自定义¶

学习如何扩展 EvoToolkit 以解决您的特定优化问题。

自定义选项¶

自定义任务¶

→ 开始教程

为特定领域问题创建您自己的优化任务。

您将学到: - 扩展 Task 基类 - 实现自定义评估逻辑 - 定义解空间 - 与进化算法集成

前置条件: 基础 EvoToolkit 知识（科学符号回归教程）

自定义进化方法¶

→ 开始教程

学习如何通过修改 prompt 或开发新算法来自定义进化行为。

您将学到: - 理解 Interface 架构 - 自定义 LLM prompt 以改进结果 - 为特定任务设计专门的 prompt - 开发全新的进化算法（高级） - 实现温度退火等自定义策略

前置条件: 基础 EvoToolkit 知识（科学符号回归教程）

何时自定义¶

创建自定义任务的时机：¶

您的问题领域未被内置任务覆盖
您需要特定的评估指标
您想优化特定领域的代码或结构
您需要自定义约束或验证

自定义进化方法的时机：¶

默认 prompt 对您的任务效果不佳
您想将领域知识融入进化过程
您需要特殊的变异或交叉策略
您想尝试新颖的进化方法

快速开始示例¶

自定义任务示例¶

from evotoolkit.core import BaseTask, Solution

class MyCustomTask(BaseTask):
    def evaluate(self, solution: Solution) -> float:
        # 您的评估逻辑
        return fitness_score

自定义接口示例¶

from evotoolkit.task.python_task import EvoEngineerPythonInterface

class MyCustomInterface(EvoEngineerPythonInterface):
    def get_prompt_components(self):
        # 为您的任务自定义 prompt
        return custom_prompts

最佳实践¶

从简单开始： 在创建全新任务之前，先尝试修改现有任务或 prompt
充分测试： 使用已知解验证您的自定义评估逻辑
良好文档： 清楚地记录您的任务需求和约束
分享成果： 考虑将您的自定义任务贡献给社区

下一步¶

掌握自定义后： - 探索高级用法了解低级 API 控制 - 查看 API 参考获取详细文档 - 在 GitHub 讨论中分享您的自定义任务