A-Evolve：3 行代码实现 AI 代理的进化

# A-Evolve：基于 LLM 的 AI 代理自动进化框架

亚马逊和宾夕法尼亚大学的研究人员开发的 A-Evolve 框架，通过迭代变异将基础 AI 代理转变为高性能代理。该系统修改提示词、技能、记忆和工具，在基准测试上验证变更，并仅保留改进。启动只需三行 Python 代码；整个过程完全自主，并使用 Git 进行变异版本控制。

这种方法解决了代理在变化环境中性能退化的问题：无需微调 LLM 或手动调整提示词，而是部署一个“进化代理”。它分析失败原因，对代理的工作目录进行编辑，并重新运行评估。这与论文 Position: Agentic Evolution is the Path to Evolving LLMs （2026 年 1 月）中“代理式进化”概念一致。

架构和工作原理

A-Evolve 遵循 BYOA（自带代理）、BYOE（自带环境）和 BYO-Algo（自带进化算法）模式。代理的工作目录是一个标准文件夹，包含以下文件：

• manifest.yaml —— 配置；
• 提示词存放在单独的文件中；
• 技能以脚本形式实现；
• 记忆以向量数据库或日志格式存储；
• 工具作为可调用模块。

变异引擎编辑这些文件：改写提示词、增删技能、优化记忆。变异后，运行基准测试。改进会被提交到 Git，确保可重现性。

支持的 LLM：Anthropic (Claude)、OpenAI、Amazon Bedrock。基准测试：MCP-Atlas、SWE-bench Verified、Terminal-Bench 2.0、SkillsBench。

示例集成（三行代码）：

from a_evolve import Evolver
evolver = Evolver(agent_dir="./my_agent", benchmark="mcp-atlas")
evolver.evolve(generations=50)

关键基准测试结果

使用 Claude Opus 4.6 的代理进行了测试。进化带来了显著的性能提升：

| 基准测试 | 基线 (%) | 进化后 (%) | 提升 (百分点) |

|-----------------------|----------|------------|--------------|

| MCP-Atlas | 76.0 | 79.4 | +3.4 |

| SWE-bench Verified | 74.2 | 76.8 | +2.6 |

| Terminal-Bench 2.0 | 63.5 | 76.5 | +13.0 |

| SkillsBench | 19.7 | 34.9 | +15.2 |

在 MCP-Atlas 上，79.4% 的分数使该代理登上总体排行榜第一名。SWE-bench Verified 排名约第五位。在 Terminal-Bench 和 SkillsBench 上的提升尤为突出，展示了其在终端界面任务和技能评估方面的有效性。

对开发者的益处

• 可扩展性：无需为每个代理手动迭代提示词。
• 可重现性：Git 提交记录每个成功的变异。
• 灵活性：无需重写代码，即可导入任意代理或基准测试。
• 效率：自主的分析-变异-测试循环最大限度减少人为干预。
• 开源：框架可直接集成到生产管道中。

对于中高级开发者，这是一个自动化代理 A/B 测试的工具。进化器可集成到 CI/CD 中，在夜间构建时触发变异。

关键要点

• A-Evolve 将基线 Claude Opus 4.6 代理在 MCP-Atlas 上提升至 79.4% —— 排行榜首位。
• 在 SkillsBench 和 Terminal-Bench 上提升高达 15 个百分点，无需模型微调。
• 启动只需三行代码：Evolver(agent_dir, benchmark).evolve()。
• Git 版本控制全面追踪所有变异。
• 支持 Anthropic、OpenAI、Bedrock —— 适用于多 LLM 环境。

— Editorial Team