microsoft/RD-Agent

什么是 RD‑Agent？

RD‑Agent (R&D‑Agent) 是一个来自 Microsoft 的开源 Python 框架，让大型语言模型 (LLM) 代理能够自动化端到端的研发流水线。它整合了两个互补的代理：

• R‑agent (研究) – 提出想法、阅读论文或报告、设计新特征或因子模型。
• D‑agent (开发) – 接收提案并进行实现：编写代码、运行实验、训练模型并评估结果。

该系统围绕着 LLM 驱动的推理 (ChatCompletion, JSON‑mode, embeddings) 以及一个多代理编排循环构建，该循环会持续迭代直到达到目标。它附带了一组现成的“场景”，展示了在具体领域中的循环运作：

场景	目标	演示链接
量化金融 (RD‑Agent(Q))	使用 Microsoft QLib 联合优化因子模型与交易策略	Live demo
数据科学 / Kaggle	为 Kaggle 竞赛进行自动特征工程、模型选择与提交	Live demo
研究 Copilot	解析研究论文或财务报告并将其转化为可运行的模型代码	Live demo
医疗预测	为临床时间序列数据构建并迭代预测模型	Live demo
FT‑Agent	为下游基准测试进行 LLM 的自我监督微调	(see rdagent/app/finetune/llm)

为何它很重要

• 基准测试优先 – 作者在 MLE‑bench (75 个 Kaggle 风格任务) 以及新的 Agent² RL‑Bench (衡量代理工程化训练后 RL 流水线的能力) 上评估了 RD‑Agent。RD‑Agent 目前在 MLE‑bench 上排名第一。
• 模块化、可扩展设计 – 可以通过编写一个定义状态、动作和评估指标的小型“场景”模块来添加新领域。核心循环保持不变。
• 可插拔的 LLM 后端 – 支持任何通过 LiteLLM 可访问的模型 (OpenAI, Azure OpenAI, DeepSeek, SiliconFlow 等)，并可通过简单的 .env 文件进行切换。
• 开源且可重现 – 通过 PyPI (pip install rdagent) 发布，支持 Docker、CI 徽章、类型检查 (mypy)、代码检查 (ruff) 以及完整的文档。

快速入门 (仅限 Linux)

# 1. 创建 conda 环境
conda create -n rdagent python=3.10 && conda activate rdagent

# 2. 安装包
pip install rdagent   # 或从源码执行 `make dev`

# 3. 配置 LLM 凭证 (以 OpenAI 为例)
cat <<EOF > .env
CHAT_MODEL=gpt-4o
EMBEDDING_MODEL=text-embedding-3-small
OPENAI_API_KEY=YOUR_KEY
OPENAI_API_BASE=https://api.openai.com/v1
EOF

# 4. 验证设置
rdagent health_check

# 5. 运行演示 – 例如，量化交易循环
rdagent fin_quant

该命令会启动一个后台 Docker 容器 (用于 Qlib) 并开始 R‑/D‑agent 循环。结果可以在 Web UI (rdagent server_ui) 中查看，该界面可可视化每次迭代的提案、代码和性能指标。

了解更多

• 在线演示与视频 – https://rdagent.azurewebsites.net (因子循环、模型循环、研究 Copilot 等)
• 文档 – https://rdagent.readthedocs.io/en/latest/
• 技术报告 – https://aka.ms/RD-Agent-Tech-Report (arXiv 2505.14738)
• 基准测试 – MLE‑bench 排行榜与 Agent² RL‑Bench 论文 (arXiv 2604.10547)
• 社区 – Discord (邀请链接在 README 中) 以及供中文用户使用的微信群组。

---

TL;DR: RD‑Agent 是一个由 Microsoft 维护、仅限 Linux 的 Python 库，让 LLM 能够充当自主研发助手。它在大型机器学习工程基准测试中已经超越了其他代理，并附带了用于金融、数据科学和研究论文自动化的现成场景。