Repolode
Предложить
sentient-agi

sentient-agi/EvoSkill

Open-source-фреймворк, который автоматически создает и улучшает переиспользуемые навыки и промпты для coding-агентов, обучаясь на неудачных попытках.

Открыть на GitHub
Звёзды
1,291
Форки
133
Открытые issues
21
Последний коммит
13 дней назад

Что это?

EvoSkill — набор инструментов для улучшения AI coding-агентов без ручного написания инструкций для них. Он запускает агента на наборе вопросов или задач в контейнерах, поручает анализировать неудачные попытки proposer-компоненту и генерирует новые папки с навыками или изменения системного промпта, чтобы устранить проблемы. Каждый вариант программы оценивается на отложенной проверочной выборке, а лучшие варианты сохраняются на frontier, за которым следят через git-ветки.

Проект работает с несколькими агентскими harness, включая Claude Code, Codex CLI, OpenCode, OpenHands, Goose и Harbor. Пользователи могут выбирать из нескольких провайдеров моделей, например Anthropic, OpenAI, OpenRouter и Fireworks. Для оценки можно использовать точное совпадение, числовой допуск, LLM-судью, пользовательский скрипт или встроенные в Harbor проверяющие инструменты.

Работа ведется через CLI: `evoskill init` настраивает проект, `evoskill run` запускает цикл улучшения, а команды `evoskill eval`, `evoskill skills` и `evoskill diff` позволяют изучить результаты. Также доступен Python API. Проект основан на опубликованной научной работе и распространяется по лицензии Apache 2.0.

Ключевые возможности

  • 01Создает новые папки с навыками и варианты системных промптов на основе неудачных запусков агента.
  • 02Оценивает варианты на отложенной проверочной выборке и сохраняет frontier лучших программ.
  • 03Хранит версии каждой программы в git-ветках, чтобы их было проще изучать и откатывать.
  • 04Работает с Claude Code, Codex CLI, OpenCode, OpenHands, Goose и Harbor.
  • 05Поддерживает наборы вопросов в CSV и контейнерные бенчмарки Harbor.
  • 06Запускается локально, в Docker или в песочнице Daytona.

Сценарии использования

  • Повышение точности coding-агента на конкретном наборе задач «вопрос — ответ».
  • Эволюционное улучшение навыков агента на контейнерных бенчмарках, таких как SWE-bench через Harbor.
  • Исследование автоматического обнаружения навыков и самоулучшения агентов.

Быстрый старт

  1. 1

    Установите проект с помощью uv (запустите команду из клонированного репозитория).

    uv sync
  2. 2

    Инициализируйте проект в git-репозитории.

    evoskill init
  3. 3

    Опишите задачу в .evoskill/task.md, затем запустите loop.

    evoskill run

Что важно знать

  • Требуется API-ключ провайдера моделей, например Anthropic, OpenAI или OpenRouter.
  • Для некоторых агентных harness требуется отдельно установить CLI и использовать версии не ниже указанных минимальных.
  • Непрерывная эволюция и эволюция без бенчмарка пока находятся в разработке.

В подборках

Инструменты, навыки и плагины для Claude CodeИИ-ассистенты и агенты для программированияБиблиотеки навыков для ИИ-агентов

Темы

#coding-agent#agent-skills#prompt-optimization#llm#claude-code#self-improvement#evaluation

Частые вопросы

Что такое EvoSkill?
Open-source-фреймворк, который автоматически создает и улучшает переиспользуемые навыки и промпты для coding-агентов, обучаясь на неудачных попытках. EvoSkill — набор инструментов для улучшения AI coding-агентов без ручного написания инструкций для них. Он запускает агента на наборе вопросов или задач в контейнерах, поручает анализировать неудачные попытки proposer-компоненту и генерирует новые папки с навыками или изменения системного промпта, чтобы устранить проблемы. Каждый вариант программы оценивается на отложенной проверочной выборке, а лучшие варианты сохраняются на frontier, за которым следят через git-ветки.
EvoSkill можно использовать бесплатно? Какая у него лицензия?
EvoSkill распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
EvoSkill всё ещё поддерживается?
Активно поддерживается. Последний коммит в EvoSkill — 26 окт. 2026 г..
Для чего можно использовать EvoSkill?
Повышение точности coding-агента на конкретном наборе задач «вопрос — ответ». Эволюционное улучшение навыков агента на контейнерных бенчмарках, таких как SWE-bench через Harbor. Исследование автоматического обнаружения навыков и самоулучшения агентов.
Как установить EvoSkill?
Установите проект с помощью uv (запустите команду из клонированного репозитория).: uv sync Инициализируйте проект в git-репозитории.: evoskill init Опишите задачу в .evoskill/task.md, затем запустите loop.: evoskill run
Где скачать EvoSkill?
Исходный код и инструкции по установке — на GitHub: https://github.com/sentient-agi/EvoSkill

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

greyhaven-ai / autocontext

Рекурсивный контур самообучения: запускает задачи агента с оценкой результатов, сохраняет полезные выводы и оставляет для следующих запусков трассировки и плейбуки.

ИИ и машинное обучение#agents#llm#self-improvement
1,3 тыс.+9 за неделю116PythonApache-2.0Активно поддерживаетсяОбновлён 22 часа назад

microsoft / SkillOpt

Python-оптимизатор обучает переиспользуемые текстовые навыки для замороженных LLM-агентов, изменяя документы навыков и проверяя каждое изменение на валидационных данных, а не обновляя веса модели.

ИИ и машинное обучение#agent-skills#llm-agents#prompt-optimization
18,9 тыс.+148 за неделю1,8 тыс.PythonMITАктивно поддерживаетсяОбновлён 10 часов назад

nicobailon / skill-diet

Навык для агентов, который сокращает раздутые файлы навыков, исправляет несоответствия описываемым инструментам и проверяет, что облегчённые версии по-прежнему работают.

ИИ и машинное обучение#ai-agents#agent-skills#prompt-engineering
243+13 за неделю10JavaScriptMITОбновлён позавчера