GEPA（Generative Evolutionary Prompt Automation）是近期兴起的一个提示词自动优化框架，旨在通过生成式进化策略和结构化反馈来改进AI代理（特别是LLM驱动的智能体）的提示词性能。该框架针对当前提示工程依赖人工调试、效率低下的痛点，提供了一种自动化的反思式优化方案。
- 近期主要进展包括：
- 首个面向真实世界的测试时提示学习框架——EEVEE，该框架利用GEPA的思想，使LLM智能体能够在测试阶段通过自我改进提升性能，标志着GEPA从概念走向实际应用（原文标题: EEVEE：首个面向真实世界的测试时提示学习框架，让LLM智能体自我改进）。
- GEPA框架的详细方法论发布：它通过多组件提示（multi-component prompts）和结构化反馈（structured feedback）来实现反思式提示优化，采用“保持-验证（held-out validation）”策略，确保优化后的提示在未见过的数据上仍能保持鲁棒性（原文标题: GEPA 框架实现反思式提示优化：多组件提示与结构化反馈）。
- GEPA被成功集成到LangChain，用于自动优化AI链的性能，这表明主流AI开发框架开始采纳GEPA作为标准工具，进一步推动了其生态发展（原文标题: LangChain 集成 GEPA，优化 AI 链性能）。此外，还有第三方开发者展示了如何用GEPA一键优化任何CLI Agent的提示词，证明了其实用性和易用性（原文标题: 用GEPA自动优化任何CLI Agent的提示词）。
当前焦点在于GEPA是否能在不同任务和模型上稳定超越手工提示，以及“保持-验证”策略是否真正避免了过拟合；未来需观察其计算开销与收益的平衡，以及是否会成为提示工程领域的默认自动化标准。