evo-hq/evo

해결하는 문제

evo는 코드 최적화 과정을 자동화하는 자동 연구 오케스트레이터입니다. 개발자가 특정 지표(예: 속도 또는 정확도)를 향상시키기 위해 수동으로 코드베이스를 조정하는 대신, evo는 AI가 자율적으로 실험을 실행하고, 테스트하며, 반복적으로 코드를 개선하여 최고 점수에 도달할 때까지 진행합니다.

작동 방식

evo는 기존의 에이전트 프레임워크(Claude Code, Cursor, Codex 등)의 플러그인으로 작동합니다. 시스템은 탐색, 실험, 선택의 루프를 따릅니다.

1. 탐색: discover 스킬은 리포지토리를 분석하여 측정할 대상을 식별하고, 필요한 평가 벤치마크와 "게이트"(안전성 검사)를 설정합니다.
2. 병렬 실험: 오케스트레이터는 여러 하위 에이전트를 생성하며, 각각은 고립된 워크스페이스(git worktree 또는 원격 사전)에서 작동합니다. 이 에이전트들은 가설을 세우고 코드를 수정하며 벤치마크를 실행합니다.
3. 공유 상태: 모든 에이전트는 실패 추적 기록과 폐기된 가설을 공유하여 동일한 실수를 반복하지 않도록 합니다.
4. 선택: argmax 또는 epsilon_greedy와 같은 전략을 사용하여 다음 라운드에서 확장할 성공적인 브랜치를 오케스트레이터가 결정합니다.
5. 게이팅: 모든 실험은 정의된 게이트(예: 리그레션 테스트)를 통과해야 유지되며, 정확성을 희생하여 성능을 높이는 "사기"를 방지합니다.

대상 사용자

대규모 코드베이스 내에서 성능 튜닝, 버그 수정, 메트릭 최적화와 같은 반복적이고 번거로운 작업을 AI 에이전트를 통해 자동화하고자 하는 개발자에게 적합합니다.

주요 특징

• 트리 탐색: 단순한 선형 경로가 아니라, 여러 최적화 방향을 동시에 탐색하는 실험의 분기 트리 구조를 사용합니다.
• 다중 백엔드 지원: 실험은 로컬 git worktree 또는 Modal, E2B, AWS, Azure 등의 원격 사전에서 실행할 수 있습니다.
• 크로스 컷 스캔: 여러 추적 기록에 걸쳐 복합적인 실패 패턴을 탐지하는 스캔 서브에이전트를 활용합니다.
• 광범위한 호환성: Claude Code, Cursor, Kimi 등 다양한 AI 코드 호스트와 통합 가능합니다.