Optima-CityU/LLM4AD_Next

📦 LLM4AD Next とは？

LLM4AD Next（元の LLM4AD プロジェクトの後継）は、問題を自然言語で記述すると、すぐに完全で実行可能な進化的アルゴリズム探索パイプラインが得られるPythonベースのプラットフォームです。以下を組み合わせています：

• 対話型AI「コンサルタント」（llm4ad chat）が、あなたに質問しながら、スキャフォールディングコード、設定ファイル、評価器を作成します。
• アルゴリズム実装を進化させる探索/オーケストレータ手法（IslandGA、Diverse Island GA、EoH、MEoH、ReEvo、MCTS‑AHDなど）のコレクション。
• 特定のヒューリスティック（例：EoH、MOEA/D）を構築する方法をエンコードしたアルゴリズム設計スキル。AIが自動的に呼び出せます。

エンドツーエンドの流れは：問題記述 → AI生成プロジェクト → 進化的最適化 → 最適アルゴリズムコード で、すべて単一のコマンドから実行されます。

---

🚀 主な機能（READMEに記載の通り）

機能	説明
LLMによる対話型設定（llm4ad chat）	タスクについて質問し、実行可能なプロジェクト（評価器、アルゴリズムスケルトン、設定、デバッガ）を作成する対話型ターミナル。
自動ヒューリスティック設計（AHD）探索手法	IslandGA、Diverse Island GA、EoH、MEoH、ReEvo、MCTS‑AHD、DyCAなどの組み込みオーケストレータ（一部はPython実装済み、他は保留中とマーク）。
アルゴリズム設計スキル	コードエージェントが特定の問題に対して自律的にアルゴリズムを設計できるようにする、モジュール式のスキル定義（例：EoH、FunSearch、MOEA/D）。
Evolve‑Block Advisor & Recommender	任意のコードリポジトリを指定すると、スキャンしてスコアリングし、進化させるのに最も有望なコードブロックを提案します。
AutoResearchワークフロー	AutoResearchClaw パイプラインを実行する実験モード（llm4ad experiment）。アルゴリズムを進化させ、改善のみを保持します。
長期記憶（MindMemOS）	グローバル/プロジェクト/タスク単位のメモリ。オプションのチャット/埋め込みモデルバインディング付き。
WebデモとDockerイメージ	ローカルインストール不要のホスト型オンラインデモ（https://llm4ad-next.cn/）、再現可能なローカルデプロイ用のバージョン管理されたDockerイメージ。
豊富な例	AlphaEvolve Mathematics スイート、TSP、lunar‑lander RL、ソートベンチマークなどのベンチマーク。実行可能な設定と結果成果物付き。

---

🛠️ インストールとクイックスタート

ステップ	コマンド / アクション
クローン	git clone https://github.com/Optima-CityU/LLM4AD_Next.git && cd LLM4AD_Next
依存関係	uv をインストール（推奨）し、uv sync を実行（または pip install -r requirements.txt）。
LLMプロバイダの設定	環境変数を設定するか、~/.llm4ad/settings.yaml を作成し、プロバイダ情報（OpenAI、Anthropicなど）を記入します。
対話型ビルダーの実行	llm4ad chat – AIが問題について質問し、完全なプロジェクトを生成します。
用意された例の実行	llm4ad run examples/applications/tsp_benchmark_python/config.yaml
オンラインデモ（インストール不要）	https://llm4ad-next.cn/ を開き、ブラウザでアルゴリズム設計を開始します。

パッケージはPyPI（llm4ad‑next）に公開されており、Python 3.12+ が必要です。

---

📂 プロジェクト構成（概要）

• src/llm4ad/ – コアライブラリ：エージェント、アドバイザ、ビルダー、プランナー、コーダー、評価器、オーケストレータ、メモリ、インフラ。
• skills/ – アルゴリズム設計、論文からタスクへの変換、研究段階の文章作成などのための再利用可能な「スキル」定義。
• examples/ – 実行可能なベンチマークタスク（数学最適化、TSP、RL、ソート）と自動適用デモ。
• docker/、frontend/、backend/ – Docker compose、FastAPIバックエンド、Webデモ用のReact/Vite UI。
• docs/ – 完全なユーザーガイド、インストール、設定、貢献ドキュメントを含むMkDocsサイト。

---

🎯 典型的なユースケースワークフロー

1. 問題を記述します（例：「200都市の高品質な巡回セールスマンルートを見つける」）。
2. llm4ad chat を実行します。AIが明確化の質問をし、以下を含むプロジェクトフォルダを作成します：
   • 候補解を評価できる評価器、
   • スケルトンアルゴリズム（例：GAテンプレート）、
   • 探索手法を選択する設定ファイル（config.yaml）。
3. 必要に応じて設定を調整したり、カスタム評価コードを追加します。
4. llm4ad run <config.yaml> を実行します。選択した進化的探索が実行され、コードバリアントを繰り返し生成・評価します。
5. 進化が停止すると、最良のアルゴリズムコードが保存され、検査またはデプロイできます。

---

📚 ドキュメントとヘルプ

• オンラインドキュメント：docs/en/index.md（インストール、クイックスタート、設定、評価器の書き方などをカバー）。
• ビデオチュートリアル：https://youtu.be/x47kEosu0jk
• コミュニティ：GitHub Discussions、Issues、WeChat QRコードコミュニティグループ。
• 貢献：docs/en/contributing/guidelines.md のガイドに従い、pytest でテストを実行し、black/ruff でフォーマットします。

---

📄 ライセンス

BSD‑3‑Clause（LICENSE を参照）。

---

要約 – LLM4AD Next は、真に維持されているオープンソースツールであり、対話型LLM支援と進化的アルゴリズム探索を融合し、平易な英語の問題文から、動作する最適化されたアルゴリズムを単一コマンドで得ることができます。