OpenEvolve
最先进的开源进化编码代理，将 LLM 转变为自主代码优化器，发现突破性算法。
- Star 数
- ★ 7.6k
- 最近更新
- 5 天前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 40/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Claude Code · OpenAI API
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 希望自动发现硬件特定优化的 GPU 内核开发者，例如在 Apple Silicon 上实现 2.8 倍加速。
- 不适合
- 只想用现成工具、不愿反复调试系统提示词的用户
- 预算敏感且需大量迭代、无法承担 o3 等高价模型费用的团队
这个 Agent 能做什么，适合哪些场景？
OpenEvolve 是一个开源库，通过进化算法自动改进代码。它实现了 MAP-Elites 质量-多样性算法和岛屿模型，结合多种 LLM（大型语言模型）生成新程序。主要组件包括进化引擎、评估器接口、基于数据库的种群管理和可视化工具。用户可通过 CLI 或 Python API 运行进化，提供可复现的种子设置和配置选项。支持多语言（Python, Rust, Metal shaders），并展示跨场景成果。
OpenEvolve 利用进化算法迭代改进代码。它从初始程序开始，通过 LLM 生成变体，使用评估器（evaluator）评分，并在数据库（database）中管理种群。它使用 MAP-Elites 算法按特征维度组织程序，通过岛屿迁移保持多样性。它通过 artifacts 反馈（如错误和警告）指导后续生成。使用者通过 run_evolution 或 evolve_function Python API 或 openevolve-run.py 命令行工具启动过程，配置支持多个 LLM 提供商（OpenAI 兼容 API，Claude Code CLI）。最终输出是改进的程序代码和性能指标。
- 希望自动发现硬件特定优化的 GPU 内核开发者，例如在 Apple Silicon 上实现 2.8 倍加速。
- 研究新的算法或数学结构（如圆形填充）的研究人员，达到最先进结果。
- 需要优化复杂排序或信号处理算法，但手动调优耗时的科学家。
- 希望探索多目标问题并获取 Pareto 最优解的竞争性程序员。
- 需要为特定领域（如 LLM 提示词）自动优化提示词的工程师。
- 希望在多语言（Python, Rust, Metal shaders）中实现算法自动发现的开发者。
如何安装或部署这个 Agent？
需要 Python 3.10+ 和 LLM API 密钥（例如 Google Gemini 或 OpenAI）。通过 pip 安装：pip install openevolve。设置环境变量 OPENAI_API_KEY（用于 Gemini 或其他）。可选：安装 Docker 以运行容器化版本（docker pull ghcr.io/algorithmicsuperintelligence/openevolve:latest），或使用 Claude Code CLI（npm install -g @anthropic-ai/claude-code）
如何使用这个 Agent？
快速开始：安装后，设置 OPENAI_API_KEY，然后运行示例命令：python openevolve-run.py examples/function_minimization/initial_program.py examples/function_minimization/evaluator.py --config examples/function_minimization/config.yaml --iterations 50。或使用 Python API：from openevolve import run_evolution; result = run_evolution(initial_program='...', evaluator=lambda path: {'score': ...}, iterations=100)。配置 LLM 提供商可通过修改 config.yaml 的 llm.api_base 和 model 字段。
这个 Agent 有哪些优点和局限？
- 使用 MAP-Elites 和岛屿模型，避免过早收敛，保持多样性。
- 支持多种 LLM 提供商（OpenAI, Gemini, Claude Code, 本地模型），灵活集成。
- 提供完全可复现的种子设置（默认 seed=42），适合研究。
- 包含可视化器和检查点系统，支持实时监控和结果分析。
- 已验证成果：GPU 内核优化（2.8 倍加速）、圆形填充达到最先进结果。
- 成本取决于 LLM 提供商，高级模型每迭代可能花费 $0.15-0.60。
- 需要 LLM API 密钥，否则无法运行（除非使用 Claude Code CLI）。
- 系统消息设计对成功至关重要，需要迭代调优，不简单。
- 性能可能因问题复杂度和评估器质量而异，需要调整配置。
- 文档中的基准和成果来自示例，不保证应用于所有场景。
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 |
|---|---|---|---|---|---|---|
| OpenEvolve 当前 | 40 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 7.6k | 5 天前 | Python | Claude Code · OpenAI API |
| OpenAlpha Evolve | 41 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 1.1k | 1 年前 | Python | OpenAI API · Claude API |
| Hello-Agents 智能体教程 | 54 · 缺口较多 | 网页应用免费 + 模型费 | ★ 84k | 5 天前 | Python | OpenAI API |
| Lagent 轻量级智能体框架 | 43 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 2.3k | 6 个月前 | Python | OpenAI API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：仓库未提供权限模型、用户确认机制、数据流透明性、敏感数据处理、依赖安全审计、外部影响控制、回滚机制或来源归属。所有信任相关标准均未得到满足，因此全部评分为0。
证据显示：README和配置示例在功能描述上基本一致，但存在不一致之处，如README声称'完全确定性'，但配置中允许随机模板和温度设置，且未提供确定性保证的详细说明。依赖可用性方面，pyproject.toml列出了依赖，但未提供版本锁定或完整性校验，且集成测试工作流中额外安装了math-verify，表明依赖管理不完整。失败消息方面，测试脚本提供了基本的错误输出，但未提供面向用户的故障排除指南。
证据显示：README明确了目标受众（性能优化、算法发现等）和多种使用场景，提供了多个示例。能力边界方面，README描述了可配置的约束（如系统消息中的'必须不改变'），但未提供全面的能力边界文档。触发精度方面，提供了配置示例和系统消息指导，但未提供详细的触发条件说明。环境适配方面，支持多种LLM提供商和本地模型，但未提供所有环境的详细配置指南。
证据显示：README提供了清晰的信息架构，包括快速开始、示例、配置等。安装说明详细，包括PyPI、开发安装和Docker。命名稳定性方面，项目名称和主要API在文档中一致。示例和FAQ方面，提供了多个示例，但缺少FAQ部分。已知限制方面，未明确列出。许可证为Apache-2.0，但未提供版权所有者信息。版本控制方面，pyproject.toml使用动态版本，但未提供CHANGELOG。维护责任方面，作者信息仅列出'codelion'，未提供维护者联系方式或贡献指南。
证据显示：输出可用性方面，提供了库API和CLI，并展示了输出示例。边际价值方面，声称提供2-3倍加速和SOTA结果，但未提供独立验证。成本效益方面，提供了成本估算，但未提供实际基准测试数据。
证据显示：README中的性能声明（如2-3倍加速、SOTA）未提供可追溯的基准测试或论文引用。跨来源验证方面，仅依赖仓库内部证据，未提供外部验证。事实与推断分离方面，README将推断（如'突破性优化'）与事实（如示例）混合，未明确区分。
- 源码中未见：最小权限约束只授予完成任务所需的权限：用专用账号或只读令牌，并限定可访问的目录和仓库。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：数据流向说明运行时观察它连接了哪些外部服务（代理或防火墙日志）；弄清数据去向之前不要输入敏感数据。
- 源码中未见：敏感信息处理使用专用、低权限、可随时吊销的 API 密钥，不要复用生产凭据，也不要让密钥出现在日志里。
- 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。
- 源码中未见：外部影响披露先弄清它会写入、发送或修改哪些外部系统，用测试账号或测试仓库验证后再接入正式环境。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 源码中未见：来源归属可核验从官方仓库或包源安装，核对发布者和仓库地址，避免同名仿冒包。
- 性能声明（如2-3倍加速、SOTA）缺乏可验证的基准测试或论文引用，应谨慎对待。
- 依赖管理不完整，未锁定版本，且集成测试中额外安装math-verify，可能影响可复现性。
- 未提供明确的权限模型或安全审计，作为Agent框架使用时需自行评估风险。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
发布说明摘录
Highlights - Pluggable island selection and population strategies (#493): an optional island selector plus decision-returning hooks for admission, MAP-Elites cell replacement, archive membership, eviction and migration. ProgramDatabase validates the decisions and still owns every mutation. Default behaviour is unchanged. - LLM token usage tracking (#490): prompt_tokens, completion_tokens and total_tokens are captured from OpenAI-compatible responses, carried back from workers, stored in program metadata and prompt logs, and reported per iteration and as a run total. …在 GitHub 查看 ↗ -
发布说明摘录
Bug fixes Booleans in metrics are flags, not scores. bool is a subclass of int, so a naive isinstance(value, (int, float)) check silently treated True/False as 1.0/0.0. OpenEvolve's own evaluator emits timeout: True as a metric, so this was not a hypothetical input. - Fitness math (utils/metrics_utils.py) — the significant one. When an evaluation timed out, evaluator.py returns {"error": 0.0, "timeout": True}, which safe_numeric_average scored as 0.5 — handing a program that failed outright a mid-range fitness and letting it compete for survival in the …在 GitHub 查看 ↗ -
发布说明摘录
Bug fixes - llm.provider was silently dropped (#472): LLMConfig propagates shared settings to each per-model LLMModelConfig via a shared_config dict, but that dict omitted provider. Every model kept provider=None, so LLMEnsemble routed them all to the OpenAI backend regardless of the config — a config with provider: claude_code crashed with a missing-OPENAI_API_KEY error, making examples/claude_code_quickstart unusable. An explicit per-model provider still takes precedence. Features …在 GitHub 查看 ↗
常见问题
运行 OpenEvolve 的成本有多高？
是否必须使用特定 LLM？
如果进化陷入停滞怎么办？
num_diverse_programs 或更改迁移间隔。如何衡量进化是否成功？
combined_score 或指标平均值，或通过可视化器跟踪收敛情况、多样性覆盖度和效率。