Show HN: RLM-based local debugger for AI agent traces
HALO est une méthodologie et un ensemble d'outils (application desktop, paquet Python et moteur HALO‑RLM) conçus pour améliorer récursivement des infrastructures d'agents en analysant des traces de production. La boucle HALO collecte des traces OpenTelemetry, les décompose via le moteur RLM pour identifier des modes d'échec, génère un rapport et fait appliquer des modifications par un agent de codage avant de redéployer et répéter le cycle. On installe l'outil via le script d'installation pour l'application desktop ou pip install halo-engine pour le CLI/SDK, qui accepte des traces JSONL et de nombreux paramètres de modèle, parallélisme et télémetrie. HALO utilise un RLM spécialisé parce que les traces longues exigent une analyse systémique pour éviter le sur‑apprentissage sur des erreurs isolées, et il propose des options de synthèse et de compaction avec des modèles moins coûteux. Les benchmarks comme AppWorld montrent des gains substantiels sur plusieurs modèles (par exemple +10,7 à +15,8 points sur des métriques SGC) et le projet est open source sous licence MIT avec contributions bienvenues.