Agente de IA Auto-Evolutivo

Uma aplicação multi-agente construída sobre o EvoAgentX que transforma um único objetivo em linguagem natural num programa funcional. Gera automaticamente um fluxo de trabalho multi-agente, executa-o para produzir código e, em seguida, verifica e corrige esse código com um segundo modelo - sem necessidade de ligação manual de agentes.

O exemplo incluído tem como objetivo "Gerar código HTML para um jogo Tetris que pode ser jogado no navegador" e escreve um index.html pronto a jogar.

✨ O Que Demonstra

• Geração automática de fluxo de trabalho - WorkFlowGenerator desenha os agentes e passos a partir de um objetivo em linguagem simples.
• Execução multi-agente - AgentManager + WorkFlow instanciam e executam os agentes gerados.
• Verificação de código entre modelos - a geração é realizada no OpenAI gpt-4o-mini; uma passagem separada do Anthropic Claude verifica e corrige a saída.
• Auto-evolução por design - o fluxo de trabalho é construído e refinado pelo próprio sistema em vez de ser codificado manualmente.

🛠️ Como Começar

1. Clona o repositório

   git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
   cd awesome-llm-apps/advanced_ai_agents/multi_agent_apps/ai_self_evolving_agent

2. Instalar dependências****

Para instalar as dependências necessárias, executa o seguinte comando:

npm install

   pip install -r requirements.txt
   pip install git+https://github.com/EvoAgentX/EvoAgentX.git

3. Define as tuas chaves de API

   export OPENAI_API_KEY=<your-openai-api-key>
   export ANTHROPIC_API_KEY=<your-anthropic-api-key>

Instalação do Agente

1. Clone o repositório

git clone https://github.com/username/repo.git

2. Instala as dependências

cd repo
npm install

3. Configura as variáveis de ambiente

Cria um ficheiro .env na raiz do projeto e adiciona as seguintes variáveis:

API_KEY=your_api_key

DATABASE_URL=your_database_url

(Ou coloca-as num ficheiro `.env` nesta pasta.)

4. **Executa o agente**
```bash
npm start

   python ai_Self-Evolving_agent.py

O jogo gerado é escrito em examples/output/tetris_game/index.html - abre-o num navegador para jogar.

🔧 Como Funciona

1. Define um objetivo em linguagem natural (por exemplo, construir um jogo de Tetris).
2. Gera um fluxo de trabalho - WorkFlowGenerator produz um grafo multi-agente para o objetivo.
3. Executa o fluxo de trabalho - AgentManager constrói os agentes e WorkFlow executa-os com gpt-4o-mini.
4. Verifica a saída - um modelo Claude (via LiteLLM) revê e corrige o código gerado através de CodeVerification.
5. Salva o resultado - o código final é extraído e escrito no diretório de saída.

📚 Aprende Mais

Este exemplo é alimentado pelo framework open-source EvoAgentX. Para documentação, tutoriais e

otimizadores adicionais (TextGrad, AFlow, MIPRO), vê o

repositório EvoAgentX.