{"id":28651050,"url":"https://github.com/EvoAgentX/EvoAgentX","last_synced_at":"2025-06-13T06:02:45.778Z","repository":{"id":292895308,"uuid":"967062640","full_name":"EvoAgentX/EvoAgentX","owner":"EvoAgentX","description":"🚀 EvoAgentX: Building a Self-Evolving Ecosystem of AI Agents","archived":false,"fork":false,"pushed_at":"2025-06-11T05:07:04.000Z","size":128864,"stargazers_count":747,"open_issues_count":6,"forks_count":71,"subscribers_count":10,"default_branch":"main","last_synced_at":"2025-06-11T05:32:45.933Z","etag":null,"topics":[],"latest_commit_sha":null,"homepage":"https://evoagentx.github.io/EvoAgentX/","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"other","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/EvoAgentX.png","metadata":{"files":{"readme":"README-zh.md","changelog":null,"contributing":"CONTRIBUTING.md","funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null}},"created_at":"2025-04-15T21:48:15.000Z","updated_at":"2025-06-11T04:34:50.000Z","dependencies_parsed_at":"2025-05-28T02:20:10.539Z","dependency_job_id":"cf60631f-c1ed-4aa6-b197-8ddd1cce0d5c","html_url":"https://github.com/EvoAgentX/EvoAgentX","commit_stats":null,"previous_names":["evoagentx/evoagentx"],"tags_count":1,"template":false,"template_full_name":null,"purl":"pkg:github/EvoAgentX/EvoAgentX","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/EvoAgentX%2FEvoAgentX","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/EvoAgentX%2FEvoAgentX/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/EvoAgentX%2FEvoAgentX/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/EvoAgentX%2FEvoAgentX/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/EvoAgentX","download_url":"https://codeload.github.com/EvoAgentX/EvoAgentX/tar.gz/refs/heads/main","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/EvoAgentX%2FEvoAgentX/sbom","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":259592250,"owners_count":22881264,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":[],"created_at":"2025-06-13T06:01:11.248Z","updated_at":"2025-06-13T06:02:45.762Z","avatar_url":"https://github.com/EvoAgentX.png","language":"Python","funding_links":[],"categories":["Testing and Evaluation","智能体 Agents","Applications","Agentic Frameworks","AI Agent Frameworks \u0026 SDKs","Building","A01_文本生成_文本对话","Open-Source Framework","Python","Agent Categories","Frameworks \u0026 Platforms","Frameworks","AI Agent Frameworks","Runtime","Agentic Systems"],"sub_categories":["Multi-Agent Task Solver Projects","Multi-Agent Collaboration Systems","Testing","大语言对话模型及数据","\u003ca name=\"Unclassified\"\u003e\u003c/a\u003eUnclassified","Evolve Agent"],"readme":"\u003c!-- Add logo here --\u003e\n\u003cdiv align=\"center\"\u003e\n  \u003ca href=\"https://github.com/EvoAgentX/EvoAgentX\"\u003e\n    \u003cimg src=\"./assets/EAXLoGo.svg\" alt=\"EvoAgentX\" width=\"50%\"\u003e\n  \u003c/a\u003e\n\u003c/div\u003e\n\n\u003ch2 align=\"center\"\u003e\n    构建自进化的 AI 智能体生态系统\n\u003c/h2\u003e\n\n\u003cdiv align=\"center\"\u003e\n\n[![EvoAgentX 主页](https://img.shields.io/badge/EvoAgentX-主页-blue?logo=homebridge)](https://evoagentx.org/)\n[![文档](https://img.shields.io/badge/-文档-0A66C2?logo=readthedocs\u0026logoColor=white\u0026color=7289DA\u0026labelColor=grey)](https://EvoAgentX.github.io/EvoAgentX/)\n[![Discord](https://img.shields.io/badge/Chat-Discord-5865F2?\u0026logo=discord\u0026logoColor=white)](https://discord.gg/w3x2YrCa)\n[![Twitter](https://img.shields.io/badge/Follow-@EvoAgentX-e3dee5?\u0026logo=x\u0026logoColor=white)](https://x.com/EvoAgentX)\n[![Wechat](https://img.shields.io/badge/微信-EvoAgentX-brightgreen?logo=wechat\u0026logoColor=white)](./assets/wechat_info.md)\n[![GitHub star chart](https://img.shields.io/github/stars/EvoAgentX/EvoAgentX?style=social)](https://star-history.com/#EvoAgentX/EvoAgentX)\n[![GitHub fork](https://img.shields.io/github/forks/EvoAgentX/EvoAgentX?style=social)](https://github.com/EvoAgentX/EvoAgentX/fork)\n[![License](https://img.shields.io/badge/License-MIT-blue.svg?)](https://github.com/EvoAgentX/EvoAgentX/blob/main/LICENSE)\n\u003c!-- [![EvoAgentX 首页](https://img.shields.io/badge/EvoAgentX-Homepage-blue?logo=homebridge)](https://EvoAgentX.github.io/EvoAgentX/) --\u003e\n\u003c!-- [![hf_space](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-EvoAgentX-ffc107?color=ffc107\u0026logoColor=white)](https://huggingface.co/EvoAgentX) --\u003e\n\u003c/div\u003e\n\n\u003cdiv align=\"center\"\u003e\n\n\u003ch3 align=\"center\"\u003e\n\n\u003ca href=\"./README.md\"\u003eEnglish\u003c/a\u003e | \u003ca href=\"./README-zh.md\" style=\"text-decoration: underline;\"\u003e简体中文\u003c/a\u003e\n\n\u003c/h3\u003e\n\n\u003c/div\u003e\n\n\u003ch4 align=\"center\"\u003e\n  \u003ci\u003e面向 Agent 工作流评估与演化的自动化框架\u003c/i\u003e\n\u003c/h4\u003e\n\n\u003cp align=\"center\"\u003e\n  \u003cimg src=\"./assets/framework_zh.jpg\"\u003e\n\u003c/p\u003e\n\n\n## 🔥 最新消息\n- **[2025年5月]** 🎉 **EvoAgentX** 正式发布！\n\n## ⚡ 快速开始\n- [🔥 最新消息](#-最新消息)\n- [⚡ 快速开始](#-快速开始)\n- [安装](#安装)\n- [LLM配置](#llm配置)\n  - [API密钥配置](#api密钥配置)\n  - [配置并使用LLM](#配置并使用llm)\n- [自动工作流生成](#自动工作流生成)\n- [演示视频](#演示视频)\n  - [✨ 最终结果](#-最终结果)\n- [进化算法](#进化算法)\n  - [📊 结果](#-结果)\n- [应用案例](#应用案例)\n- [教程与使用案例](#教程与使用案例)\n- [🎯 路线图](#-路线图)\n- [🙋 支持](#-支持)\n  - [加入社区](#加入社区)\n  - [联系信息](#联系信息)\n- [🙌 为EvoAgentX做贡献](#-为evoagentx做贡献)\n- [📚 致谢](#-致谢)\n- [📄 许可证](#-许可证)\n\n## 安装\n\n我们建议使用 `pip` 安装 EvoAgentX：\n\n```bash\npip install git+https://github.com/EvoAgentX/EvoAgentX.git\n```\n\n对于本地开发或详细设置（例如，使用conda），请参考 [EvoAgentX 安装指南](./docs/zh/installation.md)。\n\n\u003cdetails\u003e\n\u003csummary\u003e示例（可选，用于本地开发）：\u003c/summary\u003e\n\n```bash\ngit clone https://github.com/EvoAgentX/EvoAgentX.git\ncd EvoAgentX\n# 创建新的conda环境\nconda create -n evoagentx python=3.10\n\n# 激活环境\nconda activate evoagentx\n\n# 安装包\npip install -r requirements.txt\n# 或者以开发模式安装\npip install -e .\n```\n\u003c/details\u003e\n\n## LLM配置\n\n### API密钥配置 \n\n要在EvoAgentX中使用LLM（如OpenAI），您必须设置API密钥。\n\n\u003cdetails\u003e\n\u003csummary\u003e选项1：通过环境变量设置API密钥\u003c/summary\u003e \n\n- Linux/macOS: \n```bash\nexport OPENAI_API_KEY=\u003cyour-openai-api-key\u003e\n```\n\n- Windows命令提示符: \n```cmd \nset OPENAI_API_KEY=\u003cyour-openai-api-key\u003e\n```\n\n- Windows PowerShell:\n```powershell\n$env:OPENAI_API_KEY=\"\u003cyour-openai-api-key\u003e\" #必要的\n```\n\n设置后，您可以在Python代码中访问密钥：\n```python\nimport os\nOPENAI_API_KEY = os.getenv(\"OPENAI_API_KEY\")\n```\n\u003c/details\u003e\n\n\u003cdetails\u003e\n\u003csummary\u003e选项2：使用.env文件\u003c/summary\u003e \n\n- 在项目根目录创建.env文件并添加以下内容：\n```bash\nOPENAI_API_KEY=\u003cyour-openai-api-key\u003e\n```\n\n然后在Python中加载：\n```python\nfrom dotenv import load_dotenv \nimport os \n\nload_dotenv() # 从.env文件加载环境变量\nOPENAI_API_KEY = os.getenv(\"OPENAI_API_KEY\")\n```\n\u003c/details\u003e\n\u003c!-- \u003e 🔐 提示：不要忘记将`.env`添加到`.gitignore`以避免提交敏感信息。 --\u003e\n\n### 配置并使用LLM\n设置好API密钥后，使用以下方式初始化LLM：\n\n```python\nfrom evoagentx.models import OpenAILLMConfig, OpenAILLM\n\n# 从环境中加载API密钥\nOPENAI_API_KEY = os.getenv(\"OPENAI_API_KEY\")\n\n# 定义LLM配置\nopenai_config = OpenAILLMConfig(\n    model=\"gpt-4o-mini\",       # 指定模型名称\n    openai_key=OPENAI_API_KEY, # 直接传递密钥\n    stream=True,               # 启用流式响应\n    output_response=True       # 将响应打印到标准输出\n)\n\n# 初始化语言模型\nllm = OpenAILLM(config=openai_config)\n\n# 从LLM生成响应\nresponse = llm.generate(prompt=\"什么是智能体工作流？\")\n```\n\u003e 📖 有关支持的模型和配置选项的更多详情：[LLM模块指南](./docs/zh/modules/llm.md)。\n\n\n## 自动工作流生成\n配置好API密钥和语言模型后，您可以在EvoAgentX中自动生成和执行多智能体工作流。\n\n🧩 核心步骤：\n1. 定义自然语言目标\n2. 使用`WorkFlowGenerator`生成工作流\n3. 使用`AgentManager`实例化智能体\n4. 通过`WorkFlow`执行工作流\n\n💡 最小示例：\n```python\nfrom evoagentx.workflow import WorkFlowGenerator, WorkFlowGraph, WorkFlow\nfrom evoagentx.agents import AgentManager\n\ngoal = \"生成可在浏览器中玩的 Tetris（俄罗斯方块）HTML 游戏代码\"\nworkflow_graph = WorkFlowGenerator(llm=llm).generate_workflow(goal)\n\nagent_manager = AgentManager()\nagent_manager.add_agents_from_workflow(workflow_graph, llm_config=openai_config)\n\nworkflow = WorkFlow(graph=workflow_graph, agent_manager=agent_manager, llm=llm)\noutput = workflow.execute()\nprint(output)\n```\n\n您还可以：\n- 📊 可视化工作流：`workflow_graph.display()`\n- 💾 保存/加载工作流：`save_module()` / `from_file()`\n\n\u003e 📂 完整的工作示例，请查看[`workflow_demo.py`](https://github.com/EvoAgentX/EvoAgentX/blob/main/examples/workflow_demo.py)\n\n\n## 演示视频\n\n\n[![在YouTube上观看](https://img.shields.io/badge/-在YouTube上观看-red?logo=youtube\u0026labelColor=grey)](https://www.youtube.com/watch?v=Wu0ZydYDqgg)\n[![在bilibili上观看](https://img.shields.io/badge/-在bilibili上观看-00A1D6?logo=bilibili\u0026labelColor=white)](https://www.bilibili.com/video/BV1mEJizyE7H/?vd_source=02f8f3a7c8865b3af6378d9680393f5a)\n\n\u003cdiv align=\"center\"\u003e\n  \u003cvideo src=\"https://github.com/user-attachments/assets/906a6086-e98d-4df3-84b0-808020ddd520.mp4\" autoplay loop muted playsinline width=\"600\"\u003e\n    您的浏览器不支持视频标签。\n  \u003c/video\u003e\n\u003c/div\u003e\n\n在此演示中，我们通过两个示例展示了EvoAgentX的工作流生成和执行能力：\n\n- 应用1：简历的智能职位推荐\n- 应用2：A股股票的视觉分析\n\n\n### ✨ 最终结果\n\n\u003ctable\u003e\n  \u003ctr\u003e\n    \u003ctd align=\"center\"\u003e\n      \u003cimg src=\"./assets/demo_result_1.png\" width=\"400\"\u003e\u003cbr\u003e\n      \u003cstrong\u003e应用1：\u003c/strong\u003e\u003cbr\u003e职位推荐\n    \u003c/td\u003e\n    \u003ctd align=\"center\"\u003e\n      \u003cimg src=\"./assets/demo_result_2.jpeg\" width=\"400\"\u003e\u003cbr\u003e\n      \u003cstrong\u003e应用2：\u003c/strong\u003e\u003cbr\u003e股票视觉分析\n    \u003c/td\u003e\n  \u003c/tr\u003e\n\u003c/table\u003e\n\n## 进化算法\n\n我们将一些现有的智能体/工作流进化算法集成到EvoAgentX中，包括[TextGrad](https://www.nature.com/articles/s41586-025-08661-4)、[MIPRO](https://arxiv.org/abs/2406.11695)和[AFlow](https://arxiv.org/abs/2410.10762)。\n\n为了评估性能，我们使用它们在三个不同任务上优化相同的智能体系统：多跳问答(HotPotQA)、代码生成(MBPP)和推理(MATH)。我们随机抽取50个样本进行验证，另外100个样本用于测试。\n\n\u003e 提示：我们已将这些基准测试和评估代码集成到EvoAgentX中。有关更多详情，请参考[基准测试和评估教程](https://github.com/EvoAgentX/EvoAgentX/blob/main/docs/zh/tutorial/benchmark_and_evaluation.md)。\n\n### 📊 结果 \n\n| 方法     | HotPotQA\u003cbr\u003e(F1%) | MBPP\u003cbr\u003e(Pass@1 %) | MATH\u003cbr\u003e(解题率 %) |\n|----------|--------------------|---------------------|--------------------------|\n| 原始     | 63.58              | 69.00               | 66.00                    |\n| TextGrad | 71.02              | 71.00               | 76.00                    |\n| AFlow    | 65.09              | 79.00               | 71.00                    |\n| MIPRO    | 69.16              | 68.00               | 72.30       \n\n更多详情请参考`examples/optimization`文件夹。\n\n## 应用案例 \n\n我们使用我们的框架在[GAIA](https://huggingface.co/spaces/gaia-benchmark/leaderboard)基准测试中优化现有的多智能体系统。我们选择了来自GAIA排行榜的两个具有代表性的开源且可运行的多智能体框架：[Open Deep Research](https://github.com/huggingface/smolagents/tree/main/examples/open_deep_research)和[OWL](https://github.com/camel-ai/owl)。\n\n我们应用EvoAgentX来优化它们的提示词。下图显示了优化后的智能体在GAIA基准验证集上的性能。\n\n\u003ctable\u003e\n  \u003ctr\u003e\n    \u003ctd align=\"center\" width=\"50%\"\u003e\n      \u003cimg src=\"./assets/open_deep_research_optimization_report.png\" alt=\"Open Deep Research优化\" width=\"100%\"\u003e\u003cbr\u003e\n      \u003cstrong\u003eOpen Deep Research\u003c/strong\u003e\n    \u003c/td\u003e\n    \u003ctd align=\"center\" width=\"50%\"\u003e\n      \u003cimg src=\"./assets/owl_optimization_result.png\" alt=\"OWL优化\" width=\"100%\"\u003e\u003cbr\u003e\n      \u003cstrong\u003eOWL智能体\u003c/strong\u003e\n    \u003c/td\u003e\n  \u003c/tr\u003e\n\u003c/table\u003e\n\n\u003e 完整优化报告：[Open Deep Research](https://github.com/eax6/smolagents)和[OWL](https://github.com/TedSIWEILIU/owl)。  \n\n## 教程与使用案例\n\n\u003e 💡 **EvoAgentX新手？** 从[快速入门指南](./docs/zh/quickstart.md)开始，逐步了解基本使用方法。\n\n\n通过以下资源了解如何有效使用EvoAgentX：\n\n| 指南 | 描述 |\n|:---|:---|\n| **[构建您的第一个智能体](./docs/zh/tutorial/first_agent.md)** | 快速创建和管理具有多动作能力的智能体。 |\n| **[构建您的第一个工作流](./docs/zh/tutorial/first_workflow.md)** | 学习如何使用多个智能体构建协作工作流。 |\n| **[使用工具](./docs/zh/tutorial/tools.md)** | 掌握 EvoAgentX 强大的工具生态系统，实现智能体交互。 |\n| **[自动工作流生成](./docs/zh/quickstart.md#automatic-workflow-generation-and-execution)** | 从自然语言目标自动生成工作流。 |\n| **[基准测试与评估教程](./docs/zh/tutorial/benchmark_and_evaluation.md)** | 使用基准数据集评估智能体性能。 |\n| **[TextGrad优化器教程](./docs/zh/tutorial/textgrad_optimizer.md)** | 使用TextGrad自动优化多智能体工作流中的提示词。 |\n| **[AFlow优化器教程](./docs/zh/tutorial/aflow_optimizer.md)** | 使用AFlow自动优化多智能体工作流的提示词和结构。 |\n\u003c!-- | **[SEW优化器教程](./docs/zh/tutorial/sew_optimizer.md)** | 创建SEW（自进化工作流）来增强智能体系统。 | --\u003e\n\n🛠️ 通过这些教程构建和优化您的EvoAgentX工作流。\n\n🚀 我们正在积极扩展我们的用例库和优化策略。**更多内容即将推出—敬请期待！**\n\n## 🎯 路线图\n- [ ] **模块化进化算法**：将优化算法抽象为即插即用的模块，便于集成到自定义工作流中。 \n- [ ] **开发任务模板和智能体模块**：构建典型任务的可重用模板和标准化智能体组件，以简化应用开发。\n- [ ] **集成自进化智能体算法**：整合更多最新和先进的智能体自进化技术，跨多个维度，包括提示词调整、工作流结构和记忆模块。 \n- [ ] **启用可视化工作流编辑界面**：提供工作流结构显示和编辑的可视化界面，以提高可用性和调试能力。 \n\n\n\n## 🙋 支持\n\n### 加入社区\n\n📢 保持联系，成为**EvoAgentX**旅程的一部分！  \n🚩 加入我们的社区获取最新更新，分享您的想法，并与全球AI爱好者合作。\n\n- [Discord](https://discord.gg/w3x2YrCa) — 实时聊天、讨论和协作。\n- [X（前Twitter）](https://x.com/EvoAgentX) — 关注我们获取新闻、更新和洞见。\n- [微信](https://github.com/EvoAgentX/EvoAgentX/blob/main/assets/wechat_info.md) — 连接我们的中文社区。\n\n### 联系信息\n\n如果您对本项目有任何问题或反馈，请随时联系我们。我们非常感谢您的建议！\n\n- **电子邮件：** evoagentx.ai@gmail.com\n\n我们将在2-3个工作日内回复所有问题。\n\n## 🙌 为EvoAgentX做贡献\n感谢这些优秀的贡献者\n\n\u003ca href=\"https://github.com/EvoAgentX/EvoAgentX/graphs/contributors\"\u003e\n  \u003cimg src=\"https://contrib.rocks/image?repo=EvoAgentX/EvoAgentX\" /\u003e\n\u003c/a\u003e\n\n我们感谢您对我们开源计划的贡献兴趣。我们提供了[贡献指南](https://github.com/EvoAgentX/EvoAgentX/blob/main/CONTRIBUTING.md)文档，其中概述了为EvoAgentX做贡献的步骤。请参考此指南以确保顺利协作和成功贡献。 🤝🚀\n\n[![Star历史图表](https://api.star-history.com/svg?repos=EvoAgentX/EvoAgentX\u0026type=Date)](https://www.star-history.com/#EvoAgentX/EvoAgentX\u0026Date)\n\n\n## 📚 致谢 \n本项目基于几个杰出的开源项目：[AFlow](https://github.com/FoundationAgents/MetaGPT/tree/main/metagpt/ext/aflow)、[TextGrad](https://github.com/zou-group/textgrad)、[DSPy](https://github.com/stanfordnlp/dspy)、[LiveCodeBench](https://github.com/LiveCodeBench/LiveCodeBench)等。我们衷心感谢这些框架的开发者和维护者对开源社区的宝贵贡献。\n\n## 📄 许可证\n\n本仓库中的源代码根据[MIT许可证](./LICENSE)提供。\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2FEvoAgentX%2FEvoAgentX","html_url":"https://awesome.ecosyste.ms/projects/github.com%2FEvoAgentX%2FEvoAgentX","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2FEvoAgentX%2FEvoAgentX/lists"}