Optim-Agent
Boucle ask/tell disciplinée pour l'ajustement de paramètres de boîte noire par rapport à un objectif mesurable
Testé · Fonctionne
Ce que fait
Transforme l'agent en échantillonneur séquentiel pour l'optimisation coûteuse de boîtes noires : lit le code, propose une configuration, exécute l'évaluateur réel, enregistre via une étude ask/tell, et laisse l'objectif mesuré décider. Utiliser pour l'ajustement d'hyperparamètres, d'inférence, de stratégie quantitative, de RL ou de flux de travail scientifique. Soutenu par le package pip optim-agent.
Rapport de test
Exécution d'une minimisation de boîte noire réelle en 12 évaluations de deux manières : la boucle ask/tell disciplinée de la compétence (base de référence d'abord, exploration puis exploitation sur l'historique enregistré) a atteint l'objectif 0.03 juste à côté de l'optimum réel, tandis que la devinette intuitive sans aide a stagné à 1.58 pour le même budget -- environ 98% de moins. Il est à noter que le package pip est essentiellement un registre ask/tell (ses seuls échantillonneurs sont Random et AgentSampler), donc le gain provient du flux de travail prescrit, et non d'un optimiseur bayésien intégré.
Testé le: 2026-07-17 · Claude Code 2.x (agent harness)
Installation
python -m pip install optim-agent git clone https://github.com/Optim-Agent/optim-agent.git mkdir -p ~/.claude/skills/optim-agent cd optim-agent && cp SKILL.md ~/.claude/skills/optim-agent/SKILL.md
Commandes et exemples de prompts
/optim-agentBoucle ask/tell disciplinée pour l'ajustement de paramètres de boîte noire par rapport à un objectif mesurable
Les skills se déclenchent sur des demandes en langage courant — aucune commande à retenir. Après installation, des prompts comme ceux-ci l'activent (en anglais) :
Help me tune XGBoost hyperparameters to minimize validation lossNeed to find the best backtest threshold and budget for our Sharpe ratioTune the reward-shaping parameters in our RL agent against episode return