Converte capturas de tela, mockups, designs do Figma e gravações de tela em código front-end para HTML, Tailwind, React, Vue e outras tecnologias usando modelos de IA.
algorithmicsuperintelligence/openevolve
Agente de programação evolutiva open source que usa LLMs para alterar e avaliar código iterativamente, buscando algoritmos melhores com a abordagem AlphaEvolve.
- Estrelas
- 7,603
- Forks
- 1,190
- Issues abertas
- 95
- Último commit
- há 16 horas
O que é?
O OpenEvolve executa um ciclo evolutivo sobre o código-fonte: um LLM propõe alterações em um programa, um avaliador escrito por você atribui uma pontuação a cada candidato, e os melhores candidatos alimentam a próxima rodada. Os programas são armazenados em uma grade MAP-Elites de qualidade e diversidade, distribuída por várias ilhas, para que a busca preserve soluções variadas em vez de convergir para um único ótimo local. A ferramenta foi pensada para problemas cuja correção e desempenho possam ser medidos por um script, como minimização de funções, empacotamento de círculos, ajuste de kernels de GPU ou algoritmos de ordenação.
O projeto pode ser instalado pelo PyPI ou executado no Docker, e também pode ser usado como biblioteca Python por meio de funções como run_evolution e evolve_function. Qualquer API compatível com OpenAI pode ser usada como backend de LLM, incluindo Gemini, OpenAI e servidores locais como Ollama e vLLM. É possível atribuir pesos a conjuntos de modelos, e há um backend para a CLI do Claude Code ou para o app-server do Codex, voltado a quem não tem uma chave de API. A configuração é feita em YAML, com opções para definir seeds, avaliação em cascata, artefatos de erro enviados de volta ao modelo e templates de prompt personalizados.
O repositório inclui exemplos em Python, Rust, R e shaders Metal, além de um visualizador da árvore evolutiva e da grade MAP-Elites. Os resultados são reproduzíveis quando as seeds são fixadas, e checkpoints são gravados durante as execuções.
Recursos principais
- 01Evolui código usando mutações propostas por LLMs e avaliadas por um avaliador escrito pelo usuário.
- 02Usa grades MAP-Elites de qualidade e diversidade distribuídas por várias ilhas para manter populações diversas.
- 03Funciona com qualquer API compatível com OpenAI, além de modelos locais e backends da CLI do Claude Code ou do Codex.
- 04Oferece suporte a conjuntos ponderados de LLMs e à avaliação em cascata para filtrar candidatos fracos logo no início.
- 05Disponibiliza uma interface de biblioteca Python e uma CLI, além de imagens Docker.
- 06Inclui um visualizador de árvores evolutivas e grades MAP-Elites.
Casos de uso
- Ajustar uma rotina numérica ou um kernel cujo desempenho possa ser medido automaticamente.
- Buscar soluções construtivas melhores para problemas matemáticos, como o empacotamento de círculos.
- Evoluir prompts ou pequenos programas com base em uma suíte de testes mensurável.
- Experimentar a descoberta de algoritmos orientada por LLMs usando modelos locais.
Início rápido
- 1
Instale o OpenEvolve pelo PyPI
pip install openevolve - 2
Configure sua chave de API do LLM (o exemplo usa o Google Gemini por padrão; obtenha uma chave no Google AI Studio)
export OPENAI_API_KEY="your-gemini-api-key" - 3
Execute o primeiro exemplo de evolução
python openevolve-run.py examples/function_minimization/initial_program.py examples/function_minimization/evaluator.py --config examples/function_minimization/config.yaml --iterations 50
Antes de usar
- Cada iteração chama um LLM, então as execuções geram custos de API que podem se acumular ao longo de muitas iterações.
- As execuções de evolução precisam de uma API de LLM compatível com OpenAI ou da CLI do Claude Code, portanto você precisa fornecer acesso a um modelo.
Tópicos
Perguntas frequentes
- O que é openevolve?
- Agente de programação evolutiva open source que usa LLMs para alterar e avaliar código iterativamente, buscando algoritmos melhores com a abordagem AlphaEvolve. O OpenEvolve executa um ciclo evolutivo sobre o código-fonte: um LLM propõe alterações em um programa, um avaliador escrito por você atribui uma pontuação a cada candidato, e os melhores candidatos alimentam a próxima rodada. Os programas são armazenados em uma grade MAP-Elites de qualidade e diversidade, distribuída por várias ilhas, para que a busca preserve soluções variadas em vez de convergir para um único ótimo local. A ferramenta foi pensada para problemas cuja correção e desempenho possam ser medidos por um script, como minimização de funções, empacotamento de círculos, ajuste de kernels de GPU ou algoritmos de ordenação.
- openevolve é gratuito? Qual é a licença?
- openevolve é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- openevolve ainda é mantido?
- Manutenção ativa. O último commit de openevolve foi em 19 de out. de 2026.
- Para que posso usar openevolve?
- Ajustar uma rotina numérica ou um kernel cujo desempenho possa ser medido automaticamente. Buscar soluções construtivas melhores para problemas matemáticos, como o empacotamento de círculos. Evoluir prompts ou pequenos programas com base em uma suíte de testes mensurável. Experimentar a descoberta de algoritmos orientada por LLMs usando modelos locais.
- Como instalar openevolve?
- Instale o OpenEvolve pelo PyPI: pip install openevolve Configure sua chave de API do LLM (o exemplo usa o Google Gemini por padrão; obtenha uma chave no Google AI Studio): export OPENAI_API_KEY="your-gemini-api-key" Execute o primeiro exemplo de evolução: python openevolve-run.py examples/function_minimization/initial_program.py examples/function_minimization/evaluator.py --config examples/function_minimization/config.yaml --iterations 50
- Onde consigo openevolve?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/algorithmicsuperintelligence/openevolve
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Harness de agente open source que se aprimora sozinho, executa tarefas orientadas a resultados e roda no terminal com qualquer LLM.
Infraestrutura de memória nativa para agentes, que transforma conversas e execuções de agentes LLM em memória persistente e estruturada para apps em Python e TypeScript.
Plataforma corporativa de workflows agênticos para criar e executar agentes de IA, com gerenciamento de modelos, integração com ferramentas MCP e automação RPA.
SDK Python para criar agentes com Claude Code, usando query(), um cliente interativo, ferramentas personalizadas no processo e hooks.
Assistente de IA para desktop que entende o contexto do app atual e usa vários LLMs e ferramentas MCP para ajudar você a agir entre apps.