OpenAlpha_Evolve: 参与并改进本项目

OpenAlpha_Evolve 是一个开源 Python 框架，其灵感源于 DeepMind 的 AlphaEvolve 等自主编码智能体的开创性研究。它是核心理念的再生：一个利用 LLM（通过 LiteLLM）并以进化原理为指导，能够迭代式编写、测试和改进代码的智能系统。

我们的使命是为研究人员、开发人员和爱好者提供一个易于访问、理解和扩展的平台，以探索 AI、代码生成和自动化问题解决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：进化循环
• 🚀 核心功能
• 📂 项目结构
• 🏁 快速开始
• 💡 定义你自己的算法任务！
• 🔮 地平线：未来演进
• 🤝 加入进化：如何贡献
• 📜 许可证
• 🙏 致敬

---

✨ 愿景：AI 驱动的算法创新

想象一个智能体能够：

• 理解复杂的问题描述。
• 生成初始算法解决方案。
• 严格测试其生成的代码。
• 从失败和成功中学习。
• 随着时间的推移，演化出日益复杂和高效的算法。

OpenAlpha_Evolve 正是迈向这一愿景的一步。它不仅仅是生成代码，更是创建一个能够自主“发现”并“优化”解决方案的系统。

---

🧠 工作原理：进化循环

OpenAlpha_Evolve 采用模块化的、基于智能体的架构来编排进化过程：

1. 任务定义 (Task Definition)：由用户定义算法“任务”——即需要解决的问题，包括输入示例和预期输出。
2. 提示工程 (PromptDesignerAgent)：该智能体为 LLM 设计智能提示词。它负责设计：
   • 初始提示 (Initial Prompts)：生成第一批候选解决方案。
   • 变异提示 (Mutation Prompts)：对现有方案引入变异和改进，通常要求以“diff”格式提供更改。
   • Bug 修复提示 (Bug-Fix Prompts)：引导 LLM 纠正之前尝试中的错误，通常也预期返回“diff”。
3. 代码生成 (CodeGeneratorAgent)：由 LLM（当前配置为 Gemini）驱动，该智能体接收提示词并生成 Python 代码。如果请求并接收到了“diff”，它会尝试将更改应用到父级代码中。
4. 评估 (EvaluatorAgent)：对生成的代码进行测试！
   • 语法检查：代码是否是有效的 Python？
   • 执行：代码在临时、隔离的环境中针对任务定义的输入/输出示例进行运行。
   • 适应度评分 (Fitness Scoring)：程序根据正确性（通过了多少测试用例）、效率（运行时间）及其他潜在指标进行评分。
5. 数据库 (DatabaseAgent)：存储所有程序（代码、适应度分数、生成记录、血缘关系），从而建立进化史记录（目前基于内存）。
6. 选择 (SelectionControllerAgent)：实践“适者生存”原则。该智能体负责选择：
   • 父代 (Parents)：从当前代中挑选有前途的程序来产生后代。
   • 幸存者 (Survivors)：从当前种群和新后代中挑选最佳程序进入下一代。
7. 迭代：该循环重复指定的代数，每一代都旨在产生比前一代更好的解决方案。
8. 编排 (TaskManagerAgent)：操作的指挥官，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 Large Language Models，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）以及生存竞争实现迭代改进。
• 模块化智能体架构：易于扩展或替换单个组件（例如使用不同的 LLM、数据库或评估策略）。
• 自动化程序评估：语法检查以及针对用户提供示例的功能测试。代码执行使用 Docker 容器 进行沙箱隔离，以提高安全性和依赖管理。