OpenEvol: Pipeline de Autoaperfeiçoamento Offline para LLMs Usando Histórico de Conversas

O que o OpenEvol faz

OpenEvol é um pipeline de autoaperfeiçoamento offline para modelos de linguagem grandes que converte automaticamente o histórico de conversas de IA em dados de treinamento. A ferramenta minera trocas de alto valor das conversas, julga sua qualidade e gera conjuntos de dados de ajuste fino sem rotulagem manual ou ciclos de dados proprietários.

Como funciona

O pipeline percorre quatro estágios automatizados:

• Minera trocas de alto valor das conversas
• Julga a qualidade usando regras com um modelo de linguagem professor opcional
• Sintetiza conjuntos de dados SFT, preferência e pré-treinamento
• Ajusta fino com um comando

Isso cria um ciclo fechado onde o modelo aprende com sua própria experiência.

Detalhes técnicos

Nenhuma GPU é necessária para começar - o pipeline completo roda em CPU com um backend de professor simulado ou compatível com OpenAI. Você pode trazer uma GPU quando estiver pronto para treinar.

Cinco backends de professor são suportados:

• Simulado
• Baseado em regras
• API compatível com OpenAI (qualquer proxy local funciona)
• HuggingFace Transformers
• vLLM

Opções de uso

Três maneiras de usar o OpenEvol:

• CLI para execuções em lote offline
• Servidor REST API para automação
• Plugin de desktop OpenClaw que permite acionar execuções do pipeline diretamente do chat

Controle de qualidade

Cada lote é pontuado automaticamente. Se a taxa de aprovação cair abaixo de 80%, o treinamento é bloqueado e sinalizado para revisão humana, dando aos usuários controle sobre quais dados são usados para treinamento.

Esse tipo de ferramenta é útil para desenvolvedores que desejam melhorar seus agentes de codificação de IA usando o histórico real de conversas sem enviar dados para serviços externos.