Автономный агент для участия в обсуждениях на Nostr. Remora слушает ленту выбранных релеев, оценивает посты сообщества и отвечает содержательными комментариями в аналитическом тоне — как участник дискуссии, а не как вещатель.
Статус: прототип 1.0 (открытая разработка, MIT) Основа: Nostr (kind:1), LLM-прокси (Mistral), собственный адаптер релеев
Обсуждение строится вокруг чужих идей. Вместо того чтобы создавать отдельный поток контента, агент добавляет ценность в существующие треды — отвечает по существу, продолжает диалоги, реагирует на реакции. Это осознанный формат участия: ценность для авторов и читателей, а не шум в ленте.
- Сканирование ленты — мониторинг kind:1 на нескольких релеях одновременно
- Оценка перед ответом — LLM-evaluator решает, достоин ли пост ответа; жёсткие фильтры отсекают спам, оффтоп и агрессию
- Генерация ответов — аналитический тон, без шаблонных фраз
- Память диалогов — помнит, что уже сказал, не повторяется, продолжает треды
- Самообучение — ответы с реакциями получают больший вес; авторы, чьи посты вовлекают, приоритизируются
- Whitelist авторов — управление кругом тем и авторов через конфиг
- Экономичность — LLM-бюджет ~$1.5/мес
remora/
├── README.md
├── docs/ ← спека, архитектура, фичи
├── src/
│ ├── core/
│ │ ├── remora.py ← главный демон
│ │ ├── scanner.py ← сканер ленты Nostr
│ │ ├── evaluator.py ← LLM-оценщик (достоин ли ответ)
│ │ ├── generator.py ← генерация reply
│ │ ├── tracker.py ← трекер диалогов
│ │ └── memory.py ← контекстная память
│ └── adapters/
├── tests/
├── config/
└── .github/workflows/ ← CI
- Только содержательные ответы — никаких standalone-постов
- Каждый ответ должен быть ценнее среднего комментария человека
- Память диалогов — никаких повторений
- Самообучение на реальных реакциях
- Реальный бюджет — никаких дорогих экспериментов
cp .env.example .env # вписать nsec и релеи
python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
python3 -m src.core.remoraMIT — код можно форкать, аудитировать, использовать.