SCOPE

这是可索引项目报告证据页：它保留 SCOPE 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。

SCOPE

项目概览

• 仓库：JarvisPei/SCOPE
• Star / Fork：77 / 6
• 最近活跃：2026-03-26T03:01:04Z
• 主要语言：Python
• 许可证：MIT
• 中文摘要：Self-evolving Context Optimization via Prompt Evolution，通过提示词/上下文演化优化 LLM 的任务表现。

技术栈

Python, OpenAI 兼容 API, Anthropic/Claude, pytest

依赖与配置证据：

• pyproject.toml

核心架构图（文字描述）

任务 / 环境 / Benchmark 输入 → 进化/搜索循环 → 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.template
目录 .github
目录 .github/ISSUE_TEMPLATE
文件 .github/ISSUE_TEMPLATE/bug_report.md
文件 .github/ISSUE_TEMPLATE/feature_request.md
文件 .github/pull_request_template.md
目录 .github/workflows
文件 .github/workflows/test.yml
文件 .gitignore
文件 .pre-commit-config.yaml
文件 CHANGELOG.md
文件 CONTRIBUTING.md
文件 LICENSE
文件 README.md
目录 assets
文件 assets/README_zh.md
文件 assets/SCOPE_logo.png
目录 examples
文件 examples/basic_usage.py
文件 examples/custom_adapter.py
文件 examples/demo.py
文件 examples/quick_start.py
文件 examples/test_scope_deep.py
文件 examples/test_simple.py
文件 pyproject.toml
目录 scope
文件 scope/__init__.py
文件 scope/history_store.py
文件 scope/memory_optimizer.py
目录 scope/models
文件 scope/models/__init__.py
文件 scope/models/anthropic_adapter.py
文件 scope/models/base.py
文件 scope/models/litellm_adapter.py
文件 scope/models/openai_adapter.py
文件 scope/optimizer.py
文件 scope/prompts.py
文件 scope/strategic_store.py
文件 scope/synthesizer.py
文件 scope/utils.py
目录 tests
文件 tests/__init__.py
文件 tests/test_basic.py
文件 tests/test_integration.py
文件 tests/test_models.py
文件 tests/test_strategic_store.py
文件 tests/test_synthesizer.py

关键代码片段分析

scope/prompts.py

• 代码信号：第 2 行：Prompt templates for SCOPE components.；第 4 行：This module centralizes all LLM prompts used in SCOPE for:；第 9 行：Each prompt uses Python format string syntax with named placeholders.；第 13 行：# GUIDELINE SYNTHESIS PROMPTS (synthesizer.py)；第 16 行：ERROR_REFLECTION_PROMPT = """You are a prompt engineering expert analyzing agent execution errors.。

实现方法提取

• 循环类型：进化/搜索循环。
• 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“Prompt/Context 优化”层面的 Self Evolve，适合放在从提示工程到自进化上下文的谱系中。
• 在 Landing Page 中建议标签：进化/搜索循环。