Skip to content
项目

Toyhom/EvoSprig has 85 GitHub stars and 0 forks. GitHot measured +7 stars in 24 hours. Last checked 2026-11-15 11:46 UTC. Last push 2026-11-06.

这些数字如何统计

85 星标0 复刻 +7 24小时

实测星标增长

24小时
+7
7天
正在收集历史
15天
正在收集历史
1个月
正在收集历史

各周期内的星标净变化,周期相互重叠,并非每日新增。缺失的测量保持空白。星标代表关注度,不代表软件质量。

关于

Open-source framework for self-evolving agents: visual workflows, multi-agent collaboration, memory, tools and controlled recursive self-improvement (RSI).

自托管

README.zh-CN.md

原文
EvoSprig — 构建持续成长的智能体

面向自进化智能体的开源开发框架。

CI Python License

English · 简体中文

桌面版 · 入门教程 · 快速开始 · 应用案例 · 自进化 · 文档 · 论文引用

News · 项目动态

  • 2026-11-06 · 桌面客户端与开发工作台更新:支持 Windows、macOS、Linux;加入节点/模块级自进化、可持续更新的 RAG 知识库与共享记忆,并提供三期动手开发教程。
  • 2026-11-04 · ComfyUI 工作流 — 导入工作流 JSON,在画布中编辑、调试工具节点,再导出到 ComfyUI。
  • 2026-11-04 · Episode Studio:把小说或一句创意拍成动画,智能体团队负责剧本、固定角色、逐镜制作和自动检查。
  • 2026-11-02 · EvoSprig 初版开源:自进化智能体共性开发平台,支持代码与画布开发、任务评估和持续改进。

使用 Python 或可视化画布开发智能体,再用自己的任务推动智能体持续改进。EvoSprig 将多智能体、工具、持久记忆与**可控自进化(Self-improvement / RSI)**连接起来:生成候选、运行评测、比较结果、启用版本,最后导出独立应用。

观看 EvoSprig 宣传片:应用、可视化开发与自进化

English narration · 中文配音

你可以开发什么?

Episode Studio:把故事拍成动画

Episode Studio:带对白的动画片段

输入一段小说或一句想法,制作团队自动选风格、写剧本、设计角色与声音,再逐镜头导演、生成和检查。

VideoClaw (EvoSprig)
VideoClaw (EvoSprig)
从一句故事到一部短片。
原项目:VideoClaw
CoworkOS (EvoSprig)
CoworkOS (EvoSprig)
与专家团队一起完成项目。
原项目:CoworkOS
RAI manipulation (EvoSprig)
RAI manipulation (EvoSprig)
看见场景,操纵机械臂,检查结果。
原项目:RAI
行业环境构造
行业环境构造
构造业务世界,让行业智能体在其中学习。
行业环境指南
漫画工坊:雨中的蓝伞四格漫画成品
漫画工坊
一句故事画成漫画,共用人设,逐格检查与重画。
十分钟跟着做
办公交付助手:实际生成的季度销售简报
办公交付助手
给一张表,交付可编辑的 Excel、报告和 PPT。
电路实验室:实际仿真的 RC 滤波器波形与截止频率
电路实验室
描述电路需求,生成网表,运行仿真,再检查指标。
外贸跟进助手:客户回复草稿与下一步建议
外贸跟进助手
结合客户往来和产品资料,写出有针对性的回复。
想做什么 从这里开始
把故事拍成带对白的动画 Episode Studio:固定角色、镜头衔接和自动重做
修改代码并交付通过测试的补丁 Super-agent (EvoSprig):基于 DeepSeek Super-agent 的代码维护团队
把故事拍成短片 VideoClaw (EvoSprig):角色、分镜和成片(VideoClaw 原项目)
与智能体团队一起完成项目 CoworkOS (EvoSprig):任务分工、共享文档和后续跟进(CoworkOS 原项目)
看懂场景并操纵机械臂 RAI manipulation (EvoSprig):视觉规划、抓取放置和任务检查(RAI 原项目)
构造业务模拟环境并改进行业智能体 行业环境构造 — 业务规则、工具、数据与状态评估
准备求职材料并练习面试 求职教练:岗位匹配、简历要点和练习反馈
把素材写成小红书笔记 小红书写作台 — 切入点、文风样例、事实检查与自动改稿
交付可编辑办公文件 办公交付助手 — 一张表生成分析表、简报与幻灯片
设计并仿真小型电路 电路实验室 — 网表、ngspice 波形与实际测量
起草有针对性的客户回复 外贸跟进助手 — 客户历史、产品资料与草稿审核
画出一话完整漫画 漫画工坊 — 共用人设、分格审核与排版
把一份公告改写成多个渠道的内容 内容工作室:并行写作、共享文风和事实核对技能
讲解知识并根据回答安排练习 学习教练:课程、互动练习与针对性反馈
把需求变成能操作的网页 软件开发团队:设计、编码、浏览器检查与修复
让智能体运行代码分析数据 Data Interpreter:文件、计算与图表
从多个角度分析决策 决策讨论室:正反论证、回应与建议
自动整理票据与报销 收据助手:OCR、结构化提取、算账与规则核对
组织团队完成资料研究 研究团队:并行调查、引用与人工审稿
安排日常工作与创作 会议助手 · 书籍创作 · 旅行规划

还有 SQL 分析、文档对话、客服和个人记忆。所有案例均使用 EvoSprig 自身框架编排,打开应用库即可修改成自己的智能体。

平台特色

自进化算法、记忆、工具与评测能力
  • 可控自进化:23 种无需训练模型的策略、21 个方法家族,包括 SkillOpt、ADAS、ModularRSI、DarwinX 和 Arbor,支持提示词、技能、harness、流程与代码进化;资源、预算和发布条件由你控制。
  • 适配真实应用的评估:只提供任务输入即可使用 LLM judge,也可接入参考答案、业务评分器或评测环境;支持答案、节点、轨迹、工具和环境结果等粒度。
  • 代码与画布一致:统一 AgentSpec,支持多智能体、并行、动态 map、循环与人工审核,以及多层分组、折叠展开和子流程编辑。
  • 连同业务环境一起构建:从金融、政务或制造业场景生成数据结构、SOP、工具与数据草稿,将验证后的业务沙箱接入评估和自进化。使用方法。
  • 持续更新的知识库:导入 PDF、Word 和扫描件,结合关键词与向量检索,交付后客户仍可自行更新资料;支持作用域隔离、共享上下文和长期记忆。跟着教程开发 RAG 应用。
  • 面向实际工作的工具:视觉输入、HTTP、MCP、SQL 与 Python 插件,可选代码执行、浏览器和 OCR 服务,以及只读并发与错误反馈。
  • 恢复和独立部署:持久检查点、外部任务回执、版本比较与回滚;导出 Python、HTTP 服务或容器构建工程。

框架结构

EvoSprig 框架架构

画布和 Python 代码生成同一份可版本化的 AgentSpec。运行时据此协调智能体、工具和共享记忆,保存进度供调试与恢复;评估把实际任务和结果交给自进化模块,自动修改选定的资源或流程配置。比较候选版本、启用合适的版本后,即可独立导出应用。ComfyUI 工作流也能作为可编辑工具接入,再导出回 ComfyUI。

快速开始

桌面版: Windows、macOS、Linux · 网页版: 在浏览器中运行 Studio。

需要 Python 3.12+,Studio 还需要 Node.js 20+。

git clone https://github.com/Toyhom/EvoSprig.git
cd EvoSprig
python -m pip install -e '.[server,evolution,mcp]'
evosprig run examples/hello/agent.yaml --input '{"question":"Hello"}' --mock
npm --prefix apps/studio ci
npm --prefix apps/studio run build
evosprig serve --project examples/hello/agent.yaml \
  --studio-dir apps/studio/dist --workspace .evosprig

打开 http://127.0.0.1:18766,在侧栏切换 中文,语言选择会保留。实际模型连接通过部署配置设置,凭据使用环境变量。

看得见的自进化:从任务到更好的提示词与技能

搭好智能体后,添加任务输入,选中可修改的 prompt/skill,选择算法并设置预算。平台自动生成候选、运行应用和评分;你可以同时查看资源改动与输出,再启用选定版本。节点面板支持技能组合、工具选择、项目共享记忆、Temperature、Top P 和输出上限。

学习教练:原始答复、自动修改的技能与进化后的答复

学习教练使用 GSM8K 改编的教学任务,一轮 Self-Refine 自动修改两个共享技能,让出题和反馈围绕给定教材;页面直接展示实际改动和答案。

书籍创作与文档问答直接展示实际提示词修改和精选输出对照。使用自己的输入开启 LLM-as-judge,或提供评测集与环境。配置指南说明如何完成首次改进。

文档与贡献

教程一步步带你做出应用;参考文档按主题查模型、工具、记忆、评估和部署。两套内容均提供中英文。

应用开发:画布与 Python · 框架扩展 · 接入自进化算法

架构 · 记忆 · 工具 · 部署 · 路线图 · 贡献指南

Apache-2.0