# xingjian-bai/opal

- 原标题：xingjian-bai/opal
- 类型：项目
- 来源：GitHub
- 发布时间：2026-10-21
- 首次精选：2026-10-26 15:45
- 分级：值得看
- 学习层级：深入
- 主题：[pretraining-data](<https://oplearnx.com/md/topics/pretraining-data.md>)（第 15 位）、[coding-agents-engineering](<https://oplearnx.com/md/topics/coding-agents-engineering.md>)（第 59 位）
- 原文链接：[https://github.com/xingjian-bai/opal](<https://github.com/xingjian-bai/opal>)
- 本站页面：[https://oplearnx.com/resources/pk\_b4206a561f46](<https://oplearnx.com/resources/pk_b4206a561f46>)

## 摘要

这是一个 PyTorch 优化器包装器项目，名为 OPAL（OPtimizer with an Agent in the Loop）。它让编码智能体在模型训练过程中持续改写优化器：用户用一行代码包装现有优化器，智能体（Claude Code）定期读取运行报告，决定是否重写把梯度转为更新的优化器程序，以及用于衡量指标的析程序。标签包括深度学习、LLM 智能体、优化器、PyTorch。

## 热度

- 档位：有热度
- 7 天新增 star：+54
- 30 天新增 star：+145
- Hacker News：没有
- 社区讨论：0 帖

## 项目信息

- 语言：Python
- 许可：MIT
- 最近提交：2026-10-30
- Star：254
- Fork：13

## 上手方式

```bash
pip install opal-optimizer           # or: git clone, then pip install -e ".[examples]"
opal doctor                          # torch and Claude Code ready?
```

摘自 [README](<https://github.com/xingjian-bai/opal/blob/main/README.md>)

## 原文涉及

- [Reactive Optimizers](<https://xingjianbai.com/reactive-optimizers/>)

---
来源：LearnMap · 学径（https://oplearnx.com）