Kapso
面向可量化目标的自改进 AI 软件工厂：给出目标，它通过实验迭代、编码代理与知识沉淀持续逼近并交付可部署的解决方案。
README说明了代理CLI依赖、inbox暂停等人类确认机制、本地知识库默认留在本机、名称冲突警告（PyPI上的kapso包），这是加分的；但扣分在于：核心源代码未提供，最小权限、数据流向、外部副作用（部署、网络研究、KG写入）均只有叙述而无代码佐证；API key写入.env的指引无敏感数据处理的进一步说明。
kapso doctor预检、preflight探针、失败即报缺失CLI等设计表明失败信息处理认真；但扣分在于requirements.txt与pyproject.toml相互矛盾（前者仍含aider-chat、google-genai、openhands，后者称aider已移至extra），self_consistency受损。
面向ML工程师/研究者的场景明确，示例和基准覆盖多场景，doctor按config裁剪要求、支持自定义模型配置是加分；但扣分在于能力边界（单GPU预算、订阅上限、超时需手动调整）只有零散提示，无系统性边界文档，触发精度无法从现有文件核实。
MIT许可证完整、安装说明详尽（含名称冲突、可选依赖、源码安装）、pyproject注释详实、docs CI有覆盖检查是明确加分；扣分在于仓库内无CHANGELOG（仅链接到GitHub releases）、version 0.4.4为Beta、维护责任依赖未经验证的发布方。
输出有explain()、campaign可视化、CLI命令，可用性设计合理；但扣分在于核心价值主张（自我改进、基准第一）无法从提供的文件验证，成本效益（多模型订阅、长时间ingest）仅口头提示，无量化证据。
README区分了事实与说明，技术报告和基准页面有链接指向；但扣分在于基准成绩（MLE-Bench第一、IOAI超人类、RelBench超KumoRFM）无法从仓库文件交叉验证，arXiv编号2601.21526属未来日期、不可核实，且核心代码缺失使声明不可追溯。
- requirements.txt与pyproject.toml依赖声明不一致，安装前应核对实际依赖来源。
- 基准成绩与IOAI等声明无法从仓库内文件验证，请勿直接采信。
- 使用需提供多个API密钥并安装第三方CLI，注意密钥管理与供应商锁定。
- 发布方身份未经核实，且包名kapso在PyPI上与无关项目重名，安装时务必使用leeroo-kapso。
这个 Agent 能做什么，适合哪些场景？
Kapso 是 Leeroo 开源的 Python 框架（PyPI 包名 leeroo-kapso，MIT 协议），定位为“针对可度量目标的自改进软件工厂”。用户用一句话陈述目标后，Kapso 运行一次 campaign：设计候选方案、由编码代理实现、测量与目标的差距，并不断优化最接近的方案直到达标，最终将结果交付到你的基础设施。其核心由四大支柱构成：evolve（树搜索实验）、learn/learn_knowledge（把已完成 campaign 的轨迹沉淀为按证据定价的知识卡片，并把外部仓库与论文导入知识图谱）、research（深度网络调研）和 deploy（本地/Docker/Modal 部署）。推理过程依赖编码代理 CLI——默认使用 Claude Code 做构思与实现、Codex 做调研与评判——而非直接调用模型 API。项目声称在 MLE-Bench 与 ALE-Bench 上位居开源系统第一，在 RelBench 上超越 KumoRFM-v2，并在 IOAI 2026 AI 组别中获得大满贯奖杯。
核心工作流程：(1) 调用 kapso.evolve(goal=..., initial_repo=..., output_path=..., time_budget_minutes=...) 启动 campaign，用树搜索生成候选方案，由编码代理实现并用可度量指标打分迭代；可用 kapso watch ./campaign 实时观察，需要人工提供凭据时暂停并通过 kapso inbox reply 恢复。(2) kapso.learn(solution) 挖掘本次 campaign 的轨迹，将经验教训以证据定价存入本地 git 仓库形式的知识库（可通过 kapso bank connect 共享）。(3) kapso.research(查询, mode=["idea","implementation"]) 做网络调研返回结构化发现。(4) kapso.learn_knowledge(Source.Repo(...), ...) 把仓库与研究发现导入知识图谱（本地 Weaviate + Neo4j，经 scripts/start_infra.sh 启动），后续 campaign 自动检索。(5) kapso.deploy(solution, strategy=DeployStrategy.LOCAL) 把成果变为可运行软件，支持本地、Docker 和 Modal。CLI 提供 kapso doctor（含按动词和模型探测的检查）、kapso watch、kapso inbox、kapso bank 子命令；模型选择统一在一个 YAML 配置文件中编辑。
- ML 工程师需要端到端交付预测模型（数据准备、特征、训练、验证）时，用 evolve 驱动整个流程直到达到如 accuracy > 0.80 的可度量目标。
- 性能工程师优化 CUDA 内核或 PyTorch 训练的墙钟时间与显存，利用官方示例中的 cuda_optimization 与 pytorch_optimization 流程。
- 研究/算法团队在 AtCoder 启发式竞赛等长周期算法优化问题上迭代启发式方案（ALE-Bench 场景）。
- 数据科学团队在企业多表数据库上做结果预测、时序预测与推荐（RelBench 覆盖 SAP、Amazon、H&M 数据）。
- 平台团队让代理优化代理：演进 Agent 的工作流、工具与提示直到指标提升（agent_optimization 示例）。
- 企业希望在长期使用中沉淀公司内部的知识库——learn() 把每次任务经验存入可共享的 git 知识库供后续 campaign 复用。
这个 Agent 有哪些优点和局限？
- 有可查证的基准背书：README 声称 MLE-Bench 与 ALE-Bench 开源第一，RelBench 结果发布在官方排行榜，IOAI 2026 AI 组前三（Grand Master Trophy）且总分 536.07 超过全部 471 名人类选手。
- 真正闭环的自改进机制：learn() 将 campaign 轨迹提炼为按证据定价的知识卡片，且“教训”只有持续被验证才保持可信，避免经验腐蚀。
- 执行前有 kapso doctor 的静态与可选 live model probe 检查，配置错误或缺凭据在秒级失败而非数小时后失败。
- 部署边界清晰：交付物可经 .deploy() 落到本地、Docker 或 Modal，并可 explain() 输出方案说明。
- 硬依赖两个第三方编码代理 CLI 的订阅登录（Claude Code 与 Codex），没有直接 API 回退路径——没有任一订阅即无法运行。
- 模型名与超时按默认模型（如 claude-opus-5、claude-fable-5、gpt-5.6-sol）校准，换模型需调整 config 且可能要上调 crew timeout_minutes。
- 知识图谱摄取（learn_knowledge）耗时长且与 research 的 depth 标志无关，少量来源也可能产生数十个 wiki 页面与数小时摄取。
- PyPI 上存在同名无关包 kapso（WhatsApp 工具），会遮蔽命令，安装时有误装风险。
如何安装或部署这个 Agent？
1) 安装 Node.js 18+ 并登录两个编码代理 CLI：npm install -g @openai/codex && codex login；npm install -g @anthropic-ai/claude-code && claude auth login。2) 在 .env 写入 OPENAI_API_KEY（用于嵌入）。3) Python 3.10+ 环境执行 pip install leeroo-kapso（若装过无关的同名 WhatsApp 工具，先 pip uninstall kapso）。4) 运行 kapso doctor 验证环境；可选 bash scripts/start_infra.sh 启动 Weaviate+Neo4j 知识图谱后端；可选安装 Leeroopedia MCP：pip install leeroopedia-mcp 并在 .env 配置 LEEROOPEDIA_API_KEY。开发模式：git clone https://github.com/leeroo-ai/kapso.git 后 pip install -e .。
如何使用这个 Agent？
最小用法：from kapso import Kapso; kapso = Kapso()。然后 solution = kapso.evolve(goal="Optimize the model in train.py; target accuracy > 0.80 on evaluate.py", initial_repo="./my_project", output_path="./campaign", time_budget_minutes=120)。另开终端用 kapso watch ./campaign 观察；被暂停时用 kapso inbox reply 回复。随后 lesson = kapso.learn(solution) 沉淀经验，再开启 config 中 learning.serving.enabled: true 后再次 evolve 复用知识。部署：from kapso import DeployStrategy; deployed = kapso.deploy(solution, strategy=DeployStrategy.LOCAL); result = deployed.run({"input": "data"}); deployed.stop()。换模型：复制内置配置为 kapso-config.yaml 编辑后 Kapso(config_path=...)，长跑前用 kapso doctor --models 或在 config 中开启 preflight.live_model_probe: true 探测订阅可用性。
这个 Agent 与同类方案有什么区别？
README 的 MLE-Bench 图表将其与 R&D-Agent、AIRA-dojo、ML-Master、AIDE 对比，RelBench 上与 NVIDIA 的 KumoRFM-v2 对比；若你只需单次 LLM 工程而非持续自改进的实验工厂，这些系统或直接用编码代理 CLI 是更轻量的替代。