aideml

环境要求

• Python 3.10 或更高版本
• 已安装 pip，可访问 PyPI 或 GitHub
• 使用 OpenAI 等模型时需要有效的 API Key
• 运行优化前需准备好数据集目录（如 example_tasks/house_prices）

安装与启动步骤

1. 1安装 aideml

   用 pip 从 PyPI 安装或升级 aideml 包，安装完成后即得到 aide 命令行工具。

   pip install -U aideml

   复制

2. 2准备数据与任务

   准备一个数据目录，并想好任务目标（goal）与评估指标（eval），README 示例为房价预测。

3. 3运行一次优化

   通过 key=value 形式传入数据目录、目标和指标，AIDE 会自动写码、跑实验并迭代。

   aide data_dir="example_tasks/house_prices" \
        goal="Predict the sales price for each house" \
        eval="RMSE between log-prices"

   复制

4. 4查看运行结果

   运行结束后进入 logs/<id>/ 目录，best_solution.py 是最优代码，tree_plot.html 可查看解空间搜索树。

5. 5更换模型与步数

   追加参数可切换写码模型、调整迭代步数与每步草稿数，无需改动代码。

   aide agent.code.model="claude-4-sonnet" \
        agent.steps=50 \
        data_dir=… goal=… eval=…

   复制

6. 6Docker 方式运行

   先构建镜像，再挂载 logs、workspaces、数据目录并注入 OPENAI_API_KEY 启动。

   docker build -t aide .
   docker run -it --rm \
     -v "${LOGS_DIR:-$(pwd)/logs}:/app/logs" \
     -v "${WORKSPACE_BASE:-$(pwd)/workspaces}:/app/workspaces" \
     -v "$(pwd)/aide/example_tasks:/app/data" \
     -e OPENAI_API_KEY="sk-xxxxxxxx" \
     aide data_dir=/app/data/house_prices goal="Predict price" eval="RMSE"

   复制

7. 7开发模式安装

   需要改源码时，克隆仓库后以可编辑模式安装，便于本地调试。

   git clone https://github.com/WecoAI/aideml.git
   cd aideml && pip install -e .

   复制

关键配置

如何确认成功

运行结束后在 logs/<id>/ 下生成 best_solution.py 和 tree_plot.html，即表示优化流程正常完成。

常见问题

注意事项

• 使用云端 LLM 时需要在环境中提供有效的 API Key（Docker 通过 -e OPENAI_API_KEY 注入）。
• Docker 方式需先执行 docker build -t aide . 构建镜像，并挂载 logs 与 workspaces 目录以持久化结果。
• 本仓库是 AIDE 算法的开源参考实现，README 中另提供 Weco 的生产环境方案入口。