
EvoAgentX
让 AI 智能体自己迭代变强,越用越聪明
EvoAgentX 是一个用 Python 构建的 AI 智能体自进化生态框架,目标不是再写一个多智能体编排库,而是让智能体系统具备持续自我改进的能力。它把智能体、工具、记忆、RAG 与工作流组合成可迭代的闭环:智能体执行任务后,框架会依据反馈对提示词、工作流结构甚至工具调用策略进行优化,从而在下一轮任务中表现更好。核心能力包括多智能体协作编排、可插拔工具与记忆模块、检索增强生成支持,以及面向自进化的评估与优化机制。它适合需要长期运行、任务分布会变化、且希望系统自动调优而非人工反复改提示词的场景。相比静态编排框架,EvoAgentX 更强调'进化'这一层,把智能体从一次性脚本变成可积累经验的系统。
项目数据
使用教程
环境要求
- Python 环境(README 未指定具体版本,本地开发建议用 conda 等虚拟环境)
- 已安装 pip
- 使用 OpenAI 等 LLM 时必须准备的 API Key(如 OPENAI_API_KEY)
安装与启动步骤
-
1pip 安装框架
官方推荐方式,一条命令安装发布到 PyPI 的 evoagentx 包,适合直接用不想改源码的用户。
pip install evoagentx -
2从 Git 仓库安装
不想装发布包时,可直接用 pip 从 GitHub 仓库安装最新代码。
pip install git+https://github.com/EvoAgentX/EvoAgentX.git -
3克隆源码本地开发
需要改源码时先克隆仓库并进入目录,再安装依赖清单,或用开发模式安装。
git clone https://github.com/EvoAgentX/EvoAgentX.git cd EvoAgentX pip install -r requirements.txt # 或者安装为开发模式 pip install -e . -
4设置 API Key(类 Unix)
在 Linux/macOS 终端导出环境变量,把占位符换成自己的真实 Key。
export OPENAI_API_KEY=sk-xxxxxxxx -
5设置 API Key(Windows)
Windows 命令提示符用 set,PowerShell 用 $env: 且值必须加双引号。
set OPENAI_API_KEY=sk-xxxxxxxx # Windows PowerShell $env:OPENAI_API_KEY="sk-xxxxxxxx" -
6改用 .env 文件
在项目根目录创建 .env 文件写入 Key,再用 dotenv 的 load_dotenv() 自动加载,便于多项目复用。
-
7定义 LLM 配置
在 Python 代码里构造 OpenAILLMConfig,指定模型名、Key、是否流式输出和是否打印响应;导入路径请参考官方文档。
openai_config = OpenAILLMConfig( model="gpt-4o-mini", openai_key=OPENAI_API_KEY, stream=True, output_response=True )
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
OPENAI_API_KEY | 是 | LLM 调用所需的 OpenAI 密钥,可用环境变量或 .env 提供 | sk-xxxxxxxx |
model | 是 | OpenAILLMConfig 中指定的模型名称 | gpt-4o-mini |
openai_key | 是 | 传给 OpenAILLMConfig 的密钥,一般直接读取环境变量 | OPENAI_API_KEY |
stream | 否 | 是否开启流式响应输出 | True |
output_response | 否 | 是否把模型响应打印到标准输出 | True |
如何确认成功
在 Python 中执行 os.getenv("OPENAI_API_KEY") 能取到非空值,且实例化 OpenAILLMConfig 不报错。
常见问题
Q:不设置 API Key 能跑吗?
A:README 明确说明使用 OpenAI 等 LLM 时必须先配置 API Key,没有给出免密钥的运行方式。
Q:环境变量和 .env 该选哪个?
A:两者都可。临时用环境变量最快;长期开发建议用 .env 配合 load_dotenv(),但不要把 .env 提交到仓库。
Q:Windows 下设置 Key 报错怎么办?
A:命令提示符用 set,PowerShell 用 $env: 且值必须带双引号,否则会被截断或报语法错误。
Q:conda 环境怎么安装?
A:README 只指向 docs/installation.md 的安装指南,未在本节给出 conda 具体命令,建议按该文档操作。
注意事项
- 命令中的
占位符要替换成自己的真实密钥。 - 建议把 .env 加入 .gitignore,避免密钥被提交泄露。
- 更完整的本地安装与 conda 配置步骤见仓库 docs/installation.md。
- README 未给出运行示例脚本与端口信息,实际用法以官网文档为准。
核心亮点
- 把自进化作为一等公民,内置评估与优化闭环,而非仅做静态工作流编排
- 模块化设计,智能体、工具、记忆、RAG 可插拔组合,便于按需扩展
- 覆盖多智能体协作与工具调用,适合复杂任务分解与执行
不足之处
- 自进化依赖评估信号质量,评估设计不当可能优化方向跑偏
- 项目处于成长阶段,文档与社区生态相对头部框架仍待观察
适用场景
- 需要长期运行并随任务分布变化自动调优的智能体服务
- 多智能体协作完成研究、写作、数据分析等复合任务
- 在 RAG 与工具调用场景中自动优化检索与调用策略
替代项目
LangGraph、AutoGen、CrewAI
项目介绍
同类项目推荐
deepseek-harness
开源
把 AI 能力拆成乐高积木,拼出你的专属智能体。
DeepSeek Harness: Everything is a Plugin.
xinchao-dynamic-mind
开源
给 AI 装上疲惫和欲望,让交互更真实
独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。
AutoGPT
开源
开箱即用的 AI 员工,交代任务就自己干完
AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mis···
agent-manager
开源
一站式管理企业 AI 代理,部署治理全搞定
WSO2 AI Agent Manager is an open control plane designed for enterprises to deploy, m···