技术调研存档

技术调研

GEPA (Genetic-Pareto Prompt Evolution) — 2026-04-12 调研+集成

• 论文：ICLR 2026 Oral，Stanford/Berkeley/CMU 联合
• 地址：https://arxiv.org/abs/2507.19457
• 代码：https://github.com/gepa-ai/gepa | PyPI: pip install gepa
• 核心思路：用自然语言反思 + 进化算法自动优化 prompt，不需要 GPU 训练
• 关键数据：比 GRPO 高 6-19pp，少 35x rollout；比 MIPROv2 高 10+pp
• 跨模型泛化：Qwen3-8B 优化的 prompt 在 GPT-4.1-Mini 上仍有效
• ✅ 已集成：优化脚本 /tmp/gepa_optimize_skill.py
• ✅ 已验证：calculator skill 优化成功，score 0.43→0.57，+1353 chars
• 技术要点：
  • litellm 不直接支持 zhipu，需用 openai/ 前缀 + api_base
  • make_litellm_lm 不传 api_key/api_base，必须自定义 LM wrapper
  • GEPAResult 没有 best_score，用 max(val_aggregate_scores)
  • cache_evaluation='disk' 需配合 run_dir，用 'memory' 更简单
  • reflection_lm 用 glm-4-plus（反思），task_lm 用 glm-4-flash（执行评估）

Hermes Agent (Nous Research) — 2026-04-12 调研

• GitHub：https://github.com/nousresearch/hermes-agent（58.8k stars）
• 结论：不能替代 OpenClaw，但有借鉴价值
• 值得借鉴的：(1) GEPA 自进化 (2) 四层优化优先级 (3) session 数据构建评估集 (4) agentskills.io 跨平台标准 (5) 约束门控
• 自进化子项目：https://github.com/nousresearch/hermes-agent-self-evolution