i3T4AN/KADATH

解决的问题

KADATH 是一个用于创建高性能 AI 代理的进化框架。与其手动调优单个提示或代理配置，不如通过多代的竞逐、选择和突变这一达尔文式过程，逐步进化出更擅长实现特定可衡量目标的代理。

工作原理

KADATH 通过一个「内核」（控制平面）和「生物体」（被进化的代理）来运作。该过程遵循一个循环的进化循环：

1. 基准创建：一个「架构师」模型将用户定义的目标转化为严格、机器可读的基准，包含评分标准和防作弊规则。
2. 种群执行：一组代理（生物体）尝试完成目标。每个代理都有其独特的基因组，包括系统提示、Python 实现、工具和依赖项。
3. 评分：一个「评分器」模型审查冻结的证据（日志、产物、浏览器历史记录），提取事实并应用基准的公式来计算适应度分数。
4. 选择：表现最好的前 30% 代理被保留。中等表现的代理可以反思自身表现并发生突变。表现最差的代理被淘汰。
5. 繁殖：一个「生育者」基于精英表现者创建新代理，并应用「调优者」模型建议的突变，该模型分析精英成功的原因。
6. 遗传：子代继承其父代的基因组、持久的工作区以及祖先和群体整体记忆的过滤视图。

适用人群

专为需要高度优化代理来完成复杂任务的开发者和研究人员设计，当最佳提示或框架配置不明显且可通过自动化迭代发现时尤为适用。

主要亮点

• 可进化的框架：不仅进化提示，还进化整个代理框架，包括 Python 代码和依赖项。
• 严格隔离：代理在安全、只读的容器中运行，资源受限，内核管理所有凭据。
• 基于证据的评分：评分基于冻结、不可变的证据边界，防止代理作弊或操纵自身分数。
• 知识遗传：实现复杂的记忆系统，代理继承祖先记录，并可评估群体整体记忆的实用性。
• 自动化基准测试：使用专用的「架构师」模型，将模糊目标转化为可验证、机器可读的指标。