📦

Browse MCP

A MCP server for searching and downloading academic papers from multiple sources.

0 installs

Trust: 39 — Low

Devtools

Installation

npx browse-mcp

Ask AI about Browse MCP

I know everything about Browse MCP. Ask me about installation, configuration, usage, or troubleshooting.

0/500

Loading tools...

Reviews

Documentation

中文 | English

微本

Agent 集群 × 代码进化

FileEvo: 生成多个候选方案 → 多维度评估 → 选择最优合并

✨ 特性

🧬 FileEvo 代码迭代优化多候选采样 + 质量评估自动选择最优方案合并	🤖 多智能体 Agent 集群编排并行 Worktree 隔离自动化任务分发与监控	🔌 MCP 协议 Model Context Protocol 工具注册与调用扩展 Agent 能力边界
📋 任务系统状态机驱动看板 + 队列 + 自动执行完整的任务生命周期管理	💡 Idea 生成 AI 驱动代码分析自动发现改进点一键转化为可执行任务	🖥️ 跨平台 CLI / Desktop / Web Tauri 2 桌面应用三端统一体验

🧬 FileEvo: 代码迭代优化

FileEvo 是一种启发式迭代优化方法，核心思想是"生成多个候选方案 → 多维度评估 → 选择最优合并"

算法概述

🧠 系统组件：Codebase + Agent + Evaluator
🔀 候选生成器 📂 Worktree (隔离环境) 代码库副本 𝒞' 🤖 Agent → 生成 PR	🔒 参考基准 📂 Main Branch 原始代码库 𝒞 用于计算变更量	⚖️ 质量评估器 📂 Worktree 变更内容 Δ𝒞 CI + Agent → 多维度评分

🔄 迭代优化循环
① 采样批量: B 个想法 idea₁, idea₂, ..., idea_B 并行展开: 每个 N 次 PR₁₁...PR₁ₙ PR₂₁...PR₂ₙ ... 总计 B×N 个候选	② 评估多目标评分: R = Σ wᵢ·rᵢ _{(测试、质量、安全...)} 变更量: d = \|Δlines\| / max_diff 调整后得分: R̃ = R − λ·d	③ 选择变更惩罚权重: w = exp(−β·d) 相对得分: S = R̃ − mean(R̃) 两阶段筛选: 1. 每idea选最优PR 2. 全局选最优PR (R̃ < τ 则跳过)	④ 更新合并最佳 PR: git merge PR* → main 更新代码库: 𝒞 ← 𝒞' 停止检查: ΔR̃ < δ ? ✅ 满足 → 终止迭代 🔄 否则 → 继续迭代

形式化定义

多目标评分函数

$$R(\text{PR}) = \sum_{i=1}^{k} w_i \cdot r_i(\text{PR}), \quad \sum_{i=1}^{k} w_i = 1, \quad r_i \in [0, 1]$$

其中 $r_i$ 为各维度的归一化评分（测试通过率、代码质量、安全性、Agent 评审等）

代码变更量 (规模度量)

$$d = \min\left(1,\frac{|\Delta\text{lines}|}{\text{max\_diff}}\right)$$

$|\Delta\text{lines}|$：PR 的代码变更行数（git diff --stat）
$\text{max\_diff}$：单次 PR 允许的最大变更行数（超参数，如 500 行）
$d \in [0, 1]$：归一化变更量，超过 max_diff 时截断为 1

⚠️ 注意：$d$ 不是严格的距离度量（不满足距离公理），仅作为变更规模的简单指标。

已知局限：

语义盲：重命名 1000 行 vs 修改 1 行核心逻辑，$d$ 无法区分

非对称：添加代码 vs 删除代码可能有不同影响

类型无关：配置文件 vs 核心代码的行数权重相同

变更惩罚权重

$$r_t = e^{-\beta \cdot d}$$

$d = 0$ 时：$r_t = 1$（无变更，无惩罚）
$d \to 1$ 时：$r_t \to e^{-\beta}$（大变更，权重降低）
$\beta$：敏感度参数（超参数，经验值 1.0 ~ 3.0）

📐 设计选择：采用指数衰减而非线性惩罚，保证 $r_t > 0$ 且对小变更宽容、大变更敏感。

调整后得分

$$\tilde{R} = R - \lambda \cdot d$$

其中 $\lambda$ 为变更惩罚系数（超参数，经验值 0.01 ~ 0.1）

相对得分（批内归一化）

$$S(\text{PR}) = \tilde{R}(\text{PR}) - \bar{R}, \quad \bar{R} = \frac{1}{N}\sum_{i=1}^{N}\tilde{R}(\text{PR}_i)$$

综合评分函数

$$L(\text{PR}) = \min\left(r_t \cdot S,\ \text{clip}(r_t, 1{-}\epsilon, 1{+}\epsilon) \cdot S\right)$$

clip 操作限制变更惩罚权重的影响范围，$\epsilon$ 为截断参数（经验值 0.1 ~ 0.2）

两阶段选择

$$\text{PR}^*_{\text{idea}} = \arg\max_{\text{PR} \in \text{Rollouts}_{\text{idea}}} L(\text{PR})$$

$$\text{PR}^* = \arg\max_{\text{PR}^*_{\text{idea}}} L(\text{PR}^*_{\text{idea}}) , \quad \text{s.t. } \tilde{R}(\text{PR}^*_{\text{idea}}) \geq \tau$$

其中 $\tau$ 为质量阈值（经验值 0.5 ~ 0.7），低于此阈值的候选不予合并

边界情况处理

情况	处理
$\|\Delta\text{lines}\| > \text{max\_diff}$	$d$ 截断为 1，PR 受最大变更惩罚
所有候选 $\tilde{R} < \tau$	本轮不合并，跳过更新阶段
连续 5 轮无合并	触发早停，报告优化停滞

超参数说明

参数	含义	经验值	来源
$\beta$	变更惩罚敏感度	1.0 ~ 3.0	未经充分验证
$\lambda$	变更惩罚系数	0.01 ~ 0.1	未经充分验证
$\epsilon$	权重截断范围	0.1 ~ 0.2	借鉴 PPO
$\tau$	质量阈值	0.5 ~ 0.7	未经充分验证
max_diff	最大变更行数	500	经验估计

算法伪代码

Algorithm: FileEvo — 启发式迭代优化
────────────────────────────────────────────────────
输入:   C₀                  // 初始代码库
超参数:
        T = 50              // 最大迭代次数
        B = 3               // 批大小 (想法数)，约束: B ≤ K
        N = 2               // 每个方向的候选数
        K                   // 想法类型数量
        max_diff = 500      // 单次 PR 最大变更行数
        λ = 0.05            // 变更惩罚系数
        β = 2.0             // 变更惩罚敏感度
        ε = 0.2             // 权重截断参数
        τ = 0.6             // 质量阈值
        δ = 0.01            // 停止阈值
输出:   C*                  // 优化后的代码库 (当前解，非保证最优)

 1  C ← C₀
 2  history ← []
 3  no_merge_count ← 0                        // 连续无合并计数
 4  for t = 1 to T do
 5  │
 6  │   // 阶段 1: 批量采样 (生成 B 个不同类型的想法)
 7  │   Ideas ← SampleIdeas(C, B, K)          // |Ideas| = B, 类型互不相同
 8  │
 9  │   // 阶段 2: 并行展开 (B×N 个 worktree 并行执行)
10  │   PRs ← ∅
11  │   for each idea ∈ Ideas do in parallel
12  │   │   for j = 1 to N do in parallel     // 每个方向展开 N 次
13  │   │   │   PR ← CodeSynthesis(C, idea)   // 在 worktree_{idea,j} 中生成代码
14  │   │   │   PRs ← PRs ∪ {PR}
15  │   │   end
16  │   end                                   // 总共 B×N 个候选 PR
17  │
18  │   // 阶段 3: 评分与变更量计算
19  │   for each PR ∈ PRs do
20  │   │   R(PR) ← Σᵢ wᵢ · rᵢ(PR)           // 多目标评分
21  │   │   d(PR) ← min(1, |Δlines|/max_diff) // 变更量 (截断到 [0,1])
22  │   │   R̃(PR) ← R(PR) - λ · d(PR)         // 调整后得分
23  │   │   w(PR) ← exp(-β · d(PR))           // 变更惩罚权重
24  │   end
25  │
26  │   // 阶段 4: 选择最优 PR (带惩罚的贪婪选择)
27  │   R̄ ← mean({R̃(PR) : PR ∈ PRs})         // 批均值 (用于归一化)
28  │   for each PR ∈ PRs do
29  │   │   S(PR) ← R̃(PR) - R̄                 // 相对得分
30  │   │   L(PR) ← min(w(PR)·S(PR), clip(w(PR),1-ε,1+ε)·S(PR))
31  │   end
32  │   // 4a: 每个方向选最优候选
33  │   Candidates ← ∅
34  │   for each idea ∈ Ideas do
35  │   │   PRs_idea ← {PR ∈ PRs : PR.idea = idea}
36  │   │   PR_best ← argmax_{PR ∈ PRs_idea} L(PR)
37  │   │   Candidates ← Candidates ∪ {PR_best}
38  │   end
39  │   // 4b: 从 B 个候选中选全局最优 (需满足质量阈值)
40  │   Qualified ← {PR ∈ Candidates : R̃(PR) ≥ τ}
41  │   if Qualified = ∅ then
42  │   │   PR* ← ∅                            // 无合格候选
43  │   else
44  │   │   PR* ← argmax_{PR ∈ Qualified} L(PR)
45  │   end
46  │
47  │   // 阶段 5: 更新代码库 (离散选择，非梯度更新)
48  │   if PR* ≠ ∅ then
49  │   │   C ← Merge(C, PR*)                  // git merge
50  │   │   history.append(R̃(PR*))
51  │   │   no_merge_count ← 0
52  │   else
53  │   │   no_merge_count ← no_merge_count + 1
54  │   │   if no_merge_count ≥ 5 then
55  │   │   │   break                          // 连续无合并，早停
56  │   │   end
57  │   end
58  │
59  │   // 阶段 6: 停止条件检查 (非收敛保证)
60  │   if len(history) ≥ 10 and
61  │      |mean(history[-5:]) - mean(history[-10:-5])| < δ then
62  │   │   break                              // 得分提升趋于平稳
63  │   end
64  │
65  end
66  return C                                   // 返回当前解

CLI 命令速查

# 目标文件管理
viben evo create <name>                  # 创建 target.md 配置文件
viben evo create <name> -d "描述"        # 带描述创建

# 运行生命周期
viben evo start <target.md>              # 启动 FileEvo 循环
viben evo start <name>                   # 恢复已有运行
viben evo start <target.md> --dry-run    # 验证配置
viben evo status <name>                  # 查看状态
viben evo stop <name>                    # 停止运行
viben evo resume <name>                  # 恢复运行
viben evo list                           # 列出所有运行

# Idea 管理
viben evo generate-ideas <name> --types <types...>  # 生成 idea
viben evo generate-ideas <name> --iter 2            # 指定迭代
viben evo list-ideas <name>                         # 列出 idea
viben evo add-idea <name> <idea.md>                 # 添加外部 idea
viben evo promote-ideas <name> --ideas <id...>      # 转为任务
viben evo promote-ideas <name> --ideas <id> --start # 创建并启动

# 评估与选择
viben evo compute-reward <name>                # 计算奖励
viben evo compute-reward <name> --idea <id>    # 指定 idea
viben evo select <name>                        # PPO 选择最佳
viben evo select <name> --threshold 0.7        # 自定义阈值

# 任务合并与清理
viben task approve <task>        # 合并 winner PR
viben task cleanup <task>        # 清理 loser worktree

# 监控
viben swarm status --watch       # 实时监控 Agent 集群
viben swarm list                 # 列出所有 worktree

完整工作流示例

# 1. 创建目标文件
viben evo create my-optimization -d "优化代码质量"

# 2. 启动 FileEvo 循环
viben evo start my-optimization.md

# 3. 生成 idea (在 iter1/ 下)
viben evo generate-ideas my-optimization --types code_improvements

# 4. 查看生成的 idea
viben evo list-ideas my-optimization

# 5. 将 idea 转为 task 并启动
viben evo promote-ideas my-optimization --ideas po-a1b2c3d4 --start

# 6. 查看状态
viben evo status my-optimization

# 7. 监控任务执行
viben swarm status --watch

# 8. 计算奖励
viben evo compute-reward my-optimization --iter 1

# 9. 选择最佳候选
viben evo select my-optimization

# 10. 合并 winner，清理 loser
viben task approve <winner-task>
viben task cleanup <loser-task>

目录结构

.viben/evo/<run-name>/
├── state.json                      # FileEvo 状态
└── iter{N}/                        # 第 N 次迭代
    └── <idea-id>/                  # idea 目录
        ├── idea.md                 # idea 定义
        └── <task-name>/            # rollout task
            ├── reward.json         # reward 结果
            └── reward.log.jsonl    # reward agent 执行日志

Reward 格式:

{
  "total_score": 0.825,
  "diff_lines": 50,
  "scores": {
    "code_quality": { "score": 0.85, "reasoning": "..." },
    "agent_review": { "score": 0.80, "reasoning": "..." }
  },
  "computed_at": "2026-03-27T10:30:00Z"
}

📋 任务系统

状态机驱动的任务生命周期管理，支持看板、队列和自动化执行。

任务生命周期

%%{init: {'theme': 'base', 'themeVariables': { 'primaryColor': '#dbeafe', 'lineColor': '#64748b', 'primaryTextColor': '#1e293b'}}}%%
stateDiagram-v2
    [*] --> backlog: 创建

    backlog --> queue: enqueue
    backlog --> cancelled: cancel

    queue --> in_progress: start
    queue --> backlog: dequeue
    queue --> paused: pause

    state in_progress {
        direction LR
        [*] --> plan
        plan --> implement
        implement --> check
        check --> fix: 失败
        fix --> check
    }

    in_progress --> review: QA通过
    in_progress --> paused: pause
    in_progress --> failed: 错误

    paused --> queue: resume
    paused --> backlog: abandon

    review --> completed: approve
    review --> backlog: reject

    failed --> queue: retry
    failed --> backlog: abandon

    completed --> [*]
    cancelled --> [*]

    classDef waiting fill:#e0f2fe,stroke:#3b82f6,color:#1e40af
    classDef active fill:#dcfce7,stroke:#22c55e,color:#166534
    classDef review fill:#fef3c7,stroke:#f59e0b,color:#92400e
    classDef done fill:#bbf7d0,stroke:#16a34a,color:#166534
    classDef error fill:#fee2e2,stroke:#ef4444,color:#991b1b

    class backlog,queue,paused waiting
    class in_progress active
    class review review
    class completed done
    class failed,cancelled error

内部流程: in_progress 状态内部执行 plan → implement → check → fix 循环

状态	说明	触发命令
`backlog`	待办，等待排队	`task create`
`queue`	已排队，等待执行	`task enqueue`
`in_progress`	执行中 (plan → implement → check)	`task start`
`paused`	已暂停，保留进度	`task pause`
`review`	等待人工审核	自动 (QA 通过)
`completed`	已完成	`task approve`
`failed`	执行失败	自动
`cancelled`	已取消	`task cancel`

任务目录结构

.viben/tasks/<date>-<slug>/
├── task.json           # 任务元数据 (状态、配置、时间戳)
├── events.jsonl        # 事件历史 (状态转换记录)
├── prd.md              # 产品需求文档
├── implement.jsonl     # 实现阶段上下文注入
├── check.jsonl         # 检查阶段上下文注入
└── logs/               # 执行日志

CLI 命令速查

创建与配置

viben task create "<title>" --slug <name>    # 创建任务
viben task init-context <task>               # 初始化上下文文件
viben task add-context <task> <file> -r "原因"  # 添加上下文文件
viben task set-agent <task> -a <agent>       # 设置智能体

执行流程

viben task enqueue <task>    # backlog → queue
viben task start <task>      # queue → in_progress
viben task pause <task>      # 暂停执行
viben task resume <task>     # 恢复执行
viben task status <task>     # 查看状态

审核与完成

viben task review <task>     # 用户手动审核任务
viben task approve <task>    # review → completed
viben task reject <task>     # review → backlog
viben task retry <task>      # failed → queue
viben task cancel <task>     # * → cancelled

辅助命令

viben task list              # 列出所有任务
viben task context <task>    # 获取指定任务的会话上下文
viben task plan-phase <task> # 执行计划阶段
viben task work-phase <task> # 执行工作阶段
viben task create-worktree <task> # 创建 Git 工作树
viben task create-pr <task>  # 从任务创建 PR
viben task archive <task>    # 归档已完成任务

💡 Idea 生成

AI 驱动的代码库分析，自动生成改进建议并转化为任务。

内置类型	说明
`code_improvements`	基于现有模式的代码改进
`security_hardening`	安全漏洞和加固措施
`performance_optimizations`	性能瓶颈和优化
`documentation_gaps`	缺失的文档
`ui_ux_improvements`	UI/UX 增强
`code_quality`	代码质量和重构

# 生成代码改进建议
viben idea generate --types code_improvements security_hardening

# 查看生成的想法
viben idea list

# 将想法转为任务
viben idea promote ci-001

# 将想法转为任务并立即启动（支持 task create 的所有选项）
viben idea promote ci-001 --start --worktree

支持在 docs/idea-types/*.md 创建自定义类型 prompt 模板

⚙️ 配置

~/.viben/
├── providers.yaml    # API Keys, Endpoints
├── models.yaml       # 模型参数
├── agents/           # Agent 定义
│   └── <name>/
│       └── AGENTS.md
├── cron.yaml         # 定时任务
├── channels.yaml     # 通知渠道
└── workspaces.yaml   # 工作空间

📚 文档

完整文档请访问：linxueyuan.online/viben

📦 下载

🖥️ 桌面应用

平台	下载
🍎 macOS (Apple Silicon)	.dmg (arm64)
🍎 macOS (Intel)	.dmg (x86_64)
🪟 Windows	.msi / .exe (64-bit)
🐧 Linux	.deb (Debian/Ubuntu)

💡 桌面应用已内置 Viben CLI，无需单独安装。

💻 CLI

# Shell (macOS/Linux)
curl -fsSL https://github.com/LinXueyuanStdio/viben/releases/latest/download/install.sh | bash

# npm (macOS/Linux/Windows)
npm install -g viben

# Homebrew (macOS/Linux)
brew tap LinXueyuanStdio/viben && brew install viben

# 或直接运行 (无需安装, macOS/Linux/Windows)
npx viben

💡 Windows 用户: 推荐使用 npm install -g viben 或 npx viben，需要先安装 Node.js 18+。

🛠️ 开发者指南

📋 环境要求

Node.js >= 20
pnpm >= 9.15
Rust (桌面应用)

🚀 快速开始

git clone https://github.com/LinXueyuanStdio/viben.git
cd viben && pnpm install

pnpm build              # 构建
pnpm desktop:restart    # 桌面应用开发
pnpm gateway:restart    # 启动 Gateway

📁 项目结构

apps/
├── cli/        # viben 命令行
├── desktop/    # Tauri 桌面应用
└── web/        # Next.js (MCP 市场)

packages/
├── core/       # 核心库 + Gateway
├── ui/         # UI 组件库
├── chat/       # 聊天组件
└── kanban/     # 看板组件

🔧 技术栈

类别	技术
📝 语言	TypeScript
🖥️ 桌面	Tauri 2 + React 19 + Vite
🌐 Web	Next.js 15
🎨 样式	Tailwind CSS 4 + Radix UI
📊 状态	Zustand
🔨 构建	pnpm + Turborepo

📄 许可证

MIT

🧬 FileEvo 代码迭代优化多候选采样 + 质量评估自动选择最优方案合并	🤖 多智能体 Agent 集群编排并行 Worktree 隔离自动化任务分发与监控	🔌 MCP 协议 Model Context Protocol 工具注册与调用扩展 Agent 能力边界
📋 任务系统状态机驱动看板 + 队列 + 自动执行完整的任务生命周期管理	💡 Idea 生成 AI 驱动代码分析自动发现改进点一键转化为可执行任务	🖥️ 跨平台 CLI / Desktop / Web Tauri 2 桌面应用三端统一体验

Browse MCP

Installation

Reviews

Documentation

微本

Agent 集群 × 代码进化

FileEvo: 生成多个候选方案 → 多维度评估 → 选择最优合并

✨ 特性

🧬 FileEvo

🤖 多智能体

🔌 MCP 协议

📋 任务系统

💡 Idea 生成

🖥️ 跨平台

🧬 FileEvo: 代码迭代优化

算法概述

📋 任务系统

任务生命周期

任务目录结构

💡 Idea 生成

⚙️ 配置

📚 文档

📦 下载

🖥️ 桌面应用

💻 CLI

📋 环境要求

🚀 快速开始

📁 项目结构

🔧 技术栈

📄 许可证