evo-hq/evo

解決的問題

evo 是一個自動研究編排器，可自動化程式碼優化流程。開發者無需手動調整程式碼庫以提升特定指標（如速度或準確度），evo 允許 AI 自主執行實驗、測試並迭代改進程式碼，直到達到峰值分數。

工作原理

evo 作為現有代理框架（如 Claude Code、Cursor 或 Codex）的外掛程式運作。系統遵循發現、實驗與選擇的循環流程：

1. 發現：discover 技能分析程式碼庫，識別需要測量的項目，並設定必要的評估基準與「門檻」（安全檢查）。
2. 並行實驗：編排器啟動多個子代理，每個代理在獨立的工作區（git worktree 或遠端沙箱）中執行。這些代理提出假設、修改程式碼並執行基準測試。
3. 共享狀態：所有代理共享失敗追蹤與被捨棄的假設，避免重複錯誤。
4. 選擇：使用 argmax 或 epsilon_greedy 等策略，編排器決定在下一個回合中擴展哪些成功分支。
5. 門檻：每個實驗必須通過預設的門檻（如回歸測試）才能保留，防止 AI 為提升效能而犧牲正確性。

適用對象

希望使用 AI 代理自動化大型程式碼庫中效能調校、錯誤修復或指標優化等繁瑣過程的開發者。

主要亮點

• 樹狀搜尋：採用實驗的分支樹結構，而非單純線性路徑，可同時探索多個優化方向。
• 多後端支援：實驗可在本地透過 git worktree 執行，或在 Modal、E2B、AWS、Azure 等遠端沙箱中執行。
• 跨切面掃描：使用掃描子代理，發現跨多個追蹤記錄的複合失敗模式。
• 廣泛相容性：可與多種 AI 編碼主機整合，包括 Claude Code、Cursor、Kimi 等。