LoongFlow 是一个开源的专家级 Agent 开发框架，由 baidu-baige 维护，采用 Apache License 2.0 许可。其名称灵感来自王阳明的「龙场悟道」，致力于打破「知」与「行」之间的壁垒，让专业知识转化为 AI 生产力。
用途与定位
LoongFlow 面向需要长程推理的复杂任务，帮助开发者快速构建具备领域专家表现的 Agent。它强调的核心不是更优的变异，而是更好的思考、反思与经验积累。
主要能力
- PES 思考范式：核心为 Plan（规划）-Execute（执行）-Summary（总结）循环。规划阶段理解任务与约束、检索相关经验、设计执行蓝图；执行阶段进行结构化实验、校验中间结果；总结阶段反思成败、提取可复用洞察并写入结构化记忆。
- 持续学习：采用多结构融合记忆，Agent 在任务迭代中综合经验，实现「运行即改进」的轻量学习与进化，无需重度重训练。
- 进化记忆系统：结合多岛模型（Multi-Island）与 MAP-Elites 保持多样性，使用自适应 Boltzmann 选择平衡探索与利用，并借助全局进化树记忆支持长程经验检索与跳跃式推理。
使用方式
LoongFlow 需要 Python 3.12 或更高版本。可通过 GitHub 仓库获取代码，支持贡献流程（Fork、创建特性分支、提交 Pull Request）。它兼容任意 OpenAI 兼容 API，包括 OpenAI、Google 等商业服务，以及 vLLM、sglang 等本地部署，只需在配置中设置 llm_config 指向对应端点。框架提供交互式 Web 界面用于实时进化追踪，包括进化树、跨代性能跟踪、代码差异查看器和岛屿分布图。
适用场景
- General-Agent：灵活的技能驱动编码任务，从简单应用到 Bug 排查。
- Math-Agent：高效稳定地驱动数学算法设计与持续进化。
- ML-Agent：全流程自主构建机器学习方案并持续进化突破。
实证成果
在几何与代数领域的 11 项挑战中，LoongFlow 超越了所有已知最佳结果，并在其中 7 个问题上超过 AlphaEvolve，达到最新 SOTA。在 MLE-bench 的全部 48 项 Kaggle 竞赛中均获得奖牌，其中 26 枚金牌。此外还在数学谜题、MOE 负载均衡算法等问题上进行了验证。
限制与说明
有描述提到 CirclePacking 问题若使用 Gemini 3 Pro，总成本约 10 美元，但未提供完整定价体系。具体模型兼容性、性能基准等更多细节，暂未提供或需参考官方仓库文档。
