OpenAlpha_Evolve: 欢迎贡献以完善本项目

OpenAlpha_Evolve 是一个开源的 Python 框架，其灵感来自于 DeepMind 的 AlphaEvolve 等自主编程智能体的前沿研究。它是核心思想的重构：一个通过 LiteLLM 利用大语言模型（LLM）进行迭代式代码编写、测试和优化的智能系统，并遵循进化论原则。

我们的使命是为研究人员、开发者和爱好者提供一个易于访问、易于理解且可扩展的平台，以探索 AI、代码生成和自动解决问题之间迷人的交叉领域。

目录

• ✨ 愿景：AI 驱动的算法创新
• 🧠 工作原理：进化周期
• 🚀 核心功能
• 📂 项目结构
• 🏁 快速开始
• 💡 定义你自己的算法探索任务！
• 🔮 未来展望：进化之路
• 🤝 加入进化：如何贡献
• 📜 许可证
• 🙏 致敬

---

✨ 愿景：AI 驱动的算法创新

试想一个智能体能够：

• 理解复杂的算法问题描述。
• 生成初始的算法解决方案。
• 严谨地测试其自身生成的代码。
• 从成功与失败中汲取经验。
• 随着时间的推移，进化出日益复杂且高效的算法。

OpenAlpha_Evolve 正是迈向这一愿景的脚步。它不仅仅是为了生成代码，更是为了创建一个能够自动“发现”和“精炼”解决方案的系统。

---

🧠 工作原理：进化周期

OpenAlpha_Evolve 采用模块化的智能体架构来编排进化过程：

1. 任务定义 (Task Definition)：用户定义算法“探索任务”——即待解决的问题，包括输入示例和预期输出。
2. 提示词工程 (PromptDesignerAgent)：该智能体为 LLM 设计智能提示词，包括：
   • 初始提示词：用于生成第一批候选解决方案。
   • 变异提示词：对现有解决方案引入变异和改进，通常以“diff”格式要求更改。
   • Bug 修复提示词：引导 LLM 修复之前尝试中出现的错误，通常也要求输出“diff”。
3. 代码生成 (CodeGeneratorAgent)：由 LLM（目前配置为 Gemini）驱动，该智能体接收提示词并生成 Python 代码。如果请求并收到了“diff”，它会尝试将更改应用到父级代码上。
4. 评估 (EvaluatorAgent)：对生成的代码进行测试！
   • 语法检查：代码是否为有效的 Python 代码？
   • 执行：在临时的、隔离的环境中运行代码，比对任务中定义的输入/输出示例。
   • 适应度评分：根据正确性（通过了多少测试用例）、效率（运行时间）以及其他潜在指标对程序进行评分。
5. 数据库 (DatabaseAgent)：所有程序（代码、适应度评分、生成版本、谱系）都会被存储，从而创建进化的历史记录（目前存储在内存中）。
6. 选择 (SelectionControllerAgent)：实践“适者生存”原则。该智能体负责选择：
   • 父代：从当前代中挑选有前途的程序来繁衍后代。
   • 存活者：从当前种群和新产生的后代中选出最优程序进入下一代。
7. 迭代：该周期会重复定义数量的代数，每一代的目标都是比上一代产生更优秀的解决方案。
8. 编排 (TaskManagerAgent)：整个操作的指挥家，协调所有其他智能体并管理整体进化循环。

---

🚀 核心功能

• LLM 驱动的代码生成：通过 LiteLLM 利用最先进的大语言模型，支持多个提供商（OpenAI、Anthropic、Google 等）。
• 进化算法核心：通过选择、LLM 驱动的变异/Bug 修复（使用 diff）和优胜劣汰实现迭代式改进。
• 模块化智能体架构：易于扩展或替换各个组件（例如，使用不同的 LLM、数据库或评估策略）。
• 自动化程序评估：针对用户提供的示例进行语法检查和功能测试。代码执行通过 Docker 容器 进行沙箱隔离，以提高安全性和依赖管理。