每个做 AI 系统的人都经历过这个阶段：效果上不去，又不知道往哪使劲——读轨迹、改 prompt、调配置，靠人一轮轮试，一试就是好几天。

能不能让「优化 AI 系统」这件事本身，也交给 AI？

为此，蚂蚁灵矽大模型应用平台团队开源 AntOmniEvo，一个自动优化 AI 系统的框架。

• AntOmniEvo 框架代码：https://github.com/ant-research/AntOmniEvo

• 核心算法 Mara Chain 论文：

你只需要提供四样东西——系统里「可修改部分」（prompt、规则、脚本、配置，组织成一目录真实文件，是待优化系统的映射，就是下图左边的 artifact）、评估数据、打分标准、系统定义（系统怎么跑）；剩下的全部由框架驱动 AI 自动完成——改 prompt、改规则、改配置、改脚本，在「改文件 → 打分」的循环里 7×24 不停，直到把分数改上去。

这张图就是价值的全貌：左边你出四样东西，中间它 7×24 自己跑，右边交付可直接部署的最优 artifact 和每处改动的病历。核心价值一句话：把「调系统」这件最依赖老师傅经验的活，变成一件定义好目标、就能自动跑完的事——你是甲方，它是 7×24 干活的算法工程师。

四条核心价值：

• 省力：设好预算、启动，然后就不用管了。你下班它加班，你要做的只是最后收货。

• 交付物直接能上线：优化的产物就是一目录真实文件（prompt、规则文档、脚本、配置），系统运行时 load 的就是它们——改文件 = 改系统行为，替换回去 = 上线。每处改动可 diff、可 review、可回滚。

• 过程全白盒：每个候选版本、每次运行轨迹、每条评分都完整落盘，还自带一个「龙虾健身房」可视化器（下文有图）——谁进步、谁退步、哪一版修好了哪道难题，全程可围观。

• 一个框架通吃：Agent 的 skill、agent harness、检索管线的配置和节点脚本，三种形态，同一套优化循环，我们的目标是 optimize anything。

它怎么做到的

分两层说：系统怎么组织，算法怎么改进。

系统层：tunable artifacts——优化 = 改文件。系统里「可以改的部分」（prompt、规则、脚本、配置）映射成一个真实的文件目录，这就是 tunable artifacts；系统运行时 load 的就是这些文件，所以改文件 = 改系统行为，优化这个系统 = 让 coding agent 在「改文件 → 跑评估 → 看分数」的循环里进化这个目录。

随目录一起给出的还有一份声明（目录树长什么样、每个文件管什么、哪些允许改）——它既是框架和 AI 的改动边界，也会 r

来源：机器之心