CORAL

让编码智能体自主协作，自动完成科研任务

开源 🏷️定价信息待确认 ✅ 目前可打开智能体 🍴 复刻 144 🐛 待处理 30 👀 关注 2

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1128

维护状态较活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类智能体

开发团队Human-Agent-Society

官网地址https://coral.compounding-intelligence.ai

GitHubhttps://github.com/Human-Agent-Society/CORAL

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-framework,agent-orchestration,agentic-ai,ai-agents,alpha-evolve,autonomous-agents,autoresearch,claude-code,code-generation,codex,coding-agent,evolutionary-algorithm,large-language-models,llm-agents,multi-agent,open-source,opencode,scientific-discovery,self-evolving,self-evolving-agents

GitHub 星标★ 1128

上线时间2026-03-16 00:00:00

代码更新2026-10-19

仓库体积78.1 MB

本站数据更新2026-11-10

维护状态较活跃

收录时间2026-08-09

浏览次数4

项目介绍

CORAL 是一个开源的自助研究（autoresearch）框架，通过自主编码智能体驱动。它允许用户运行 Claude Code、OpenCode 和 Codex 等编码代理，并具备评分、共享内存和多智能体进化机制。该项目旨在解决科研工作中自动化程度低、多智能体协作效率不高的问题，核心能力包括：集成多种编码代理、提供智能体评分系统、支持跨智能体共享记忆、实现多智能体协同进化。CORAL 已被 COLM 2026 接收，表明其学术价值。目前项目处于早期阶段（880 星），但架构清晰，适合研究人员和开发者探索自主智能体在科研场景中的应用。

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 ★ 1128

技术标签

agent-framework agent-orchestration agentic-ai ai-agents autonomous-agents

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 4 步

环境要求

类 Unix 环境（安装脚本为 sh 脚本，通过 curl 管道执行）
已安装 uv，安装脚本会用 uv tool install 全局安装 coral
已安装并登录至少一个受支持的编码代理（Claude Code、OpenCode、Codex、Cursor Agent、Kiro）
准备一个代码库以及与之配套的评分器（grader），否则 CORAL 无法评估实验结果

安装与启动步骤

1安装 CORAL CLI

执行官方安装脚本，它会通过 uv tool install 把最新版 coral 全局安装到系统，随后即可在任意目录调用 coral 命令。
```
curl -fsSL https://raw.githubusercontent.com/Human-Agent-Society/CORAL/main/install.sh | sh
```
2初始化任务

用 coral init 脚手架生成一个任务目录，目录内会包含任务配置文件，需在下一步启动前按需修改。
```
coral init my-task
```
3启动智能体

进入任务目录并用 -c 指定任务配置启动，CORAL 会拉起编码代理、创建隔离工作区并开始跑实验。
```
cd my-task && coral start -c task.yaml
```
4搭建开发环境

仅在二次开发时使用：同步开发依赖并运行测试套件，确认本地代码改动没有破坏功能。
```
uv sync --extra dev
uv run pytest tests/ -v
```

关键配置

配置项	必填	说明	示例
`task.yaml`	是	任务配置文件，coral start 时通过 -c 参数指定，定义代码库与评分器等任务信息	`task.yaml`
`CORAL_VERSION`	否	安装时指定的版本号，用于固定某个 coral release	`CORAL_VERSION=v0.1.0`
`agents.isolate_user`	否	在宿主机上启用智能体与评分器的用户隔离，默认关闭，Docker 会话已默认隔离	`true`

如何确认成功

coral start -c task.yaml 执行后不再报错，终端出现智能体运行日志，任务目录下生成 .coral 工作区与共享状态。

常见问题

Q：安装脚本把 coral 装到了哪里？

A：脚本通过 uv tool install 将最新版 coral release 安装为全局工具，可直接在终端调用 coral 命令，无需手动配置 PATH（uv 工具目录需在 PATH 中）。

Q：如何安装指定版本而不是最新版？

A：在安装命令前加上 CORAL_VERSION=<tag> 环境变量即可固定版本，例如 CORAL_VERSION=v0.1.0 后再执行安装脚本。

Q：CORAL 支持哪些编码代理？

A：原生集成 Claude Code、OpenCode、Codex、Cursor Agent 和 Kiro，任选其一安装并完成登录即可使用。

Q：Docker 里智能体会不会读到评分器的答案？

A：不会。Docker 会话中智能体以非特权用户运行（manager 和 grader 仍为 root），无法读取 .coral/private/ 下的评分器虚拟环境和答案，即使通过 Bash 也不行。

Q：旧的 eval/grader.py 还能被自动发现吗？

A：不能。该自动发现机制已被弃用并移除，需要改用在配置中显式指定评分器入口的方式接入 grader。

注意事项

项目仍处于早期阶段，接口和配置可能在版本间发生变动。
手动安装、开发环境搭建和前置条件的完整说明见官方文档 https://coral.compounding-intelligence.ai/docs/getting-started/installation。
宿主机上的用户隔离默认关闭，需要显式开启 agents.isolate_user。
任务必须在包含 task.yaml 的目录下启动，否则 -c 指定的配置无法解析。