GEPA (Gradient-based Evolutionary Prompt Architecture) introduce un método sistemático para optimizar prompts y habilidades en sistemas de agentes de IA. En lugar de depender de prueba y error manual, GEPA utiliza la retroalimentación de trayectoria de ejecuciones reales de agentes para identificar patrones de fallo, aplica análisis del frente de Pareto para equilibrar múltiples objetivos de optimización y emplea la fusión de módulos para combinar componentes de prompts exitosos. Este enfoque hace que la optimización de prompts sea más auditable y reproducible, abordando un punto crítico común en los despliegues de agentes en producción. La arquitectura es particularmente relevante para equipos que construyen agentes complejos de múltiples pasos donde la calidad del prompt impacta directamente las tasas de éxito de las tareas. Al tratar la optimización de prompts como un proceso basado en datos en lugar de un arte, GEPA ofrece un camino hacia sistemas de agentes más confiables y mantenibles. La metodología se puede extender a la selección de habilidades y la optimización del uso de herramientas, lo que la convierte en un marco versátil para el desarrollo de agentes.
GEPA es una arquitectura estructurada para optimizar prompts y habilidades en sistemas de agentes de IA utilizando retroalimentación de trayectoria, análisis del frente de Pareto y fusión de módulos. Transforma la ingeniería de prompts de una depuración ad-hoc a un proceso sistemático y auditable. Esto es significativo para desarrolladores que construyen agentes de producción confiables.