agents

这是可索引项目报告证据页：它保留 agents 的源材料入口、机制线索和限制提醒；正文仍需 reader/editor 与 academic public-copy review 后才能当作最终结论引用。

agents

项目概览

• 仓库：aiwaves-cn/agents
• Star / Fork：5928 / 482
• 最近活跃：2024-09-26T03:12:53Z
• 主要语言：Python
• 许可证：Apache-2.0
• 中文摘要：数据中心化的自进化语言智能体框架，强调用数据、环境反馈和智能体编排让 Agent 在任务中持续改进。

技术栈

Python, OpenAI 兼容 API, PyTorch, Transformers, LangChain

依赖与配置证据：

• requirements.txt
• setup.py

核心架构图（文字描述）

任务 / 环境 / Benchmark 输入 → 进化/搜索循环 → 评估器/打分器 → 智能体编排 → 改进后的输出、代码、Prompt、记忆、策略或模型工件

目录结构信号

文件 .env.example
文件 .gitignore
文件 LICENSE
文件 README.md
目录 assets
文件 assets/agents-logo.png
文件 assets/algorithm.png
文件 assets/case.png
文件 assets/logo.png
文件 assets/main_results.png
文件 assets/other_results.png
文件 assets/overview.png
文件 assets/workflow.gif
文件 assets/workflow.png
目录 examples
目录 examples/chatbot
文件 examples/chatbot/config.json
文件 examples/chatbot/run.py
目录 examples/creative_writing
目录 examples/creative_writing/configs
文件 examples/creative_writing/run_eval.py
文件 examples/creative_writing/run_train.py
目录 examples/debate
文件 examples/debate/config.json
文件 examples/debate/generated_config.json
文件 examples/debate/run.py
目录 examples/hotpotqa
目录 examples/hotpotqa/configs
目录 examples/hotpotqa/eval
文件 examples/hotpotqa/run_eval.py
文件 examples/hotpotqa/run_train.py
目录 examples/humaneval
目录 examples/humaneval/configs
文件 examples/humaneval/run.py
文件 examples/humaneval/run_train.py
目录 examples/math_dataset
目录 examples/math_dataset/configs
文件 examples/math_dataset/get_score.py
文件 examples/math_dataset/run_eval.py
文件 examples/math_dataset/run_train.py
目录 examples/math_dataset/solution_config
目录 examples/software_dev
目录 examples/software_dev/configs
文件 examples/software_dev/run_train.py
文件 requirements.txt
文件 setup.py
目录 src
目录 src/agents
文件 src/agents/__init__.py
目录 src/agents/agents
目录 src/agents/datasets
目录 src/agents/evaluation
目录 src/agents/knowledge_bases
目录 src/agents/optimization
目录 src/agents/playground

关键代码片段分析

examples/humaneval/run.py

• 代码信号：第 2 行：from agents import SolutionConfig, Solution；第 3 行：import litellm；第 5 行：litellm.set_verbose = True；第 6 行：os.environ["OPENAI_API_KEY"] = ""；第 7 行：os.environ["OPENAI_BASE_URL"] = ""。

examples/chatbot/run.py

• 代码信号：第 3 行：import litellm；第 4 行：from agents import Solution, SolutionConfig；第 7 行：litellm.set_verbose = True；第 12 行：if os.environ.get("OPENAI_API_KEY") is None:；第 13 行：os.environ["OPENAI_API_KEY"] = ""。

examples/debate/run.py

• 代码信号：第 2 行：from agents import SolutionConfig, Solution；第 3 行：import litellm；第 5 行：litellm.set_verbose = True；第 6 行：os.environ["OPENAI_API_KEY"] = ""；第 7 行：os.environ["OPENAI_BASE_URL"] = ""。

src/agents/optimization/prompt_optimizer.py

• 代码信号：第 8 行：from agents.optimization.optimizer import Optimizer；第 9 行：from agents.utils.prompts import DEFAULT_NODE_PROMPT_TEMPLATES；第 10 行：from agents.evaluation import Case；第 11 行：from agents.agents.llm import LLMConfig, OpenAILLM；第 12 行：from agents.task.solution import SolutionConfig, Solution。

src/agents/optimization/prompt_formatter.py

• 代码信号：第 3 行：from agents import SOP, DEFAULT_NODE_PROMPT_TEMPLATES；第 4 行：from agents.evaluation.state import State；第 5 行：from agents.evaluation.case import Case；第 6 行：from agents.task.node import Node；第 9 行：def check_variables(s):。

实现方法提取

• 循环类型：进化/搜索循环 → 评估器/打分器 → 智能体编排。
• LLM 交互模式：从依赖和源码命名推断，主要通过 Prompt 模板、LLM API 调用、评估反馈或记忆状态完成迭代。
• 反馈来源：可能来自单元测试、Benchmark 分数、模型自评、反思文本、运行错误或人工定义的 judge。
• 跨轮状态：候选代码、反思记忆、提示词/上下文、策略池、生成数据或模型训练工件。

与其他项目的对比

• 它代表“Agent 系统/轨迹”层面的 Self Evolve，核心不是单次输出变好，而是经验、轨迹或组件在循环中被复用。
• 在 Landing Page 中建议标签：进化/搜索循环、评估器/打分器、智能体编排。