Panduan penerapan kasus penggunaan

Setelah Anda memutuskan bahwa kasus penggunaan pengoptimalan cocok untuk AlphaEvolve, gunakan langkah-langkah berikut untuk menerapkan kasus penggunaan dan menjalankan eksperimen yang diperlukan:

  1. Penyiapan dan kepatuhan lingkungan:

    1. Mengonfigurasi lingkungan: Siapkan lingkungan mesin penemuan atau Enterprise Gemini dan akun layanan AlphaEvolve.

    2. Pemeriksaan kepatuhan: Validasi batasan infosec, risiko, dan kepatuhan yang berlaku untuk lingkungan yang relevan dengan kasus penggunaan dan industri Anda.

  2. Pengaktifan awal: Pahami cara kerja AlphaEvolve dengan menjalankan colab tutorial.

  3. Tentukan parameter eksperimen: Tentukan parameter eksperimen dan tujuan pengoptimalan berdasarkan persyaratan kasus penggunaan Anda:

    1. Apa tujuan pengoptimalan Anda?
    2. Bahasa pemrograman apa yang harus digunakan?
    3. Apa ruang desain Anda dan apa batasan Anda?

  4. Desain dan konfigurasi eksperimen:

    Anda dapat mendekati tahap ini melalui konfigurasi manual atau jalur agentik otomatis:

    Opsi A: Desain eksperimen manual dan konfigurasi heuristik:

    1. Formulasikan program awal yang akan menjadi benih, tambahkan konteks, dan beri tag dengan #EVOLVE-BLOCKS yang sesuai.

    2. Rancang metrik evaluator dan terapkan harness evaluasi yang sesuai.

    3. Konfigurasi hyperparameter heuristik dan mulai eksperimen.

    Opsi B: Jalur agentic alternatif: Gunakan framework coding agentic pilihan Anda (Gemini CLI, Antigravity, dan sebagainya) bersama dengan file keterampilan AlphaEvolve untuk mendesain eksperimen,membuat alat evaluasi, dan mengonfigurasi parameter heuristik.

  5. Eksekusi dan analisis:

    1. Pantau: Amati eksperimen Anda dengan cermat dan periksa masalah konvergensi yang mungkin muncul.

    2. Analisis: Tinjau hasilnya secara menyeluruh.

  6. Lakukan iterasi:

    1. Lakukan iterasi pada eksperimen awal sesuai kebutuhan dengan menyesuaikan konteks, mengembangkan blok, dan metrik evaluasi berdasarkan hasil dari eksperimen awal.

    2. Sebagian besar kasus penggunaan AlphaEvolve yang paling menarik akan memerlukan lebih dari satu eksekusi heuristik untuk mendapatkan hasil yang optimal.