Agent 自我进化系统 - 基于数据驱动的 AI Agent 能力提升平台
Agent Evolution 是一个完整的 Agent 自我进化系统，整合了任务性能监控、技能质量评估、智能调度引擎和数据驱动的进化建议。
- 📊 数据驱动决策 - 所有分析基于真实监控数据
- 🎯 智能优先级 - P0/P1/P2/P3 四级优先级排序
- 📈 健康评分系统 - 0-100 分量化 Agent 健康状态
- 🔍 问题诊断 - 自动识别瓶颈并生成优化建议
- 📝 可视化报告 - Markdown/JSON 格式报告导出
- 🔔 主动通知 - 飞书/邮件等多渠道通知
- AI Agent 性能优化
- 技能库质量管理
- 任务调度策略优化
- 错误模式分析
- 自动化改进建议
实时监控任务执行状态，分析成功率、耗时、Token 消耗等关键指标。
from src.task_analyzer import TaskPerformanceAnalyzer
analyzer = TaskPerformanceAnalyzer()
analysis = analyzer.analyze_all_tasks()
print(f"总任务数：{analysis['total_tasks']}")
print(f"平均成功率：{analysis['avg_success_rate']:.2%}")自动评估技能库健康状况，识别低质量技能，生成优化建议。
from src.skill_analyzer import SkillQualityAnalyzer
analyzer = SkillQualityAnalyzer()
report = analyzer.get_skill_library_report()
print(f"A 级技能：{report['grade_distribution']['A']}")
print(f"D 级技能：{report['grade_distribution']['D']}")基于历史数据优化任务调度策略，支持优先级调整、资源分配、并发控制。
整合多维度数据，生成可操作的进化建议，支持效果追踪。
┌─────────────────────────────────────────────────────────┐
│ Agent Evolution │
├─────────────────────────────────────────────────────────┤
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ 任务监控 │ │ 技能分析 │ │ 进化引擎 │ │
│ │ Monitoring │ │ Analytics │ │ Evolution │ │
│ └──────┬───────┘ └──────┬───────┘ └──────┬───────┘ │
│ │ │ │ │
│ └─────────────────┼─────────────────┘ │
│ │ │
│ ┌────────▼────────┐ │
│ │ 数据驱动引擎 │ │
│ │ Data Engine │ │
│ └────────┬────────┘ │
│ │ │
│ ┌─────────────────┼─────────────────┐ │
│ │ │ │ │
│ ┌──────▼───────┐ ┌──────▼───────┐ ┌──────▼───────┐ │
│ │ task-monitor │ │ skill-quality│ │ evolution │ │
│ │ .db │ │ .db │ │ analytics │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
└─────────────────────────────────────────────────────────┘
- Python 3.11+
- SQLite 3.42+
- 25GB+ 可用磁盘空间
# 克隆仓库
git clone https://github.com/yadadinae/agent-evolution.git
cd agent-evolution
# 创建虚拟环境
python -m venv venv
source venv/bin/activate # Linux/macOS
# 或
venv\Scripts\activate # Windows
# 安装依赖
pip install -r requirements.txt# 运行系统健康检查
python src/evolve_analysis.py --health-check
# 生成进化报告
python src/evolve_analysis.py --generate-report
# 查看技能排行榜
python src/skill_analyzer.py --top-skills --limit 10# 配置 crontab (每天 03:00 执行)
0 3 * * * /path/to/agent-evolution/scripts/evolve.shagent-evolution/
├── src/ # 核心源代码
│ ├── evolve_analysis.py # 进化分析主引擎
│ ├── task_analyzer.py # 任务性能分析
│ ├── skill_analyzer.py # 技能质量分析
│ ├── cli_utils.py # CLI 工具函数
│ ├── feishu_reporter.py # 飞书通知
│ ├── wal_protocol.py # WAL 协议
│ ├── working_buffer.py # 工作缓冲区
│ ├── gep/ # 遗传进化算法
│ │ ├── analyzer.js
│ │ ├── candidates.js
│ │ ├── mutation.js
│ │ └── ...
│ └── ops/ # 运维操作
│ ├── health_check.js
│ ├── cleanup.js
│ └── ...
├── scripts/ # 运维脚本
│ ├── evolve.sh # 进化执行脚本
│ ├── index.js # Node.js 工具
│ └── ...
├── config/ # 配置文件
│ ├── alert-thresholds.conf # 告警阈值
│ └── ...
├── data/ # 数据文件
│ ├── task-monitoring.db # 任务监控数据
│ ├── skill-quality.db # 技能质量数据
│ └── skill-analytics.db # 技能分析数据
├── docs/ # 文档
│ ├── SKILL.md # 技能说明
│ ├── MODULE5-COMPLETE-REPORT.md
│ └── ...
├── tests/ # 测试用例
│ ├── test_task_analyzer.py
│ ├── test_skill_analyzer.py
│ └── ...
├── assets/ # 静态资源
│ ├── cover.png
│ └── gep/
├── examples/ # 示例代码
│ ├── basic_usage.py
│ └── advanced_integration.py
├── requirements.txt # Python 依赖
├── README.md # 本文件
└── LICENSE # MIT 许可证
文件: src/task_analyzer.py
分析任务执行数据，识别性能瓶颈。
from src.task_analyzer import TaskPerformanceAnalyzer
analyzer = TaskPerformanceAnalyzer(db_path="data/task-monitoring.db")
# 分析所有任务
analysis = analyzer.analyze_all_tasks()
# 获取健康报告
report = analyzer.get_task_health_report()
# 识别优化机会
opportunities = analyzer.identify_optimization_opportunities()文件: src/skill_analyzer.py
评估技能库质量，生成改进建议。
from src.skill_analyzer import SkillQualityAnalyzer
analyzer = SkillQualityAnalyzer(db_path="data/skill-quality.db")
# 分析技能库
analysis = analyzer.analyze_skill_library()
# 获取技能库报告
report = analyzer.get_skill_library_report()
# 识别技能缺口
gaps = analyzer.identify_skill_gaps()文件: src/evolve_analysis.py
整合多维度数据，生成进化报告。
from src.evolve_analysis import EvolutionEngine
engine = EvolutionEngine()
# 生成完整进化报告
report = engine.generate_evolution_report()
# 发送飞书通知
engine.send_feishu_notification(report)from src.task_analyzer import TaskPerformanceAnalyzer
analyzer = TaskPerformanceAnalyzer()
analysis = analyzer.analyze_all_tasks()
print(f"总任务数：{analysis['total_tasks']}")
print(f"成功率：{analysis['avg_success_rate']:.2%}")
print(f"平均耗时：{analysis['avg_duration']:.2f}s")
print(f"健康分数：{analysis['health_score']}/100")from src.skill_analyzer import SkillQualityAnalyzer
analyzer = SkillQualityAnalyzer()
report = analyzer.get_skill_library_report()
print("技能等级分布:")
for grade, count in report['grade_distribution'].items():
print(f" {grade}级：{count}个")
print("\n待优化技能:")
for skill in report['unhealthy_skills'][:5]:
print(f" - {skill['skill_name']} ({skill['health_score']}/100)")from src.evolve_analysis import EvolutionEngine
engine = EvolutionEngine()
report = engine.generate_evolution_report()
print("进化建议 (按优先级排序):")
for rec in report['recommendations'][:10]:
print(f"[{rec['priority']}] {rec['title']}")
print(f" 预期收益：{rec['expected_benefit']}")
print(f" 实施成本：{rec['implementation_cost']}")# 飞书通知配置
FEISHU_APP_ID=cli_a90b5d6d8e395bc9
FEISHU_CHANNEL_ID=ou_608260b868adf690d70569214d83cfda
# 数据库路径
TASK_MONITORING_DB=data/task-monitoring.db
SKILL_QUALITY_DB=data/skill-quality.db
SKILL_ANALYTICS_DB=data/skill-analytics.db
# 日志配置
LOG_LEVEL=INFO
LOG_FILE=logs/evolution.log编辑 config/alert-thresholds.conf:
[error_thresholds]
critical_error_rate=0.1
warning_error_rate=0.05
[performance_thresholds]
min_success_rate=0.8
max_avg_duration=60.0
[health_thresholds]
critical_health_score=40
warning_health_score=60# 运行所有测试
pytest tests/ -v
# 运行特定模块测试
pytest tests/test_task_analyzer.py -v
# 生成覆盖率报告
pytest tests/ --cov=src --cov-report=html# 格式化代码
black src/ tests/
# 检查代码风格
flake8 src/ tests/
# 类型检查
mypy src/- 在
src/创建新模块 - 编写单元测试 (
tests/) - 更新文档 (
docs/) - 运行测试确保通过
- 提交 Pull Request
| 方法 | 描述 | 返回值 |
|---|---|---|
analyze_all_tasks() |
分析所有任务 | dict |
get_task_health_report() |
获取健康报告 | dict |
identify_optimization_opportunities() |
识别优化机会 | list |
get_recommendations() |
获取建议列表 | list |
| 方法 | 描述 | 返回值 |
|---|---|---|
analyze_skill_library() |
分析技能库 | dict |
get_skill_library_report() |
获取技能库报告 | dict |
identify_skill_gaps() |
识别技能缺口 | list |
get_recommendations() |
获取建议列表 | list |
| 方法 | 描述 | 返回值 |
|---|---|---|
generate_evolution_report() |
生成进化报告 | dict |
send_feishu_notification() |
发送飞书通知 | bool |
export_report_markdown() |
导出 Markdown 报告 | str |
export_report_json() |
导出 JSON 报告 | str |
基于生产环境测试数据 (2026-04-03):
| 指标 | 数值 | 目标 | 状态 |
|---|---|---|---|
| 任务分析耗时 | 16.6ms | <1s | ✅ |
| 技能分析耗时 | 9.5ms | <1s | ✅ |
| 报告生成耗时 | 18.1ms | <5s | ✅ |
| 内存占用 | <10MB | <50MB | ✅ |
| 数据库查询 | <10ms | <100ms | ✅ |
| 并发读取成功率 | 100% | >95% | ✅ |
# 检查数据库文件是否存在
ls -la data/*.db
# 检查数据库完整性
python -c "import sqlite3; conn = sqlite3.connect('data/task-monitoring.db'); print(conn.execute('SELECT 1').fetchone())"# 检查环境变量
echo $FEISHU_APP_ID
echo $FEISHU_CHANNEL_ID
# 测试 API 连接
curl -X POST https://open.feishu.cn/open-apis/message/v4/send \
-H "Authorization: Bearer $FEISHU_TOKEN" \
-d '{"chat_id":"'$FEISHU_CHANNEL_ID'","msg_type":"text","content":{"text":"test"}}'# 运行性能基准测试
pytest tests/test_performance_benchmark.py -v
# 检查数据库大小
du -h data/*.db
# 清理旧数据
python scripts/cleanup.py --days 30欢迎贡献！请遵循以下步骤：
- Fork 本仓库
- 创建功能分支 (
git checkout -b feature/amazing-feature) - 提交更改 (
git commit -m 'Add amazing feature') - 推送到分支 (
git push origin feature/amazing-feature) - 开启 Pull Request
- 遵循 PEP 8 风格指南
- 所有功能必须包含单元测试
- 代码覆盖率 >90%
- 文档完整清晰
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。
- 作者: 龙天涯 (@yadadinae)
- Email: support@studyai.ltd
- 项目地址: https://github.com/yadadinae/agent-evolution
- 问题反馈: https://github.com/yadadinae/agent-evolution/issues
感谢所有贡献者和使用者！
Last updated: 2026-04-03