GEPA-Lite

用遗传算法自动调优提示词，多目标优化提升模型输出质量

GEPA-Lite 是 GEPA（Genetic-Pareto）提示词优化方法的轻量级实现，专为大型语言模型设计。它解决的核心问题是：如何自动、高效地优化提示词，以提升模型输出质量。该方法融合了遗传算法和帕累托多目标优化，能够在多个质量指标（如准确性、相关性等）之间进行权衡，寻找最优提示词。GEPA-Lite 提供了简洁的 Python 接口，支持与主流 LLM 集成，并允许用户自定义评估函数。其轻量设计降低了使用门槛，适合在资源受限的环境中快速实验。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 58

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队egmaminta

所属国家

官网地址

GitHubhttps://github.com/egmaminta/GEPA-Lite

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型fortheloveofcode,gemini,gemini-api,gemma,google-summer-of-code,large-language-models,ollama,open-source,prompt-optimization,prompt-tuning,student-vscode

GitHub 星标★ 58

30天Star增速

HF 下载量

上线时间2025-08-12 00:00:00

最近更新2026-09-14 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数1

使用教程

核心亮点

基于遗传-帕累托方法，能同时优化多个质量指标，避免单指标过拟合
轻量级实现，依赖少，易于集成到现有 Python 项目中
提供自定义评估函数接口，灵活适配不同任务和模型

不足之处

项目处于早期阶段，文档和社区支持尚不完善
遗传算法迭代可能耗时，对实时性要求高的场景不友好

适用场景

自动优化 LLM 提示词以提升问答准确性
在多个质量指标间权衡，如生成内容的连贯性与多样性
作为研究工具，探索提示词优化方法的效果

替代项目

DSPy、TextGrad、PromptWizard

项目介绍

GEPA-Lite 是模型训练领域的开源项目，由 egmaminta 开发，2025 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 58。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-14。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：自动优化LLM提示词以提升问答准确性。同类可对比的替代方案包括 DSPy、TextGrad、PromptWizard。

上一篇：MPO

下一篇：LLM-SR