MLE Evolver

面向机器学习工程师的自主 Agent：生成代码 → 沙盒执行 → 捕获报错与指标 → 自我修正 → 再次执行，形成完整的自进化闭环。

为什么不一样

市面上的"AI 写代码"大多是单次生成（zero-shot），跑挂了还得人来擦屁股。MLE Evolver 的核心是一个反馈闭环（Feedback Loop）：

1. 根据任务描述生成可运行的训练 / 评估脚本
2. 在沙盒中真实执行，捕获 stderr 与模型指标
3. 定位问题并自我修正：
   • KeyError → 自动修复字段映射
   • 显存溢出（OOM）→ 自动调小 batch_size 重试
   • 指标不达标 → 调整特征工程策略再来一轮
4. 输出最终可复现的代码与实验报告

快速开始（BYOK）

本项目不提供在线试用，请自带任意兼容 OpenAI 协议的 API Key（各家都有免费额度）：

cp .env.example .env   # 填入你的 API Key
docker compose up -d   # 启动隔离沙盒（重要！Agent 会真实执行代码）
python -m mle_evolver run --task examples/titanic.yaml

⚠️ 安全提示：Agent 具备代码执行能力，务必在 Docker 沙盒中运行，不要在宿主机直接执行。

架构

Planner Agent → Coder Agent → Sandbox Runner → Critic Agent
      ↑__________________________________________|
                    （失败反馈自进化循环）

可定制方向

• 对接私有数据源 / 特征平台
• 自定义评估指标与早停策略
• 金融时序、CV、NLP 等垂直任务的工具链扩展

有定制需求？点右上角「求定制」发布悬赏。