AgentGym

让大模型智能体在多样环境中自我进化，一键复现论文实验

AgentGym 是 ACL 2025 论文的开源实现，旨在解决大语言模型智能体在多样化环境中进化训练的问题。它提供了一个统一的框架，支持智能体在多种交互式环境（如网页导航、文本游戏、具身操作等）中进行训练、评估和进化。核心能力包括：支持多种环境接入、实现基于自我探索的进化训练机制（如 AGILE 算法）、提供标准化评估基准。通过该框架，研究者可以方便地训练出能适应不同任务的通用智能体，并复现论文中的实验结果。项目代码基于 Python，结构清晰，适合学术研究和二次开发。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 851

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WooooDyy

所属国家

官网地址

GitHubhttps://github.com/WooooDyy/AgentGym

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agent,large-language-models,llm,llm-based-agent

GitHub 星标★ 851

30天Star增速

HF 下载量

上线时间2024-05-27 00:00:00

最近更新2026-09-21 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

提供统一环境接口，支持网页、文本游戏、机器人等多类任务，降低多环境适配成本
内置 AGILE 进化训练算法，能自动生成新任务并提升智能体泛化能力，而非静态微调
附带完整评估基准和复现脚本，便于对比不同训练策略效果

不足之处

项目处于早期，文档和社区支持待观察
依赖较多环境模拟器，安装配置门槛较高

适用场景

学术研究：复现 ACL 2025 论文实验，探索智能体进化训练方法
多任务智能体开发：训练一个模型适应网页操作、游戏、具身控制等不同场景
智能体评估：使用统一基准对比不同训练策略的泛化能力

替代项目

Voyager、MiniWoB++、ALFWorld

项目介绍

AgentGym 是模型训练领域的开源项目，由 WooooDyy 开发，2024 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（851）位列前 30%，在模型训练分类中处于中上游。

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 2026-09-21。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：学术研究：复现ACL2025论文实验，探索智能体进化训练方法。同类可对比的替代方案包括 Voyager、MiniWoB++、ALFWorld。

上一篇：GRAPE

下一篇：Latent-SFT