Optima-CityU/LLM4AD_Next

A next-generation automatic algorithm design platform, making automated algorithm design more accessible and easier to use

📦 什么是 LLM4AD Next？

LLM4AD Next（原 LLM4AD 项目的继任者）是一个基于 Python 的平台，让您用自然语言描述问题，并立即获得一个完整、可运行的进化算法搜索管道。它结合了：

端到端流程为：问题描述 → AI 生成项目 → 进化优化 → 最佳算法代码——全部通过单个命令触发。

功能	说明
LLM 驱动的交互式配置（`llm4ad chat`）	对话式终端，询问有关任务的信息，并创建一个可直接运行的项目（评估器、算法骨架、配置、调试器）。
自动启发式设计（AHD）搜索方法	内置编排器，如 IslandGA、Diverse Island GA、EoH、MEoH、ReEvo、MCTS-AHD、DyCA 等（部分已有 Python 实现，其他标记为待定）。
算法设计技能	模块化技能定义（例如 `EoH`、`FunSearch`、`MOEA/D`），使编码代理能够自主地为给定问题设计算法。
Evolve-Block 顾问与推荐器	将工具指向任何代码仓库；它会扫描、评分，并建议哪些代码块最值得进化。
AutoResearch 工作流	一个实验模式（`llm4ad experiment`），运行 AutoResearchClaw 管道，进化算法并仅保留改进。
长期记忆（MindMemOS）	全局/项目/任务范围的记忆，带有可选的聊天/嵌入模型绑定。
Web 演示和 Docker 镜像	托管的在线演示（`https://llm4ad-next.cn/`），无需本地安装，以及用于可重现本地部署的版本化 Docker 镜像。
丰富的示例	诸如 AlphaEvolve Mathematics 套件、TSP、lunar-lander RL、排序基准等基准测试，带有现成的配置和结果产物。

步骤	命令 / 操作
克隆	`git clone https://github.com/Optima-CityU/LLM4AD_Next.git && cd LLM4AD_Next`
依赖项	安装 uv（推荐）然后运行 `uv sync`（或 `pip install -r requirements.txt`）。
配置 LLM 提供商	设置环境变量或创建 `~/.llm4ad/settings.yaml`，包含提供商信息（OpenAI、Anthropic 等）。
运行交互式构建器	`llm4ad chat` – AI 会询问您问题并生成完整项目。
运行准备好的示例	`llm4ad run examples/applications/tsp_benchmark_python/config.yaml`
在线演示（无需安装）	打开 https://llm4ad-next.cn/ 并在浏览器中开始设计算法。

该包已在 PyPI（llm4ad-next）上发布，需要 Python 3.12+。

src/llm4ad/ – 核心库：代理、顾问、构建器、规划器、编码器、评估器、编排器、记忆、基础设施。
skills/ – 用于算法设计、论文到任务转换、研究阶段写作等的可重用“技能”定义。
examples/ – 现成的基准测试任务（数学优化、TSP、RL、排序）和自动应用演示。
docker/、frontend/、backend/ – Docker compose、FastAPI 后端、用于 Web 演示的 React/Vite UI。
docs/ – MkDocs 网站，包含完整的用户指南、安装、配置和贡献文档。

描述您的问题（例如，“为 200 个城市找到高质量的旅行商路线”）。
运行 llm4ad chat；AI 会问澄清问题，并创建一个包含以下内容的项目文件夹：
- 一个可以对候选解决方案评分的评估器，
- 一个骨架算法（例如 GA 模板），
- 一个选择搜索方法的配置文件（config.yaml）。
（可选）调整配置或添加自定义评估代码。
执行 llm4ad run <config.yaml> – 所选进化搜索运行，反复生成和评估代码变体。
当进化停止时，最佳性能的算法代码会被保存，并可以检查或部署。

在线文档：docs/en/index.md（涵盖安装、快速入门、配置、编写评估器等内容）。
视频教程：https://youtu.be/x47kEosu0jk
社区：GitHub Discussions、Issues 和微信二维码社区群。
贡献：按照 docs/en/contributing/guidelines.md 中的指南；使用 pytest 运行测试，并使用 black/ruff 格式化。

BSD-3-Clause（参见 LICENSE）。

TL;DR – LLM4AD Next 是一个真正的、积极维护的开源工具，它将对话式 LLM 辅助与进化算法搜索相结合，让用户能够通过单个命令从简单的英文问题陈述到可工作的、优化的算法。