Optim-Agent/optim-agent
LLM agents as your hyperparameter optimizer.
What it solves
Optim-agent 自动化系统参数（超参数）调优的迭代过程，将传统的数学代理模型换成编码代理人。它解决了“盲目”调优的问题——传统方法把参数视为匿名坐标，无法理解其语义。代理人能够根据参数的语义以及试验历史进行推理，提出更佳的配置，尤其在评估预算有限时能够更高效。
How it works
系统与代理 CLI（如 Claude Code、Codex 或 OpenCode）集成，形成优化循环。用户定义目标函数和参数空间（可为每个参数提供自然语言说明）。代理人会分析当前的试验历史和提供的说明，提出下一组参数值。为确保稳定性，optim-agent 会先验证代理人的提案是否符合声明的参数空间，若提案无效则回退到安全抽样。
Who it’s for
此工具面向拥有可配置参数和可测量目标的系统的算法工程师和研究人员，包括模型训练、推理服务、量化研究、强化学习以及科学工作流等领域。
Highlights
- Semantic Proposals: 使用 LLM 推理参数的实际含义，而不是仅把它们当作数字。
- Agent-Driven Pruning: 包含基于代理的修剪器，可根据学习曲线决定是否保留或停止表现不佳的试验。
- Flexible Backends: 支持多种代理 CLI，包括 Claude、Codex 与 OpenCode。
- Distributed Execution: 支持通过线程池或共享 SQLite 存储进行多进程/多机器的分布式执行。
- Auditable History: 以 JSON 或 SQLite 存储配置、结果和代理推理过程，提供完整的可审计历史。