Project report / GitHub evidence

openevolve

这是可索引项目报告证据页：它保留 openevolve 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。

报告索引项目索引 Markdown source

openevolve

项目概览

仓库：algorithmicsuperintelligence/openevolve
Star / Fork：6500 / 1000
最近活跃：2026-03-18T12:25:39Z
主要语言：Python
许可证：Apache-2.0
中文摘要：开源 AlphaEvolve 风格的进化式编码智能体，使用 LLM 生成程序变体、评估打分并选择高分候选持续迭代。

技术栈

Python, OpenAI 兼容 API, PyTorch, pytest

本轮 metadata 刷新

2026-06-03 公开 GitHub 页面可见 6.5k stars、1k forks、74 issues、42 pull requests，以及 52 个 releases。
最新可见 release 仍是 v0.2.27（2026-03-18），因此本轮把 raw 时间缺口从 unknown 修到 web-observed 2026-06-03，但不伪造新的 push 时间。
Shell GitHub API 仍不可用，所以本卡把这轮 freshness 明确标为 public-page observed，而不是 API-verified。

依赖与配置证据：

examples/lm_eval/requirements.txt
examples/tsp_tour_minimization/requirements.txt
examples/function_minimization/requirements.txt
examples/circle_packing/requirements.txt
examples/mlx_metal_kernel_opt/requirements.txt
examples/r_robust_regression/requirements.txt
examples/rust_adaptive_sort/requirements.txt
examples/web_scraper_optillm/requirements.txt
examples/online_judge_programming/requirements.txt
examples/algotune/requirements.txt

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 → 改进后的输出、代码、Prompt、记忆、策略或模型工件

目录结构信号

目录 .github
目录 .github/instructions
文件 .github/instructions/sidebar-node-logic.instructions.md
目录 .github/workflows
文件 .github/workflows/claude.yml
文件 .github/workflows/python-test.yml
文件 .github/workflows/release.yml
文件 .gitignore
文件 .pre-commit-config.yaml
文件 CLAUDE.md
文件 CONTRIBUTING.md
文件 Dockerfile
文件 LICENSE
文件 MANIFEST.in
文件 Makefile
文件 README.md
目录 configs
文件 configs/README.md
文件 configs/default_config.yaml
文件 configs/early_stopping_example.yaml
文件 configs/island_config_example.yaml
文件 configs/island_examples.yaml
目录 examples
文件 examples/README.md
目录 examples/algotune
文件 examples/algotune/README.md
目录 examples/algotune/affine_transform_2d
目录 examples/algotune/convolve2d_full_fill
文件 examples/algotune/create_task.py
目录 examples/algotune/eigenvectors_complex
目录 examples/algotune/fft_cmplx_scipy_fftpack
目录 examples/algotune/fft_convolution
文件 examples/algotune/generate_all_tasks.py
目录 examples/algotune/lu_factorization
目录 examples/algotune/polynomial_real
目录 examples/algotune/psd_cone_projection
文件 examples/algotune/requirements.txt
文件 examples/algotune/run_benchmark.py
文件 examples/algotune/task_adapter.py
目录 examples/alphaevolve_math_problems
文件 examples/alphaevolve_math_problems/README.md
目录 examples/alphaevolve_math_problems/circle_packing_rect
目录 examples/alphaevolve_math_problems/erdos_min_overlap
目录 examples/alphaevolve_math_problems/first_autocorr_ineq
目录 examples/alphaevolve_math_problems/heilbronn_convex
目录 examples/alphaevolve_math_problems/heilbronn_triangle
目录 examples/alphaevolve_math_problems/hexagon_packing
目录 examples/alphaevolve_math_problems/kissing_number
目录 examples/alphaevolve_math_problems/matmul
目录 examples/alphaevolve_math_problems/minimizing_max_min_dist
目录 examples/alphaevolve_math_problems/second_autocorr_ineq
目录 examples/alphaevolve_math_problems/sums_diffs_finite_sets
目录 examples/alphaevolve_math_problems/third_autocorr_ineq
目录 examples/alphaevolve_math_problems/uncertainty_ineq
目录 examples/arc_benchmark

关键代码片段分析

`openevolve-run.py`

代码信号：第 3 行：Entry point script for OpenEvolve；第 6 行：from openevolve.cli import main。

`tests/test_evolution_trace.py`

代码信号：第 2 行：Tests for evolution trace functionality；第 12 行：from openevolve.evolution_trace import (；第 13 行：EvolutionTrace,；第 14 行：EvolutionTracer,；第 15 行：extract_evolution_trace_from_checkpoint,。

`tests/integration/test_evolution_pipeline.py`

代码信号：第 2 行：Integration tests for the full evolution pipeline with real LLM inference；第 7 行：from openevolve.controller import OpenEvolve；第 10 行：class TestEvolutionPipeline:；第 11 行："""Test complete evolution with real LLM generation"""；第 15 行：async def test_full_evolution_loop(。

`examples/tsp_tour_minimization/start_evolution.py`

代码信号：第 12 行：# openevolve & related imports；第 13 行：from openevolve import Config, OpenEvolve；第 20 行：def latest_checkpoint(dir_path: pathlib.Path) -> str | None:；第 29 行：match = re.fullmatch(r"checkpoint_(\d+)", path.name)；第 40 行：async def run_evolution(evolve: OpenEvolve, checkpoint_path: str | None) -> None:。

`examples/k_module_problem/run_openevolve_trials.py`

代码信号：第 2 行："""Run multiple trials of OpenEvolve to get statistics."""；第 15 行：def run_trial(trial_num: int, max_iterations: int = 100, seed: int = None):；第 16 行："""Run a single OpenEvolve trial."""；第 17 行：output_dir = f"openevolve_output_trial_{trial_num}"；第 40 行：# Run OpenEvolve。

实现方法提取

循环类型：进化/搜索循环 → 评估器/打分器。
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“可执行代码/算法”层面的 Self Evolve，和 Self-Refine 的文本精炼不同，反馈来自真实评测器或 benchmark 分数。
在 Landing Page 中建议标签：进化/搜索循环、评估器/打分器。