OpenAlpha Evolve
用 LLM 驱动的进化循环生成、测试并改进 Python 算法。
- Star 数
- ★ 1.1k
- 最近更新
- 1 年前
- License
- MIT
- 主语言
- Python
- FA 评分
- 45/100 · 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
- 算法研究人员希望在明确的输入输出测试下，探索 Dijkstra 等算法问题的候选实现。
- 不适合
- 不愿安装并运行 Docker 的用户
- 需要持久化存储或多用户部署的生产团队
这个 Agent 能做什么，适合哪些场景？
OpenAlpha Evolve 是一个用于自动发现和迭代改进 Python 算法的开源框架，灵感来自 DeepMind 的 AlphaEvolve 研究。它由 PromptDesignerAgent、CodeGeneratorAgent、EvaluatorAgent、DatabaseAgent、SelectionControllerAgent 和 TaskManagerAgent 组成。用户通过 YAML 任务文件或 TaskDefinition 描述待实现函数、允许导入项和测试用例，系统随后生成候选程序并按代际演化。生成的程序会接受 Python 语法检查，并在 Docker 容器中针对任务测试执行和评分。项目可通过命令行运行示例任务，也提供 Gradio Web 界面用于交互式定义任务和启动演化。
用户先定义包含 task_id、task_description、function_name、allowed_imports 与 tests 的 YAML 任务。PromptDesignerAgent 生成初始、变异和修复提示；CodeGeneratorAgent 通过 LiteLLM 调用模型生成 Python 代码，并在收到 diff 时尝试将改动应用到父代代码。EvaluatorAgent 检查语法，在临时隔离环境中运行代码，并依据测试通过情况、运行时间及潜在指标计算 fitness。DatabaseAgent 保存代码、fitness、代数和谱系；SelectionControllerAgent 选择父代与幸存者；TaskManagerAgent 重复这一流程直至达到设定代数。输出包括进化得到的候选 Python 程序、评估结果和日志，默认日志文件为 alpha_evolve.log。
- 算法研究人员希望在明确的输入输出测试下，探索 Dijkstra 等算法问题的候选实现。
- Python 开发者需要用 YAML 描述函数签名、允许导入项和边界测试，并让系统迭代生成实现。
- 实验者想比较 LLM 生成程序在变异、diff 修复和选择后的适应度变化。
- 需要在 Docker 隔离执行环境中，对生成 Python 代码进行语法检查和功能测试的原型团队。
- 希望通过 Gradio 页面交互式提交自定义任务并观察演化过程的开发者。
如何安装或部署这个 Agent？
前置条件为 Python 3.10+、pip、Git 和正在运行的 Docker。执行：
git clone https://github.com/shyamsaktawat/OpenAlpha_Evolve.git
cd OpenAlpha_Evolve
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
cp .env_example .env然后在 .env 中配置所选模型提供商的凭据：Google 可使用 GOOGLE_APPLICATION_CREDENTIALS 或 GEMINI_API_KEY；示例中也列出 OPENAI_API_KEY、ANTHROPIC_API_KEY 和 COHERE_API_KEY。项目通过 LiteLLM 对接不同提供商。
如何使用这个 Agent？
使用示例最短路径任务运行：
python -m main examples/shortest_path.yaml系统会执行演化循环，并将日志写入终端及默认的 alpha_evolve.log。若要使用网页界面，运行：
python app.py然后打开 Gradio 显示的本地 URL，在界面中定义任务并启动演化。
这个 Agent 有哪些优点和局限？
- 将提示设计、代码生成、评估、存储、选择和编排拆分为独立 Agent，便于替换或扩展其中的策略。
- 支持初始生成、diff 变异和 diff 修复，使后续候选程序能基于父代代码进行定向改动。
- 评估流程同时包含语法检查、测试用例执行和 fitness 评分，而非只生成代码文本。
- 通过 LiteLLM 说明了 OpenAI、Anthropic、Google 等多个模型提供商路径，避免只绑定单一模型接口。
- 运行生成代码依赖本地 Docker，并要求 Docker Desktop 或 Docker Engine 已安装且正在运行。
- 实际生成需要配置模型提供商凭据；API 使用及其费用由所选提供商决定。
- README 明确声明项目为实验性项目，生成代码可能不最优、不正确或不安全，生产使用前必须人工审查和测试。
- DatabaseAgent 目前使用内存存储，来源未说明持久化数据库、恢复机制或多用户部署方案。
- 配置说明中的 .env.example 与复制命令中的 .env_example 命名不一致，安装时需要核对仓库中的实际文件名。
这个 Agent 与同类方案有什么区别？
该项目明确说明其灵感来自 DeepMind 的 AlphaEvolve，并定位为对核心理念的开源再实现，用于更广泛的实验和学习。来源没有提供与 AlphaEvolve 的功能对等性、性能或部署方式比较。
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 |
|---|---|---|---|---|---|---|
| OpenAlpha Evolve 当前 | 45 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 1.1k | 1 年前 | Python | OpenAI API · Claude API |
| KADATH | 66 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 228 | 15 天前 | Python | OpenAI API |
| OpenEvolve | 51 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 7.7k | 1 天前 | Python | Claude Code · OpenAI API |
| CaveAgent | 63 · 存在缺口 | 代码库 / SDK免费 + 模型费 | ★ 219 | 1 个月前 | Python | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
代码生成器将提示发送到配置的 LiteLLM 模型；README 说明环境变量可存放 API 密钥，数据库会把程序和代码写入 JSON 文件。评估器以 Docker 执行候选代码并可禁用网络，提供了有限隔离和数据流说明。扣分原因：所示代码未体现执行前审批、密钥保护细节或可靠回滚；依赖未固定版本，也没有依赖安全证据。
生成器对若干 API 错误进行重试并记录错误，数据库加载/保存也记录异常；这些可改善一般故障诊断。扣分原因：README 说数据库当前为内存存储，而代码会持久化 JSON；README 要复制 .env_example，但项目结构列的是 .env.example；需求文件多数依赖未锁版本。
README 面向研究人员、开发者和爱好者，介绍 YAML/Python 任务、多个 LLM 提供商及可替换组件。扣分原因：文档称当前配置 Gemini，而代码使用通用 LiteLLM 配置；任务触发与可导入模块限制虽有说明，但给出的材料不足以证明边界执行完整。
README 有目录、项目结构、安装步骤、YAML 示例、任务编写建议、实验性质免责声明；MIT 许可证文本完整。扣分原因：环境文件名不一致，版本与变更记录缺失，维护者责任和更新路径仅有一般贡献邀请。
框架把 LLM 代码生成、迭代变异、评估和选择串成研究/实验工作流，主程序可输出最佳程序代码与分数。扣分原因：运行依赖 API、Docker 和用户配置，文档未估算成本或给出停止预算策略；评估与生成结果仍需人工检查。
README 对工作流和配置作出具体说明，主程序及生成器、数据库代码提供部分对应实现，测试样例也展示 Docker 调用断言。扣分原因：有些功能声明未被所给代码充分佐证，且材料中测试文件被截断；静态材料不能证实实际运行效果。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 生成代码会在 Docker 中执行，并可能访问配置的 LLM 服务；使用前请检查任务定义、API 配置和容器设置，并审阅候选代码。
- 安装说明中的 .env_example 与结构说明中的 .env.example 不一致；请核对仓库实际文件名后再配置密钥。
你是这个项目的维护者？把 FARS 徽章加到 README
[](https://followagents.com/zh/agents/openalpha-evolve)<a href="https://followagents.com/zh/agents/openalpha-evolve"><img src="https://followagents.com/badge/openalpha-evolve.svg?lang=zh" alt="FARS 评测"></a>常见问题
能否选择不同的模型提供商？
生成的代码是否可以直接用于生产？
为什么需要 Docker？
如何定义要演化的问题？
会保存演化历史吗？
谢谢反馈，我们会据此改进页面。