进化算法自动优化AI Agent
推荐指数 72.0 NO. 003 · 2026.08.10
Stars167创建1 天前Forks1Issues0
为什么值得看
KADATH通过多代遗传算法演化完整Agent框架（系统提示、Python实现、工具、依赖），用可量化的基准测试筛选最优解。对苦于提示工程收益递减、Agent性能不稳定的团队，这可能是系统性突破的路径。
Evolutionary multi-agent runtime that breeds, evaluates, and improves autonomous agents across reproducible epochs to converge on optimization of a goal.
媒体预览
编辑判断
当前Agent优化主要靠人工迭代提示词或网格搜索超参，KADATH把整套Agent当基因组来进化，这个思路在DSPy之外开了另一条自动化路线。跟微软的AutoGen或CrewAI比，它不是编排多个固定角色，而是让Agent本身结构发生变异和继承，更适合目标明确但解法未知的任务。
代价是token消耗极高，适合有预算、评估标准清晰的中大型项目，小团队可以先关注它的选择压力设计（fitness function怎么定义）能否迁移到自己的场景。
Star History
生态分析
Experimental
首个将遗传算法与完整Agent框架演化结合的实验性多智能体运行时
独特价值：以代际进化替代人工提示工程，系统性解决Agent性能不稳定难题