MPO

让LLM智能体先学会定计划，再动手执行，提升复杂任务成功率

MPO是一个针对大型语言模型智能体的元计划优化框架，旨在通过优化智能体的高层计划生成能力来提升其整体任务执行表现。它解决的核心问题是，现有LLM智能体在复杂任务中往往缺乏全局规划，导致执行步骤碎片化、效率低下。MPO的核心能力包括：将任务分解为元计划（Meta Plan）与具体操作两层，通过训练模型生成更优的元计划来指导后续动作；支持对计划生成策略进行端到端优化，使智能体能够根据任务反馈动态调整计划。该项目基于Python实现，提供了与主流LLM框架的集成接口，并已在EMNLP 2025上作为Findings论文发表，具备一定的学术严谨性。当前项目处于早期阶段，代码库结构清晰，适合研究者和开发者探索元计划优化在智能体任务中的应用。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 82

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WeiminXiong

所属国家

官网地址

GitHubhttps://github.com/WeiminXiong/MPO

定价模式free

价格说明开源项目，Apache-2.0许可证，可自由使用，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agent,deep-learning,large-language-models,llm,llms,natural-language-processing

GitHub 星标★ 82

30天Star增速

HF 下载量

上线时间2025-02-17 00:00:00

最近更新2026-07-31 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0

使用教程

核心亮点

提出元计划优化新范式，能显著提升智能体在长程任务中的规划一致性
提供与主流LLM框架的集成接口，便于快速接入现有智能体系统
有EMNLP 2025论文背书，方法经过学术验证，非纯工程hack

不足之处

项目处于早期阶段，文档和示例偏少，上手门槛较高
依赖特定LLM后端，对自定义模型支持可能有限

适用场景

复杂多步骤任务（如旅行规划、报告生成）的智能体规划优化
研究LLM智能体规划机制，用于学术实验对比
企业级智能客服或自动化流程中，需要全局任务分解的场景

替代项目

LangChain、AutoGPT、BabyAGI

项目介绍

MPO 是模型训练领域的开源项目，由 WeiminXiong 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 82。

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 2026-07-31。Apache-2.0许可证，可自由使用，无付费版本。

它主要面向的使用场景是：复杂多步骤任务（如旅行规划、报告生成）的智能体规划优化。同类可对比的替代方案包括 LangChain、AutoGPT、BabyAGI。

上一篇：Re-Align

下一篇：GEPA-Lite

MPO