近年来，基于大语言模型（LLM）引导的进化计算取得了显著进展，尤其是AlphaEvolve（Novikov等，2025；Georgiev等，2025）在发现新型数学构造及求解复杂优化问题方面展现出卓越能力。然而，现有研究发表的高阶描述中缺乏关键实现细节，导致结果难以复现，限制了后续研究的深入发展。为此，本文提出GigaEvo——一个可扩展的开源框架，旨在支持研究人员对受AlphaEvolve启发的混合式LLM-进化计算方法进行研究与实验。GigaEvo系统提供了多个核心组件的模块化实现：MAP-Elites质量-多样性算法、基于有向无环图（DAG）的异步评估流水线、具备洞察生成能力的LLM驱动突变算子以及双向谱系追踪机制，同时支持灵活的多岛屿进化策略。为验证实现的可复现性并评估性能，我们在AlphaEvolve论文中的三个挑战性问题上对GigaEvo进行了测试：海布伦三角形布局问题、正方形内圆 packing 问题，以及高维接触数（kissing numbers）问题。该框架强调模块化设计、并发执行能力与实验便捷性，通过声明式配置实现快速原型开发。本文详细阐述了系统架构、实现决策过程及实验方法论，以推动LLM驱动进化计算领域的进一步研究。GigaEvo框架及其全部实验代码已开源，可访问 https://github.com/AIRI-Institute/gigaevo-core 获取。