OpenAlpha Evolve

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。

1. 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。
2. 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。
3. 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。
4. 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。
5. 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？

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。

FollowAgents 如何评估这个 Agent？

常见问题