugging、browser-navigation、code-editing、codebase-documentation、plan、procedure-skill-authoring、process-management、requesting-code-review、systematic-debugging、technical-spike、TDD、website-inspection、writing-plans，每步動態選取最相關技能載入。 每次 Run 結束後， LearningLoop.review run 自動觸發：若結果為 ACHIEVED 且有 ≥2 個成功步驟，自動起草新 ProcedureSkillDraft （信心度 0.85），生成 LearningProposal 等待審核。 RecipeEngine 監控每個成功動作的 SHA-256 指紋——當同一動作成功次數 ≥ candidate threshold=2 ，自動升格為候選 Recipe，下次直接作為行動選項（source= action skill ）提出，無需 LLM 重新推理。 每次 Run 結束後， CuratorDaemon 在後台執行緒（ daemon=True ）非同步啟動 SkillCurator.apply auto merges ，自動偵測並合併重複（信心 0.95）或子集（信心 0.90）技能，防止技能庫膨脹。 TOOLSET CATALOG 涵蓋 4 個預設啟用工具集：file、terminal、search、skills，加上 opt-in 的 project（git / JSON / YAML / 測試探索）與 browser（Playwright headless Chromium，11 工具）。規劃中：memory、delegate、cronjob、computer use。 AutonomyStore 以 Event Sourcing 模式記錄整個執行生命週期：run started → skills selected → candidates ranked → action selected → approval decision → observation → outcome evaluated → recipe learned → learning review → run finished，完整可重播。 autonomy tui 啟動豐富終端介面，提供 session 總覽面板、回合記錄、Action trail、compact/full 切換模式與 / 指令面板。自然語言直接流入 AgentLoop ，UI 永遠不直接執行工具。 支援 ollama （本地）與 8 個 OpenAI-compatible providers：openai-api、nvidia、openrouter、deepseek、xai、zai、kimi-coding、alibaba。提供 API 金鑰管理與 provider 設定， autonomy doctor 可檢查端點走通性。 每個候選動作路徑依以下公式計算總分，選出前 3 名送往執行 每個方塊對應 Autonomy 原始碼中的實際類別或模組 每個技能以 SKILL.md 格式定義，包含名稱、描述、所需工具與平台篩選 每次執行 Turn 時， model.select procedure skills 依可用工具名稱動態篩選並載入最相關技能；執行成功且達到門檻後， LearningLoop 將自動起草新技能並生成 LearningProposal （CANDIDATE 狀態）。 以下事件序列直接對應 AutonomyStore.record event 的實際呼叫順序