ant-research/AntOmniEvo

해결하는 문제

AntOmniEvo는 AI 에이전트 시스템, 워크플로우, 알고리즘의 반복적 최적화 프로세스를 자동화하도록 설계된 자동 진화 프레임워크입니다. 평가 결과에 따라 성능을 개선하기 위해 프롬프트, 구성 파일, 코드를 수동으로 편집하는 시행착오 과정을 대체합니다.

작동 방식

이 프레임워크는 시스템의 조정 가능한 부분(예: 프롬프트, 스킬 파일, 파이프라인 구성)을 "조정 가능한 아티팩트"(파일 디렉토리)로 취급합니다. 그런 다음 세 가지 역할로 구성된 동시 진화 루프를 실행합니다:

1. 사용자: 시스템 실행 로직, 점수 평가기, 평가 데이터, 초기 아티팩트를 정의합니다.
2. 프레임워크: 스케줄링, 후보 선택, 제거, 모든 실행 및 변경 로그의 영속화를 포함한 제어 루프를 관리합니다.
3. AI 제안자: 평가에서 실패 궤적을 분석하고 오류를 수정하기 위해 조정 가능한 아티팩트를 다시 작성하는 코딩 에이전트로, 인간 엔지니어가 코드를 편집하는 방식을 모방합니다.

대상 사용자

AI 에이전트, 검색 증강 생성(RAG) 파이프라인 또는 단일 파일 알고리즘을 개발하는 개발자를 대상으로 하며, 시스템 성능을 평가할 수 있는 반복 가능하고 합리적으로 저렴한 방법이 있어야 합니다.

주요 특징

• 아티팩트 기반 최적화: 파일 디렉토리로 표현할 수 있는 모든 시스템을 진화의 게놈으로 취급합니다.
• 실패 기반 진화: AI 에이전트를 사용하여 특정 실패 사례를 분석하여 변경을 유도합니다.
• 투명한 계보: 각 편집을 트리거한 실패 증거에 귀속시키는 변경 계보를 제공합니다.
• 탄력적 실행: 중단 및 재개 가능한 체크포인트와 충돌 복구를 위한 CandidateStore를 포함합니다.