用途：Hyperagent 提供一个自指式自我改进循环，让元智能体（由 LLM 扮演）反复修改任务智能体的代码，以优化任意可度量的目标，例如让 Python 脚本更快、提升提示词准确率等。
主要能力：系统由任务智能体和元智能体两部分组成，同处一个可编辑代码库。元智能体分析任务性能历史，提出对任务智能体代码乃至自身策略的修改；采用基于种群的归档保留所有成功变体，所有改动都须经基准测量验证，并维护持久记忆与性能追踪。元级改进（评估策略、假设生成模式等）可跨领域迁移。
使用方式：先用 scripts/init_session.py 定义优化目标并初始化会话，再运行 scripts/run_task.py 评估基线，随后进入「选择父代→修改→评估→记录」循环，由 scripts/select_parent.py、scripts/log_variant.py 等支持，scripts/render_report.py 生成 HTML 报告。需准备 hyperagent.md、task.sh（输出 METRIC name=value）、checks.sh 等文件。
适用场景：优化脚本性能、改进提示词、演进函数实现、自我改进任意 Python 智能体脚本等。
限制：没有 generate_variant.py，变体生成由 LLM 智能体本身完成；需自行提供可测量的指标与正确性检查；需注意元智能体策略过拟合、归档膨胀、自我修改破坏循环等风险。
（注：该工具基于论文思路构建，具体效果、收费与平台支持等信息资料暂未提供。）