A-Evolve
通过评测反馈自动迭代 Agent 工作区中的提示词、技能与记忆。
- Star 数
- ★ 844
- 最近更新
- 2 天前
- 主语言
- Python
- FA 评分
- 48/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 需要在 SWE-bench Verified 上持续改进代码修复 Agent 的研究团队，可从内置
swe-verified种子工作区和适配器开始。 - 不适合
- 只想直接使用现成智能体的终端用户，而非改造自有智能体
- 无法提供 Anthropic、OpenAI 或 AWS Bedrock 等付费模型 API 的团队
- 不愿让演化引擎自动改写提示词、技能与记忆文件的团队
- 源码审查
- 48/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
A-Evolve 是一个用于演化现有 Agent 的 Python 基础设施，而不是单独的终端用户 Agent。开发者将 Agent 工作区和评测适配器交给 ae.Evolver，系统以 Solve、Observe、Evolve、Gate、Reload 五个阶段运行迭代。它通过文件系统工作区管理可演化状态，包括 manifest.yaml、提示词、SKILL.md 技能、工具配置和 JSONL 记忆。演化引擎根据轨迹与评测反馈修改这些文件，并用保留任务验证候选变更；发生回归时可通过 Git 回滚。项目提供 SWE-bench Verified、MCP-Atlas、Terminal-Bench、SkillsBench 和 CL-Bench 等适配器示例，也允许接入自定义 Agent、评测和演化算法。
调用 Evolver.run(cycles=10) 后，A-Evolve 让 Agent 对一批任务执行 solve()，收集 Trajectory 和评测反馈，并把观察结果写入结构化日志。EvolutionEngine.step() 可分析工作区、观察记录、历史和试验结果，再修改提示词、技能或记忆文件。Gate 阶段使用保留任务验证修改；回归的修改通过 Git 撤销，接受的版本以 evo-1、evo-2 等标签保存。自定义 Agent 只需继承 BaseAgent 并实现 solve(self, task: Task) -> Trajectory；自定义评测则实现 BenchmarkAdapter.get_tasks() 与 .evaluate()。
- 需要在 SWE-bench Verified 上持续改进代码修复 Agent 的研究团队，可从内置
swe-verified种子工作区和适配器开始。 - 构建 MCP 工具调用 Agent 的开发者，可使用
mcp-atlas适配器，并让系统根据评测反馈增加或调整技能文件。 - 研究新的自我改进策略的算法作者，可实现
EvolutionEngine.step()，复用试验、历史和 Git 回滚组件。 - 已有自定义 Agent、但希望用统一评测闭环迭代提示词、技能和记忆的团队，可将其封装为
BaseAgent。 - 需要在终端操作或技能发现任务上比较演化策略的评测人员，可使用 Terminal-Bench 或 SkillsBench 的内置示例。
如何安装或部署这个 Agent？
运行环境为 Python 3.11+。安装核心库：pip install a-evolve；若使用 Claude 支持：pip install a-evolve[anthropic]；若使用 MCP-Atlas：pip install a-evolve[mcp]；若使用 SWE-bench：pip install a-evolve[swe]；全部可选组件：pip install a-evolve[all]。从源码开发可运行：git clone https://github.com/A-EVO-Lab/a-evolve.git && cd a-evolve，然后执行 pip install -e ".[all,dev]"。README 列出 Anthropic、OpenAI 和 AWS Bedrock 作为 LLM Provider 示例，但未说明凭据的具体配置方式；使用相应 Provider 前仍需自行完成其认证配置。
如何使用这个 Agent？
最小调用：import agent_evolve as ae；然后创建 evolver = ae.Evolver(agent="swe-verified", benchmark="swe-verified")，执行 results = evolver.run(cycles=10)，并读取 results.final_score 和 results.converged。要接入自己的 Agent，继承 BaseAgent、实现 solve() 返回 Trajectory，再传入 ae.Evolver(agent=MyAgent("./my_workspace"), benchmark="mcp-atlas")。工作区应使用文档给出的文件系统契约，并由 Agent 在每轮后重新加载；系统会对接受的修改进行 Git 标记。
这个 Agent 有哪些优点和局限？
- 把可演化状态限定为普通工作区文件，使提示词、技能和记忆可被同一套演化流程处理，而无需了解 Agent 内部实现。
- 支持通过
BaseAgent.solve()、BenchmarkAdapter和EvolutionEngine.step()分别替换 Agent、评测和算法。 - Gate 阶段使用保留任务验证候选修改，并以 Git 回滚和
evo-*标签保留审计轨迹。 - 提供多类内置评测适配器和种子工作区，覆盖代码修复、MCP 工具调用、终端操作、技能发现及持续学习评测。
- 效果依赖具体基准、基础模型、演化算法和任务设置；README 所列成绩不能证明自定义 Agent 会获得同等提升。
- 工作区文件会被自动修改，且运行依赖 Git 式版本控制；接入前需要明确哪些提示词、技能和记忆文件可安全演化。
- 虽然列出 Anthropic、OpenAI 和 AWS Bedrock Provider，README 未给出凭据配置、模型选择或成本控制的具体步骤。
- Terminal-Bench 的任务域明确涉及 Docker，采用该适配器时可能需要相应容器运行环境。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| A-Evolve 当前 | 48 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 844 | 2 天前 | Python | OpenAI API · Claude API |
| hax | 66 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 978 | 今天 | C | OpenAI API · Claude API |
| mlx-serve：Apple Silicon 本地模型推理引擎 | 62 · 存在缺口 | 桌面应用免费 | ★ 2.4k | 今天 | Zig | Claude Code · OpenAI API · Claude API |
| Stripe AI | 55 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 2k | 今天 | TypeScript | Codex · Claude Code · OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
框架会读取并改写 Agent 工作区文件，并允许自定义 evolution engine 自行决定是否使用校验和版本控制；README 描述 holdout gate、Git 回滚和变更标签，但没有给出所有执行路径的权限或确认机制，因此最小权限、用户确认和外部影响仅得 1–2 分。MCP Agent 从 key registry 获取服务器密钥，代码导入了密钥脱敏工具，但所给片段不足以证明完整的敏感数据保护，故为 1 分。依赖使用版本下限而没有锁定或安全策略，依赖安全为 1 分。项目引用论文并列出 A-EVO Lab 作者信息，但发布者身份未验证，来源归属为 1 分。
README 所述通用 Python 3.11+ 与 CLAUDE.md 中 ARC SDK 需要 Python 3.12+ 并非必然矛盾，但 README 的通用描述未清楚交代这一特定分支例外；此外，README 声称 CC BY-NC 4.0，而 pyproject 标为 MIT，形成直接的许可信息冲突，自洽性得 1 分。依赖虽有可选 extras 和最低版本，仍无锁文件或各环境可用性证据，故为 1 分。CLI 对布尔值有明确错误提示，ARC Agent 对缺少 arc-agi 的 ImportError 会返回结构化错误轨迹，失败信息得 2 分。
框架明确面向研究者、Agent 作者和基准作者，提供自定义 Agent、benchmark、算法及多种内置基准路径，场景覆盖充分，得 3 分。接口和插件轴说明了扩展方式，但 custom engine 可绕过共享校验与回滚原语，能力边界并不完整，得 2 分。CLI 公开了任务目录、过滤器、模式、评分方式等选择，不过通用快速开始没有充分界定何时应使用哪些方案，触发精度得 2 分。README 的 Python 3.11+ 与 ARC 专用环境要求不同，且示例依赖外部模型、Docker 或基准环境，环境适配说明得 1 分。
README 按用途、架构、安装、算法和社区信息组织，导航清楚，得 3 分。安装说明提供 PyPI extras 和源码安装，但基准及模型环境要求分散在专门指南中，得 2 分。产品名、包名和导入名分别为 A-Evolve、a-evolve、agent_evolve，且材料包含不同分支描述，稳定命名得 1 分。快速开始、接口示例和基准指南链接提供了实用示例，但没有 FAQ，得 2 分。CLAUDE.md 记录了 ARC 尝试未完成及纯 LLM 结果不佳，然而 README 未系统呈现框架限制，得 1 分。README 的 CC BY-NC 4.0 与 pyproject 的 MIT 冲突，许可得 0 分。News 列出日期和发布事项，但没有明确对应本版本的 changelog；版本化信息仅得 1 分。问题和 PR 链接存在，然而没有清楚说明长期维护责任或更新流程，得 1 分。
框架 API、CLI JSON 结果、标准工作区契约和基准适配器为集成提供可用输出；但 README 的基准数字与‘SOTA’等结论在所给材料中没有底层报告支撑，得 2 分。统一 Agent、评估和演化接口有明确的潜在复用价值，但效益主要由文档宣称，得 2 分。每轮评估、多次模型调用、容器和外部基准可能带来成本；CLI 暴露 token、重试、任务和周期设置，但没有充分成本估算或预算控制说明，得 1 分。
论文引用、算法指南和基准指南为部分主张提供追踪线索，但 README 中多项排名和分数没有在提供材料中对应到可核对的报告或代码结果，得 1 分。README、源码和测试能在接口、工作区及部分 GEPA 逻辑上互相补充，但测试只覆盖抽样组件，不能佐证广泛基准主张，得 1 分。README 明确标出结果日期，也提供部分基线对比；不过事实、排名和宣传性结论没有在材料中一致区分证据与主张，得 1 分。
- 许可信息存在实质冲突：README 标注 CC BY-NC 4.0，pyproject.toml 声明 MIT；在使用或再分发前应先确认适用许可。
- 框架会改写 Agent 工作区，且 ARC/MCP 源码将 BYPASS_TOOL_CONSENT 默认设为 true；使用前应审查实际执行路径、外部服务调用和工作区恢复策略。
- README 中的基准分数和排名在本材料中主要是项目自述，静态审查不能证明其复现性或结果正确性。
你是这个项目的维护者？把 FARS 徽章加到 README
[](https://followagents.com/zh/agents/a-evolve)<a href="https://followagents.com/zh/agents/a-evolve"><img src="https://followagents.com/badge/a-evolve.svg?lang=zh" alt="FARS 评测"></a>常见问题
它会直接训练或微调我的语言模型吗？
失败或性能下降的变更如何处理？
evo-* 标签记录。能否接入自己的 Agent 和评测？
BaseAgent.solve()，自定义评测实现 BenchmarkAdapter.get_tasks() 和 .evaluate()。需要哪家模型提供商？
运行成本是多少？
谢谢反馈，我们会据此改进页面。