i3T4AN/KADATH

解決的問題

KADATH 是一個用於創造高效率 AI 代理的進化框架。與手動調整單一提示或代理設定不同，它透過多代的競爭、選擇與突變，以達爾文式過程逐步進化出更擅長達成特定、可衡量目標的代理。

作法

KADATH 透過「核心」（控制平面）與「生物體」（被進化的代理）運作。此過程遵循循環式的進化迴圈：

1. 基準建立：一個「建築師」模型將使用者定義的目標轉換為嚴謹、機器可讀的基準，包含評分標準與防作弊規則。
2. 族群執行：一組代理（生物體）嘗試達成目標。每個代理都有其獨特的基因組，包含系統提示、Python 實作、工具與相依性。
3. 評分：一個「評分者」模型審查已凍結的證據（日誌、產物、瀏覽器歷史記錄），提取事實並應用基準的公式來計算適應度分數。
4. 選擇：表現最佳的前 30% 代理被保留。中等表現的代理可反思自身表現並發生突變。表現最差的代理則被淘汰。
5. 繁殖：一個「生育者」根據精英表現者創造新代理，並應用「調校者」模型建議的突變，該模型分析精英成功的因素。
6. 遺傳：子代繼承其父代的基因組、持續的工作區，以及祖先與族群整體記憶的過濾視圖。

適用對象

專為需要高度優化代理來完成複雜任務的開發者與研究人員設計，當最佳提示或框架設定不立即明顯，且可透過自動化迭代發現時尤為適用。

主要亮點

• 可進化的框架：不僅進化提示，還進化整個代理框架，包括 Python 程式碼與相依性。
• 嚴格隔離：代理在安全、唯讀的容器中執行，資源受限，核心管理所有憑證。
• 基於證據的評分：評分基於已凍結、不可變的證據邊界，防止代理作弊或操縱自身分數。
• 知識遺傳：實作複雜的記憶系統，代理繼承祖先記錄，並可評估族群整體記憶的實用性。
• 自動化基準測試：使用專用的「建築師」模型，將模糊目標轉換為可驗證、機器可讀的指標。