evo

让 AI 自动研究你的代码库,自动建基准并优化代码

开源 🏷️定价信息待确认 ✅ 目前可打开 智能体 🍴 复刻 117 🐛 待处理 38 👀 关注 3
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1498
维护状态 维护中
是否开源 开源
定价模式 🏷️定价信息待确认

项目预览

evo 项目界面预览图
图片来源:项目官网

项目数据

分类智能体
开发团队evo-hq
官网地址https://evo-hq.com
定价模式🏷️定价信息待确认
价格说明定价信息待确认
访问状态✅ 目前可打开
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agent-skills,autonomous-agents,autoresearch,claude-code,code-optimization,codex,evolutionary-algorithms,llm-agents
GitHub 星标★ 1498
上线时间2026-04-05 00:00:00
代码更新2026-10-05
仓库体积15.8 MB
本站数据更新2026-11-09
维护状态维护中
收录时间2026-08-09
浏览次数8

项目介绍

evo 是一个将代码库转化为自动研究循环的智能体框架。它解决的核心问题是:在代码优化和基准测试中,人工设定指标、编写测试和调参的过程繁琐且易遗漏。evo 能自动发现代码库中值得测量的指标,自动插桩构建基准测试,然后通过并行子代理执行树搜索,以进化算法的方式迭代优化代码。其核心能力包括自主研究循环、动态基准生成、并行子代理协作和基于树搜索的优化策略。它适用于代码优化、性能调优、自动生成测试用例等场景,旨在减少人工干预,提升代码质量和优化效率。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1498

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:进阶 约 15 分钟 部署方式:命令行工具 6 步

环境要求

  • 已安装 uv 包管理器(README 使用 uv tool install 安装 evo)
  • 已安装并可用一个智能体框架(Cursor 或 Kimi 等)
  • 本地已安装 git,供默认 worktree 后端创建实验工作树
  • 选择云后端时需要对应的云账号(Modal、E2B、Daytona、AWS、Azure)
  • 开发模式安装需要 Python 环境与 evo 仓库源码

安装与启动步骤

  1. 1安装智能体框架

    evo 是智能体框架的插件,需先装好宿主框架。Cursor 可用官网安装包,也可用官方脚本安装 cursor-agent CLI。

    curl https://cursor.com/install -fsS | bash
  2. 2安装 Kimi(可选)

    若使用 Kimi 作为宿主框架,可用安装脚本或 npm 全局安装两种方式之一。

    curl -fsSL https://code.kimi.com/install.sh | bash
    npm install -g @moonshot-ai/kimi-code
  3. 3克隆 evo 仓库

    从 GitHub 拉取 evo 源码,后续开发模式安装需要进入该目录操作。

    git clone https://github.com/evo-hq/evo
  4. 4开发方式安装插件

    进入仓库后以可编辑模式把 evo 插件装成 CLI 工具,改动源码即可生效。

    cd evo
    uv tool install --editable plugins/evo
  5. 5安装云后端扩展

    默认 worktree 后端已内置无需安装;要用云端算力需按所选后端安装对应 extra 依赖。

    uv tool install 'evo-hq-cli[modal]'
  6. 6配置实验后端

    在 evo dashboard 的 Backend 标签页中选择并配置实验运行后端,如 worktree、pool、ssh 或各类云沙箱。

关键配置

配置项必填说明示例
Backend否选择实验实际运行的位置,默认 worktree,也可换云沙箱worktree

如何确认成功

README 未给出明确的验证命令;安装完成后在智能体框架中应能调用 evo 插件并启动 autoresearch 实验循环。

常见问题

Q:evo 必须联网或使用云服务吗?

A:不需要。默认 backend 为 worktree,每个实验在本地 git worktree 中运行,pool 和 ssh 后端也已内置,无需额外安装。

Q:如何让实验跑在云端?

A:先安装对应 extra,例如 uv tool install 'evo-hq-cli[modal]',然后在 dashboard 的 Backend 标签页里选择并配置该后端。

Q:本地开发时怎么安装?

A:克隆仓库后执行 cd evo 和 uv tool install --editable plugins/evo,以可编辑模式安装插件便于修改源码。

Q:需要定制化或企业级部署怎么办?

A:README 建议申请 evo platform 访问权限(evo-hq.com/beta)或发邮件到 hello@evo-hq.com 咨询。

注意事项

  • README 的 Install 章节主要列出宿主框架的安装方式,未给出完整的 evo 基础安装命令,普通用户安装步骤以开发安装为准。
  • 云端后端(modal、e2b、daytona、aws、azure)都需要单独安装 extra 依赖,参数名区分大小写与方括号。
  • evo 是插件形态,必须依托 Cursor、Kimi 等智能体框架运行,不能独立使用。

核心亮点

  • 自动发现代码库中可优化的指标,无需手动指定
  • 自动插桩构建基准测试,省去编写测试的繁琐工作
  • 并行子代理树搜索,高效探索优化空间

不足之处

  • 文档/社区待观察
  • 依赖外部 LLM 和 agent 框架,运行成本可能较高

适用场景

  • 代码性能自动优化,减少人工调参
  • 自动生成基准测试,提升测试覆盖率
  • 探索代码库中未知的优化机会

替代项目

OpenHands、AutoGPT、MetaGPT

上一篇:samples

下一篇:awesome-agentos

同类项目推荐

cadis 开源

本地多代理编码,策略门控,语音操控,安全可控

Rust-first, local-first multi-agent runtime with a desktop HUD, policy-gated tools, ···

★ 58 2026-08-09
hackerai 开源

和 AI 聊天,就能找出并修复代码漏洞

Find and fix vulnerabilities by chatting with AI

★ 827 2026-08-09
shadmin 开源

快速搭建带 AI 能力的全栈权限管理系统

An Enterprise-Grade Full-Stack RBAC Permission Management System Built with Go + Rea···

★ 175 2026-08-09
OpenGUI 开源

自托管开源编程智能体,桌面网页双端,多模型接入。

Open-source desktop and web coding agent with a first-party host and harness, durabl···

★ 120 2026-08-09
Cortico 开源

用事件流编排人格化 AI 机器人,逻辑可控、记忆可管。

Event-stream AI Agent framework for building your persona bot

★ 344 2026-09-23
codexloom 开源

把零散 AI 对话变成可复用的领域专家团队

Turn Codex threads into an organization of long-lived domain agents.

★ 391 2026-08-09
tokenjam 开源

实时监控并压缩 AI 智能体的 token 消耗,省钱又提速。

Token Efficiency For AI Agents

★ 125 2026-08-09
sphere-sdk 开源

让AI代理自己赚钱、交易、结算,实现点对点经济自主

The SDK for autonomous economic agents. Give an agent an identity, a wallet, and the···

★ 5387 2026-08-09
ContextAgent 开源

像搭积木一样,用 PyTorch 风格快速构建多智能体系统。

Context-central multi-agent framework with PyTorch-like API. Build intelligent agent···

★ 78 2026-08-09