AI导哈

AI代理代码模式库

AgenticEvolve是一个用于AI代理的代码模式库，能够存储、匹配和组合已验证的代码模式，显著提高重复构建效率。

  • by agentralabs
  • Rust
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 agentralabs/agentic-evolve

使用说明

The Library That Remembers How to Build

Pattern crystallization for AI agents -- verified code patterns stored, matched, and composed so the hundredth build takes seconds, not minutes.

Quickstart · Problems Solved · How It Works · Capabilities · MCP Tools · Benchmarks · Install · API · Concepts

Agentra生态系统中的姐妹| .evolve 格式|22功能|14 MCP工具|38 CLI命令

为什么代理进化

每个AI代理每次都从头开始编写相同的代码。它第十次生成REST处理程序，就像以前从未见过一样。它编写相同的错误处理样板、相同的分页逻辑、相同的身份验证中间件——每次从零开始，都没有以前工作过的内存。

当前的修复不起作用。模板引擎会产生刚性输出，当需求偏离时会中断。代码段库存储的是文本，而不是模式——它们无法适应新的变量名、类型或结构。微调是昂贵的、缓慢的，并且锁定在一个型号上。

当前AI： 每次建造都要冷启动。不得重复使用。没有学习。没有加速。 AgenticEvolve： 从成功的构建中结晶出经过验证的模式，并将其与新的上下文相匹配，因此第一个构建需要一分钟，第一百个构建需要十五秒。

快速启动

cargo install agentic-evolve-cli
evolve --help

已解决的问题（请先阅读）

  • 问题： AI代理在每个项目上从头开始重新生成相同的模式。 解决了的： 模式结晶从经过验证的代码中提取可重用的模式，按签名、域和上下文进行索引——代理会记住哪些模式有效。
  • 问题： 对于生成的代码质量没有置信信号。 解决了的： 每个模式都跟踪成功率、使用频率和衰减分数——代理知道哪些模式经过了战斗测试，哪些是推测性的。
  • 问题： 代码重用需要精确匹配，这在项目之间很少发生。 解决了的： 即使变量名、类型和结构不同，四种匹配策略（签名、上下文、语义、模糊）也能找到适用的模式。
  • 问题： 将多种模式组合成连贯的代码是手动的，而且容易出错。 解决了的： 带有间隙填充和适配器生成的模式组合将多个模式组装成具有一致类型和接口的工作代码。
  • 问题： 随着语言和框架的发展，模式库变得陈旧。 解决了的： 衰变管理和升级引擎会自动弃用未使用的模式，并提升经常成功的模式。
# Crystallize what works, reuse what is proven -- three commands
evolve crystallize --file src/handlers/user.rs --function create_user
evolve match signature "pub async fn create_user(input: CreateUserInput) -> Result<User>"
evolve compose --patterns p1,p2,p3 --output src/handlers/task.rs

运作原理

架构概述

+-------------------------------------------------------------+
|                     YOUR AI AGENT                           |
|           (Claude, Cursor, Windsurf, Cody)                  |
+----------------------------+--------------------------------+
                             |
                  +----------v----------+
                  |      MCP LAYER      |
                  |   14 Tools + stdio  |
                  +----------+----------+
                             |
+----------------------------v--------------------------------+
|                   EVOLVE ENGINE                              |
+-----------+-----------+------------+-----------+------------+
| Matching  | Crystal-  | Composition| Collective| Token      |
| (4 types) | lization  | Engine     | Learning  | Conservation|
+-----------+-----------+------------+-----------+------------+
                             |
                  +----------v----------+
                  |    .evolve FILE     |
                  | (pattern library)   |
                  +---------------------+

22能力

层级 能力 重点
T1：存储 模式存储、模式索引、模式版本器、模式验证器 模式是如何存储的？
T2：匹配 签名匹配器、上下文匹配器、语义匹配器、模糊匹配器 如何找到模式？
T3：结晶 模式提取器、变量检测器、模板生成器、置信度计算器 如何创建模式？
T4：成分 模式生成器、间隙填充器、适配器生成器、集成编织器 模式是如何组合的？
T5：集体 使用跟踪器、成功跟踪器、衰退管理器、推广引擎 模式是如何演变的？
T6：优化 模式优化器、缓存管理器 如何保持性能？

基准测试

安装

git clone https://github.com/agentralabs/agentic-evolve.git
cd agentic-evolve
cargo install --path crates/agentic-evolve-cli

curl -fsSL https://agentralabs.tech/install/evolve | bash

cargo install agentic-evolve-cli
cargo install agentic-evolve-mcp
pip install aevolve-installer && aevolve-install install --auto
npm install @agenticamem/evolve

独立担保： AgentEvolve完全独立运行。不需要其他姐妹、外部服务或协调器。

许可证

麻省理工学院——见 许可证.

相关 MCP