教程¶

欢迎来到 EvoToolkit 教程！这些分步指南将帮助您掌握使用 LLM 进行进化优化。

入门指南¶

初次使用 EvoToolkit？从这里开始：

安装 - 设置您的环境
快速开始 - 5 分钟内运行您的第一个优化任务
科学符号回归教程 - 深入了解完整示例

教程分类¶

内置任务¶

学习如何使用 EvoToolkit 的预构建优化任务：

科学符号回归 - 从数据中发现数学方程
提示词工程 - 优化 LLM 提示词以提升性能
对抗攻击 - 生成对抗样本
CUDA 任务 - 优化 GPU 内核性能

自定义¶

扩展 EvoToolkit 以满足您的特定需求：

自定义任务 - 创建您自己的优化问题
自定义进化方法 - 修改 prompt 和算法

高级¶

掌握低级 API：

高级用法 - 精细控制和调试

教程概览¶

教程	难度	时间	涵盖主题
科学符号回归	初级	20 分钟	高级 API、真实数据集、方程进化
提示词工程	初级-中级	20 分钟	LLM prompt 优化、任务性能提升
对抗攻击	中级	25 分钟	进化对抗样本、攻击算法设计
CUDA 任务	高级	30 分钟	GPU 优化、CUDA 内核、性能
自定义任务	中级	20 分钟	创建任务、评估、自定义适应度
自定义进化方法	中级-高级	30 分钟	Prompt 工程、自定义算法、Interface 开发
高级用法	高级	25 分钟	低级 API、自定义配置、调试

快速参考¶

常见工作流模式¶

模式 1: 基础优化¶

import evotoolkit
from evotoolkit.task.python_task import EvoEngineerPythonInterface

interface = EvoEngineerPythonInterface(task)
result = evotoolkit.solve(interface, './results', llm_api)

模式 2: 算法比较¶

algorithms = [
    ('EoH', EoHPythonInterface(task)),
    ('EvoEngineer', EvoEngineerPythonInterface(task)),
    ('FunSearch', FunSearchPythonInterface(task))
]

for name, interface in algorithms:
    result = evotoolkit.solve(interface, f'./results/{name}', llm_api)

模式 3: 自定义配置¶

from evotoolkit.evo_method.evoengineer import EvoEngineer, EvoEngineerConfig

config = EvoEngineerConfig(
    interface=interface,
    output_path='./results',
    running_llm=llm_api,
    max_generations=20,
    pop_size=10
)

algorithm = EvoEngineer(config)
algorithm.run()

可下载示例¶

所有教程代码都可以作为 examples/ 目录中的独立 Python 脚本使用：

examples/scientific_regression/ - 科学方程发现
examples/custom_task/my_custom_task.py - 自定义任务实现
examples/cuda_task/kernel_optimization.py - CUDA 内核优化
examples/advanced/low_level_api.py - 低级 API 用法

克隆仓库开始：

git clone https://github.com/pgg3/evotoolkitkit.git
cd evotool/examples

需要帮助？¶

文档和资源¶

API 参考 - 详细的 API 文档
开发指南 - 贡献代码指南
高级示例 - 复杂用例参考

社区支持¶

GitHub 讨论 - 提问和分享项目
GitHub Issues - 报告问题和建议功能
示例库 - 社区贡献的示例
博客 - 文章和案例研究

直接联系¶

邮件: pguo6680@gmail.com

视频教程¶

即将推出！订阅我们的 YouTube 频道获取视频教程。