EvoScientist 的目标是通过赋能自我进化的人工智能科学家，实现自主探索、生成洞见并不断迭代改进，从而推动“氛围研究”的发展。它设计得极具观点性，开箱即用，提供一个与代理技能、工具集和记忆库共同成长的动态研究系统。EvoScientist 不再局限于传统的“人机协作”模式，而是采用“人在环路”的范式——人工智能作为科研伙伴，与人类研究人员共同进化，并内化学术品味和科学判断力。

🏆 奖项与认可

最佳论文与评审奖

由 AI 生成的最佳论文

DeepResearch Bench II 第一名

AstaBench 代码与执行第一名

AstaBench 数据分析第一名

⚡ 统一控制，多端呈现

✨ 功能

• 🤖 多智能体团队 — 6个子智能体（计划、研究、代码、调试、分析、写作）协同工作。
• 🧠 持久化记忆 — 上下文、偏好和发现结果可在不同会话间保留。
• 🌐 多提供商支持 — Anthropic、OpenAI、Google、MiniMax、NVIDIA — 一套配置即可切换。
• 📱 多渠道支持 — CLI作为中枢；Telegram、Slack、飞书、微信等 — 一个智能体会话即可覆盖。
• 🔬 科研工作流 — 数据摄入 → 计划 → 执行 → 评估 → 写作 → 验证。
• 🔄 代码生成模式 — 更多努力（迭代优化），持续提升代码质量。
• ⚡ 自适应工具 — 每轮对话仅显示相关工具，减少干扰。
• ✂️ 上下文编辑 — 根据对话状态动态重写系统提示。
• 🔌 MCP与技能 — 可随时接入MCP服务器或从GitHub安装技能。

[!TIP] 寻找开箱即用的研究技能？请查看EvoSkills — 基于EvoScientist的引擎和可安装技能，端到端的研究生命周期已全面覆盖。EvoSkills也兼容其他CLI编码智能体。

🔥 新闻

• [2026年3月26日] 🥇 提交时在[AstaBench数据分析]上排名第一！排行榜 👈
• [2026年3月25日] 🥇 提交时在[AstaBench代码与执行]上排名第一！排行榜 👈
• [2026年3月13日] 🚀 EvoScientist正式发布！
• [2026年3月11日] ⛳ 技术报告已上线！查看 👈
• [2026年3月6日] 🥇 提交时在[DeepResearch Bench II]上排名第一！排行榜 👈
• [2025年11月24日] 🏆 在ICAIS 2025 AI科学家赛道上6篇论文全部被接受 — 获得最佳论文奖及AI审稿人评价奖！详情 👈

📖 目录

• 📦 安装
• 🔑 配置
• ⚡ 快速入门
• 🍪 示例与配方
• 🔌 MCP集成
• 📱 渠道
• 📚 致谢
• 🎯 路线图
• 🌍 项目角色
• 🤝 贡献
• 📝 引用

📦 安装

[!TIP] 需要Python 3.11+（< 3.14）。我们推荐使用uv或conda进行依赖管理和虚拟环境管理。

curl -LsSf https://astral.sh/uv/install.sh | sh

快速安装

uv tool install EvoScientist

[!NOTE] 若要将现有安装更新至最新版本，请使用uv tool upgrade：

uv tool upgrade EvoScientist

或者直接安装到当前环境中：

uv pip install EvoScientist

来自GitHub的最新版本

在PyPI发布之前获取最新补丁：

uv pip install git+https://github.com/EvoScientist/EvoScientist.git

开发环境安装

git clone https://github.com/EvoScientist/EvoScientist.git
cd EvoScientist
uv sync --dev

启用pre-commit钩子：

uv run pre-commit install

conda create -n EvoSci python=3.11 -y
conda activate EvoSci
pip install -e ".[dev]"

pip install EvoScientist          # 快速安装
pip install -e ".[dev]"           # 开发安装

uv pip install "EvoScientist[telegram]"     # Telegram
uv pip install "EvoScientist[discord]"      # Discord
uv pip install "EvoScientist[slack]"        # Slack
uv pip install "EvoScientist[wechat]"       # WeChat
uv pip install "EvoScientist[qq]"           # QQ
uv pip install "EvoScientist[feishu]"       # Feishu
uv pip install "EvoScientist[all-channels]" # 全部

git pull && uv sync --dev

🔝返回顶部

🔑 配置

配置API密钥最简单的方式是使用交互式向导：

EvoSci onboard

[!TIP] 它会引导您完成提供商选择、密钥验证、模型选择和工作空间模式设置。 支持CLI编码智能体订阅用户的OAuth登录 — 无需API密钥。

# 选择一个LLM提供商
export ANTHROPIC_API_KEY="sk-..."   # Claude  — console.anthropic.com
export OPENAI_API_KEY="sk-..."      # GPT    — platform.openai.com
export GOOGLE_API_KEY="AI..."       # Gemini  — aistudio.google.com/api-keys
export MINIMAX_API_KEY="sk-..."     # MiniMax — platform.minimaxi.com（与Anthropic兼容）
export NVIDIA_API_KEY="nvapi-..."   # NIM    — build.nvidia.com

# 网络搜索（可选）
export TAVILY_API_KEY="tvly-..."    # app.tavily.com

cp .env.example .env  # 然后填写您的密钥

🔝返回顶部

⚡ 快速入门

EvoSci  # 或 EvoScientist — 交互模式（默认为 TUI）

运行 EvoSci -h 查看所有 CLI 选项。

[!TIP] 需要复制长输出吗？使用 --ui cli 启用经典模式，原生终端的复制功能将正常工作。在 macOS 上，iTerm2 用户还可以按住 ⌥ Option 键并拖动选择内容，然后使用 ⌘+C 进行复制。

EvoSci                            # 交互模式（默认为 TUI）
EvoSci -p "your question"        # 单次执行模式
EvoSci --workdir /path/to/project # 在指定目录中打开
EvoSci -m run                     # 每个会话独立的工作空间
EvoSci --ui cli                   # 经典 CLI（轻量级）
EvoSci serve                      # 无界面模式 — 仅通道，无交互式提示

# 会话级别：通过 CLI 标志自动批准
EvoSci --auto-approve
EvoSci -p "query" --auto-approve

# 持久化设置：在配置中进行设定（适用于所有未来会话）
EvoSci config set auto_approve true

# 或者仅允许特定命令前缀
EvoSci config set shell_allow_list "python,pip,pytest,ruff,git"

# 持久化设置：在配置中进行设定
EvoSci config set enable_ask_user false

# 重新启用
EvoSci config set enable_ask_user true

from EvoScientist import EvoScientist_agent
from langchain_core.messages import HumanMessage
from EvoScientist.utils import format_messages

thread = {"configurable": {"thread_id": "1"}}
last_len = 0

for state in EvoScientist_agent.stream(
    {"messages": [HumanMessage(content="Hi?")]},
    config=thread,
    stream_mode="values",
):
    msgs = state["messages"]
    if len(msgs) > last_len:
        format_messages(msgs[last_len:])
        last_len = len(msgs)

🔝回到顶部

🍪 示例与配方

精心挑选的官方示例、高级用法模式以及社区贡献的配方，帮助您充分利用 EvoScientist。

👉 浏览所有示例与配方

🔝回到顶部

🔌 MCP 集成

通过 MCP 服务器，只需一条命令即可添加外部工具：

# 使用方法
EvoSci mcp add <name> <command> [-- args...]

# 示例
EvoSci mcp add sequential-thinking npx -- -y @modelcontextprotocol/server-sequential-thinking

[!TIP] 关于命令选项、配置字段、工具路由、通配符过滤及故障排除，请参阅 MCP 集成指南。

🔝回到顶部

📱 通道

连接消息平台，使其与 CLI 共享同一智能体会话：

# 使用方法
EvoSci channel setup <channel>

# 示例
EvoSci channel setup telegram

多个通道可以同时运行——在配置中用逗号分隔通道名称：

channel_enabled: "telegram,slack,feishu,qq"

此外，您也可以在 CLI 会话中使用 /channel 命令来交互式地启动通道。

[!TIP] 关于各通道的设置指南、能力矩阵、架构细节及故障排除，请参阅 通道集成指南。

🔝回到顶部

📚 致谢

本项目基于以下优秀的开源作品：

• LangChain — 构建智能体和基于大模型应用的框架。
• DeepAgents — 包含电池的智能体框架。

我们感谢这些作者对开源社区的宝贵贡献。

🔝回到顶部

🎯 ᯓ➤ 路线图

即将推出：

• 🖥️ 全屏 TUI 和经典 CLI 界面
• 📻 EvoMemory v1.0 已发布
• ⚒️ 内置 200 多种预定义技能
• 🧩 内置研究生命周期技能已发布
• 👋 人机协作操作审批
• 🦾 智能体发起的人工澄清
• 📑 技术报告正在撰写中
• 🔐 OAuth 登录（CLI 编程智能体订阅用户）
• 📺 具有工作区 UI 的 Web 应用程序
• 📹 演示和教程正在制作中
• 📊 将发布基准测试套件
• ⏰ 计划为核心系统安排定时任务

敬请期待——更多功能即将上线！

🔝回到顶部

🌍 项目角色

核心贡献者

Xi Zhang

Yougang Lyu

Dinos Papakostas

Yuyue Zhao

Ziheng Zhang

Xiaohui Yan

贡献者

Jan Piotrowski, Wiktor Cupiał, Jakub Kaliski, Jakub Filipiuk, Xinhao Yi, Shuyu Guo, Andreas Sauter, Wenxiang Hu, Jacopo Urbani, Zaiqiao Meng, Jun Luo, Lun Zhou

Xiaoyi DeepResearch 团队 以及更广泛的开源社区共同为本项目贡献力量。

如有任何疑问或合作机会，请联系：EvoScientist.ai@gmail.com

🔝回到顶部

🤝 贡献

我们欢迎来自开发者、研究人员以及各类 AI 编码代理的贡献。我们的贡献指南专为人类和 AI 代理设计，涵盖了架构、模式、扩展指南及代码规范等内容，旨在帮助您安全有效地参与贡献。

👥 社区贡献者

⚗️ 加入 EvoScientist 社区，探讨 AI 驱动的研究，分享实验结果，并共同塑造自动化科学发现的未来。

• Discord — 实时提问、分享成果并与研究人员和开发者协作。

• 微信 — 与我们的中文研究社区连接。

  

每一次贡献都让我们离这样一个未来更近一步：AI 将加速全人类的科学突破。

📈 星标历史

🔝回到顶部

📝 引用

如果您在研究和应用中发现我们的论文和代码有所帮助，请使用以下 BibTeX 格式引用：

@article{evoscientist2026, 
  title={EvoScientist: 向多智能体进化型 AI 科学家迈进——实现端到端的科学发现}, 
  author={Yougang Lyu 和 Xi Zhang 和 Xinhao Yi 和 Yuyue Zhao 和 Shuyu Guo 和 Wenxiang Hu 和 Jan Piotrowski 和 Jakub Kaliski 和 Jacopo Urbani 和 Zaiqiao Meng 和 Lun Zhou 和 Xiaohui Yan}, 
  journal={arXiv 预印本 arXiv:2603.08127}, 
  year={2026} 
}

🔝回到顶部

📜 许可证

本项目采用 Apache License 2.0 许可协议授权——详情请参阅 LICENSE 文件。

🔝回到顶部

EvoScientist 快速上手指南

EvoScientist 是一个旨在实现“自我进化”的 AI 科学家框架。它通过多智能体协作（规划、研究、编码、调试、分析、写作），自主探索问题、生成见解并迭代改进代码。本项目支持多种大模型提供商，并可通过 CLI 或即时通讯工具（如微信、飞书等）进行交互。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows (WSL 推荐)
• Python 版本：必须为 Python 3.11+ 且 < 3.14
• 包管理工具（推荐）：
  • uv：极速 Python 包安装器和管理器（官方强烈推荐）
  • 或者使用 conda / pip

安装 uv (如果尚未安装)

curl -LsSf https://astral.sh/uv/install.sh | sh

安装步骤

您可以选择以下任意一种方式进行安装。

方式一：快速安装（推荐）

使用 uv 将 EvoScientist 作为全局工具安装：

uv tool install EvoScientist

提示：若需升级到最新版本，运行 uv tool upgrade EvoScientist。

方式二：在当前环境中安装

如果您希望在当前虚拟环境中使用：

uv pip install EvoScientist

方式三：安装最新开发版

获取 GitHub 上的最新补丁（早于 PyPI 发布）：

uv pip install git+https://github.com/EvoScientist/EvoScientist.git

可选：安装通讯渠道依赖

如果您计划通过 Telegram、微信、飞书等渠道使用，需安装对应额外依赖：

# 示例：安装微信支持
uv pip install "EvoScientist[wechat]"

# 示例：安装飞书支持
uv pip install "EvoScientist[feishu]"

# 安装所有渠道支持
uv pip install "EvoScientist[all-channels]"

基本使用

1. 配置 API Key

最简便的方式是使用交互式向导进行配置，它将引导您选择模型提供商、验证密钥并设置工作区。

EvoSci onboard

• 支持提供商：Anthropic (Claude), OpenAI (GPT), Google (Gemini), MiniMax, NVIDIA 等。
• 免密钥模式：如果您是 CLI 编码代理的订阅用户，支持 OAuth 登录，无需手动输入 API Key。

手动配置（可选）

如果不使用向导，也可以通过环境变量手动配置：

# 选择至少一个 LLM 提供商
export ANTHROPIC_API_KEY="sk-..."   # Claude
export OPENAI_API_KEY="sk-..."      # GPT
export GOOGLE_API_KEY="AI..."       # Gemini
export MINIMAX_API_KEY="sk-..."     # MiniMax
export NVIDIA_API_KEY="nvapi-..."   # NIM

# Web 搜索工具 (可选)
export TAVILY_API_KEY="tvly-..."    # Tavily Search

2. 启动研究任务

配置完成后，直接在命令行启动 EvoScientist 并开始您的研究任务。

EvoSci run "请分析最近关于大语言模型推理优化的研究趋势，并生成一份简要报告"

工作流程说明： 启动后，EvoScientist 将自动调度其内部的 6 个子智能体（规划、研究、编码、调试、分析、写作）协同工作：

1. Intake: 理解您的需求。
2. Plan: 制定研究计划。
3. Execute: 执行搜索、阅读文献或编写代码。
4. Evaluate: 评估中间结果。
5. Write: 撰写最终报告或代码。
6. Verify: 验证结果的准确性。

3. 进阶功能提示

• 持久化记忆：EvoScientist 会自动保存上下文、偏好和发现，下次会话时可继续利用这些记忆。
• 多端同步：配置好 Channel 后，您可以在手机端的微信或飞书中与同一个 Agent 会话继续交互。
• 技能扩展：可以通过安装 EvoSkills 来扩展特定的科研技能包。