Trace 是智能体领域的开源项目，由 microsoft 开发，2024 年首次发布。
它收录于智能体分类，该分类目前共有 2,499 个项目，GitHub 星标数为 760。
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 2026-09-19。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：自动优化多步推理Agent的决策逻辑。同类可对比的替代方案包括 DSPy、TextGrad、AgentOptimizer。
Trace
让AI Agent自动进化，越用越聪明
Trace 是一个面向 AI Agent 的端到端生成式优化框架，旨在解决智能体在复杂任务中表现不稳定、难以自动调优的问题。它通过将 Agent 的执行轨迹（trace）作为优化对象，利用大语言模型生成改进策略，自动迭代提升 Agent 的决策质量。核心能力包括：轨迹采集与可视化、基于 LLM 的反馈生成、策略自动更新，以及多场景适配（如代码生成、工具调用、多步推理）。项目处于早期阶段，代码结构清晰，支持自定义 Agent 环境，适合研究人员和开发者探索 Agent 自优化机制。
开源
free
开源模型
GitHub 星标
★ 760
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microsoft
所属国家
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agentic-agi,agentic-workflow,agents,ai,autodiff,compound-systems,end-to-end,generative-optimization,large-language-models,llm,machine-learning,optimization,optimizer,prompt-optimization,python
GitHub 星标★ 760
30天Star增速
HF 下载量
上线时间2024-06-14 00:00:00
最近更新2026-09-19 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3
使用教程
核心亮点
- 端到端优化，直接作用于Agent轨迹而非手工调参
- 基于LLM生成改进策略，无需人工设计奖励函数
- 提供可视化界面，便于观察Agent决策过程
不足之处
- 文档/社区待观察
- 依赖外部LLM API，优化成本较高
适用场景
- 自动优化多步推理Agent的决策逻辑
- 提升工具调用型Agent的任务完成率
- 研究Agent自我改进机制的教学实验
替代项目
DSPy、TextGrad、AgentOptimizer
项目介绍
上一篇：LatentMAS
下一篇：mcp_on_ruby
同类项目推荐
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。
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.
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···
EvoAgentX
开源
让 AI 智能体自己迭代变强，越用越聪明
EvoAgentX: Building a Self-Evolving Ecosystem of AI Agents