evo-hq/evo

解决的问题

evo 是一个自动研究编排器，可自动化代码优化过程。开发者无需手动调整代码库以提升特定指标（如速度或准确率），evo 允许 AI 自主运行实验、测试并迭代改进代码，直到达到峰值分数。

工作原理

evo 作为现有代理框架（如 Claude Code、Cursor 或 Codex）的插件运行。系统遵循发现、实验和选择的循环流程：

1. 发现：discover 技能分析仓库，识别需要测量的内容，并设置必要的评估基准和“门控”（安全检查）。
2. 并行实验：编排器启动多个子代理，每个代理在独立的工作区（git worktree 或远程沙箱）中运行。这些代理提出假设、修改代码并运行基准测试。
3. 共享状态：所有代理共享失败追踪和被丢弃的假设，避免重复错误。
4. 选择：使用 argmax 或 epsilon_greedy 等策略，编排器决定在下一轮中扩展哪些成功分支。
5. 门控：每个实验必须通过预设的门控（如回归测试）才能保留，防止 AI 为提升性能而牺牲正确性。

适用人群

希望使用 AI 代理自动化大型代码库中性能调优、缺陷修复或指标优化等繁琐过程的开发者。

主要亮点

• 树状搜索：采用实验的分支树结构，而非简单线性路径，可同时探索多个优化方向。
• 多后端支持：实验可在本地通过 git worktree 运行，或在 Modal、E2B、AWS、Azure 等远程沙箱中执行。
• 跨切面扫描：使用扫描子代理，发现跨多个追踪记录的复合失败模式。
• 广泛兼容性：可与多种 AI 编码主机集成，包括 Claude Code、Cursor、Kimi 等。