Optim-Agent/optim-agent

LLM agents as your hyperparameter optimizer.

What it solves

Optim-agent 自動化系統參數（超參數）調整的迭代過程，將傳統的數學代理模型換成程式碼代理人。它解決了「盲目」調整的問題——傳統方法把參數視為匿名座標，無法理解其語意。代理人能根據參數的語意以及試驗歷史推理，提出更佳的配置，特別在評估預算有限時能更有效率。

How it works

系統與代理 CLI（如 Claude Code、Codex 或 OpenCode）整合，形成優化迴圈。使用者定義目標函式與參數空間（可為每個參數提供自然語言說明）。代理人會分析目前的試驗歷史與提供的說明，提出下一組參數值。為確保穩定性，optim-agent 會先驗證代理人的提案是否符合宣告的參數空間，若提案無效則回退至安全抽樣。

Who it’s for

此工具適合有可配置參數與可量測目標的系統開發者與研究者，包括模型訓練、推論服務、量化研究、強化學習與科學工作流程等領域的算法工程師與研究人員。

Highlights

  • Semantic Proposals: 使用 LLM 推理參數的實際意義，而非僅把它們當作數字。
  • Agent-Driven Pruning: 內建基於代理的修剪機制，能根據學習曲線決定是否保留或停止表現不佳的試驗。
  • Flexible Backends: 支援多種代理 CLI，包括 Claude、Codex 與 OpenCode。
  • Distributed Execution: 支援透過執行緒池或共享 SQLite 儲存的方式進行多程序/多機器的分散式優化。
  • Auditable History: 以 JSON 或 SQLite 儲存配置、結果與代理推理過程，提供完整可審計的歷史紀錄。