词元之母TOK.MOM - 平台充值汇率 1:1 即 1 人民币充值到账 1 美元，支持一个 Key 调用近 600+ 海内外模型，限时特价模型低至 1 折，欢迎上岸！
"Darwinian Evolver — 使用 Imbue 的进化循环来优化 prompt/正则/SQL/代码"
Darwinian Evolver
Skill 元数据
| 来源 | 可选 — 通过 hermes skills install official/research/darwinian-evolver 安装 |
| 路径 | optional-skills/research/darwinian-evolver |
| 版本 | 0.1.0 |
| 作者 | Bihruze (Asahi0x), Hermes Agent |
| 许可证 | MIT |
| 平台 | linux, macos |
| 标签 | evolution, optimization, prompt-engineering, research |
| 相关 skill | arxiv, jupyter-live-kernel |
参考：完整 SKILL.md
信息
Darwinian Evolver
由 LLM 驱动的进化搜索循环 —— 用于针对适应度函数优化 prompt、正则表达式、SQL 查询
或小型代码片段。
Problem 定义（organism + evaluator + mutator），并通过上游 CLI 或一个小型自定义 Python 驱动脚本来运行循环。
subprocess/uv run调用来调用它（纯聚合方式）。不得将上游类导入 Hermes 本身。
使用时机
前置条件
git、uv（或 pip）OPENROUTER_API_KEY、ANTHROPIC_API_KEY 或 OPENAI_API_KEYparrot_openrouter.py 驱动脚本，通过 OpenAI SDK 使用 OPENROUTER_API_KEY，因此 OpenRouter 上的任何模型均可使用。上游 CLI 本身硬编码了 Anthropic，需要
ANTHROPIC_API_KEY。安装（一次性）
terminal 工具运行：快速开始 —— 内置 Parrot 示例
ANTHROPIC_API_KEY）：/tmp/parrot_demo/snapshots/iteration_N.pkl —— 每次迭代的 pickle 序列化种群/tmp/parrot_demo/<jsonl> —— 每次迭代的 JSON 日志（路径在结束时打印）~/.hermes/cache/darwinian-evolver/darwinian_evolver/darwinian_evolver/lineage_visualizer.html并加载 JSON 日志，即可查看进化树。
快速开始 —— OpenRouter 驱动（无需 Anthropic Key）
scripts/parrot_openrouter.py —— 同样的 parrot 问题，但 LLM 调用通过OpenRouter 进行，因此任何提供商均可使用。
scripts/show_snapshot.py 查看结果：Say {{ phrase }} 得分为 0.000）。定义自定义问题
templates/custom_problem_template.py —— 复制、编辑、运行。你必须定义三样东西：
1.
Organism —— 一个 Pydantic BaseModel 子类，持有被进化的制品（prompt_template: str、regex_pattern: str、sql_query: str、code_block: str 等）。添加一个 run(*args) 方法来执行它。2.
Evaluator —— .evaluate(organism) -> EvaluationResult(score=..., trainable_failure_cases=[...], holdout_failure_cases=[...], is_viable=True)。score 在 [0, 1] 范围内，越高越好。trainable_failure_cases —— mutator 所看到的内容。包含足够的上下文（输入、期望值、实际值），以便 LLM 进行诊断。holdout_failure_cases —— 对 mutator 隐藏。用于检测过拟合。is_viable=True，除非 organism 完全损坏（抛出异常、返回 None 等）。得分为 0 的可行 organism 是可以的 —— 它只是在父代选择中权重较低。3.
Mutator —— .mutate(organism, failure_cases, learning_log_entries) -> list[Organism]。通常做法：构建一个包含当前 organism + 失败案例 + 修复请求的 LLM prompt；解析 LLM 的响应；返回一个新的
Organism。解析失败时返回 [] —— 循环会处理这种情况。Problem(initial_organism, evaluator, [mutators]) 接入EvolveProblemLoop，并在 loop.run(num_iterations=N) 上迭代 —— 附带的scripts/parrot_openrouter.py 是参考实现。实际影响较大的超参数
| 参数 | 默认值 | 何时调整 |
|---|---|---|
--num_iterations | 5 | 一旦信任 evaluator，调高至 10–20 |
--num_parents_per_iteration | 4 | 降至 2 以进行低成本探索 |
--mutator_concurrency | 10 | 降至 2–4 以避免速率限制 |
--evaluator_concurrency | 10 | 同上；evaluator 也会调用 LLM |
--batch_size | 1 | 一旦 mutator 能处理多个失败案例，调高至 3–5 |
--verify_mutations | 关闭 | 一旦 mutator 浪费严重时开启（据 Imbue，后续运行可节省 >10× 成本） |
--midpoint_score | p75 | 除非分数聚集，否则保持不变 |
--sharpness | 10 | 保持不变 |
常见陷阱
1.
Initial organism must be viable —— 即使种子得分为 0，也要在 EvaluationResult 中设置 is_viable=True。循环拒绝不可行的 organism，因为这意味着循环没有任何可进化的起点。2.
try/except 中，并返回 f"<LLM_ERROR: {e}>" —— evolver 会将该 organism 评分为 0 并继续。3.
loop.run() 是一个生成器 —— 调用它不会执行任何操作，直到你对其迭代。使用 for snap in loop.run(num_iterations=N):。4.
iteration_N.pkl 包含一个带有 population_snapshot（更多 pickle 字节）的字典。要反序列化，必须让 Organism 类在与 pickle 时相同的点分路径下可导入。5.
6.
uv run darwinian_evolver <problem> 会查找 ANTHROPIC_API_KEY 并使用 Claude Sonnet。要使用其他提供商，请编写类似 parrot_openrouter.py 的驱动脚本。7.
from darwinian_evolver import ...。~/.hermes/skills/... 下的自定义驱动脚本属于用户侧，没有问题。8.
pip install darwinian-evolver 会安装错误的东西。始终从 GitHub 仓库安装。验证
参考资料
修改于 2026-05-31 00:25:01