RSI 入门:圈两个标记,让 AI 替你迭代程序

60 分钟、10 个候选、两个标记。种子程序 + 一个分数,就能看着自己的算法被改得更好。

分享
RSI 入门:圈两个标记,让 AI 替你迭代程序

60 分钟,两个实验,10 个候选。你会亲眼看着自己写的一段圆填充代码被改得更好,而你要做的改动只有一件事:在文件里圈出两个标记。

这是 Google 官方那份 Get started with AlphaEvolve on Google Cloud 的第一课。它明确写着:面向各种水平的开发者,不需要演化计算背景。整个流程本地评测、不用 GPU、不用集群,唯一的云调用是用来生成候选程序的那个 API。

你会做什么

  • 给一个 Google Cloud 项目配上 AlphaEvolve 实验
  • 在本地跑一次演化搜索,让圆填充算法变好
  • 读分数、排名和最优程序的可视化
  • 换成旅行商问题(TSP)再跑一遍,让模式固定下来
  • 调搜索预算:候选数、并发、用哪个模型

需要什么

  • Chrome 之类的浏览器
  • 一个开了结算的 Google Cloud 项目
  • Python 3.9 以上,加 uv
  • 会基本 Python 和命令行

预计耗时 45–60 分钟。花费只有一项:AlphaEvolve API 调用和它消耗的 Vertex AI Gemini token;本地评测不收费,因为没有 GPU、没有 GKE。原文标注的测试环境是 AlphaEvolve Cloud 客户端库 v0.1.0、Python 3.9+,跑通了 circle_packing 和 tsp 两个例子。

三个概念:种子、标记、分数

跑之前先看清 AlphaEvolve 要的三样东西,这套心智模型后面每个实验都复用。

种子程序与 EVOLVE-BLOCK

AlphaEvolve 只重写两个标记之间的代码,文件里其他地方都是它碰不到的固定脚手架。

打开 examples/circle_packing/src/program.py,种子是一个朴素的心圆环排布:

# EVOLVE-BLOCK-START
"""Constructor-based circle packing for n=26 circles"""
import numpy as np


def construct_packing(n, random_seed: int):
    """Construct an arrangement of 26 circles in a unit square.

    The goal is to maximize the sum of their radii.
    Returns (centers, radii, sum_of_radii).
    """
    rng = np.random.default_rng(random_seed)
    centers = np.zeros((n, 2))

    # A simple starting pattern — evolution will improve this.
    centers[0] = [0.5, 0.5]                      # one circle in the center
    for i in range(8):                           # 8 in an inner ring
        angle = 2 * np.pi * i / 8
        centers[i + 1] = [0.5 + 0.3 * np.cos(angle), 0.5 + 0.3 * np.sin(angle)]
    for i in range(16):                          # 16 in an outer ring
        angle = 2 * np.pi * i / 16 * rng.uniform(0.9, 1.1)
        centers[i + 9] = [0.5 + 0.7 * np.cos(angle), 0.5 + 0.7 * np.sin(angle)]

    centers = np.clip(centers, 0.01, 0.99)       # keep everything in the square
    radii = compute_max_radii(centers, random_seed)
    return centers, radii, np.sum(radii)


def compute_max_radii(centers, random_seed: int):
    """Grow each circle to touch its nearest border or neighbor (no overlaps)."""
    # ... see src/program.py for the full helper ...
# EVOLVE-BLOCK-END

EVOLVE-BLOCK-START / EVOLVE-BLOCK-END 之外的一切——包括 evaluate() 函数和重叠检查——都冻结不动。这个分离就是全部窍门:Gemini 可以提出任何它喜欢的排布算法,但它改不了候选是怎么被打分的。

评测器与分数

examples/circle_packing/src/evaluate.py 把每个候选放进沙箱跑一遍,返回一个分数。圆填充的指标是 sum_of_radii,越大越好:

CIRCLE_PACKING_EVALUATION_METRIC = "sum_of_radii"
CIRCLE_PACKING_EVALUATION_INPUTS = {"n": 26}

候选一旦违规——圆重叠了或者跑出方框——评测器返回 -inf,外加一条解释哪里出错的 insight。这些 insight 会回喂给 Gemini,让下一代别再犯同一个错。

每个 AlphaEvolve 问题都是这个形状:一段你能塞进 EVOLVE-BLOCK 的代码,一个能算出的分数,一套能拒掉坏主意的测试。

准备:项目、API、应用 ID、装环境

选一个或新建一个开了结算的项目,在终端里设上:

gcloud config set project <YOUR_PROJECT_ID>

打开这个 codelab 要用的两个 API——discoveryengine.googleapis.com 提供 AlphaEvolve 本身,aiplatform.googleapis.com 提供生成候选的 Gemini 模型:

gcloud services enable \
  discoveryengine.googleapis.com \
  aiplatform.googleapis.com

接着找 Gemini Enterprise 的应用 ID。AlphaEvolve 通过 Gemini Enterprise 提供服务(底层 REST 面就是 Discovery Engine API),你需要的是应用 ID,不是显示名:打开项目下的 Gemini Enterprise 应用页,点进去复制 ID 字段,形如 gemini-enterprise-1234567890_1234567890123。除非你另外配了自定义 assistant,ASSISTANT 保持 default_assistant。

然后做应用默认凭据登录、克隆示例仓库:

gcloud auth application-default login

git clone https://github.com/Google-Cloud-AI/alphaevolve-on-googlecloud.git
cd alphaevolve-on-googlecloud

uv venv
uv pip install -e ".[dev]"

uv venv 在仓库里建 .venv;uv pip install -e ".[dev]" 以可编辑方式装上 alpha_evolve 包和测试工具。之后用 uv run 启动实验,它会自动用这个环境。

跑第一个实验

从仓库根目录,用圆填充的模板生成 .env:

cp examples/circle_packing/example.env .env

打开 .env,只需要填两项,其余默认值足够跑第一次:

PROJECT_ID=<YOUR_PROJECT_ID>
GE_APP_ID=<YOUR_GEMINI_ENTERPRISE_APP_ID>

默认配置用一组加权模型生成候选(MODEL_1=gemini-3.5-flash 权重 0.7,MODEL_2=gemini-3.1-pro-preview 权重 0.3),并把搜索上限压在 MAX_PROGRAMS_EVALUATED=10、CONCURRENCY=4——够快看到循环转起来。

启动演化:

uv run python -m examples.circle_packing.src.run_evolution

它会把你给的种子程序传上去、开始搜索、在本地跑控制循环,直到 10 个候选评完。因为你是直接调模块(没有外套一层脚本),跑的是什么你看得一清二楚,也能直接改文件做实验。

输出大致长这样:

INFO:alpha_evolve.experiment:Creating a new AlphaEvolve experiment
INFO:alpha_evolve.controller:Evolution loop started: 4 sampler(s), 32 evaluator(s), target=10 programs
INFO:alpha_evolve.controller:Waiting for the backend to generate candidates... (generated=0, evaluated=0/10, idle=10s)
INFO:alpha_evolve.workers:Candidate 1060655338894100 evaluated → sum_of_radii=0.8114
INFO:alpha_evolve.controller:Progress: generated=2, evaluated=1/10, queued=0
...
INFO:alpha_evolve.controller:Stopping criteria met (10/10 programs evaluated).

早几代候选通常落在 0.8–1.0 区间,搜索从那里往上走。循环结束后它会打印排名后的程序,并用 matplotlib 画出最好的几个排布。

三种报错对应三件事,原文给得很直接:进程立刻以 FAILED_PRECONDITION 结束、提示“AlphaEvolve requires the Vertex AI API to be enabled in this project”,是 aiplatform.googleapis.com 没开;PERMISSION_DENIED 或 403 通常是 discoveryengine.googleapis.com 没开;而“Failed to create experiment”且不带上面两种,就是 .env 里的凭据或 GE_APP_ID 填错了。

读结果

运行会按 sum_of_radii 打印排名靠前的程序,看两件事:

  • 分数涨了。最好的演化结果应该超过种子的同心圆环布局。Gemini 通常会自己发现:靠近角落和边缘的圆可以长得更大,然后再把内部重新配平。
  • 无效候选被跳过。任何产出了重叠或越界圆的程序都是 -inf,在排名里被剔除——那是约束反馈在起作用,不是程序出错。

早期出现几个低分或被跳过的候选是正常且健康的:说明 Gemini 在探索,失败的 insight 会引导后面几代。

到这里完整循环就到手了:种子 → 生成 → 评测 → 打分 → 再来一轮。AlphaEvolve 剩下的所有变化,都是“评测在哪跑”的变体。

换成真问题:TSP

圆填充收敛得很快。想感受一下搜索在更硬的问题上怎么工作,去演化一个旅行商问题的启发式。模式一模一样,变的只有种子和指标,TSP 例子还复用你那份 .env(项目、预算、并发)。

先把预算调大,给更长的搜索留空间:

# in .env — raise the generation cap and the evaluation target together
MAX_PROGRAMS_GENERATED=20
MAX_PROGRAMS_EVALUATED=20

从仓库根目录跑:

uv run python -m examples.tsp.src.run_evolution

这里的种子是 50 个城市上的最近邻路径;指标是 neg_tour_length——5 个固定实例上平均路径长度的负值,所以越大越好(越接近 0 越好)。打开 examples/tsp/src/program.py 会发现,只有 construct_tour(distances, n) 在 EVOLVE-BLOCK 里面。

两个问题是同一个模式换零件:

问题 语言 评测 指标(越大越好) 被演化的函数
circle_packing Python 本地 exec() sum_of_radii construct_packing()
tsp Python 本地 exec() neg_tour_length construct_tour()

跑的时候盯着 neg_tour_length 往 0 靠:Gemini 会从最近邻往外走,摸到 2-opt / or-opt 那一类改法——那些策略不是你写的。

调搜索

两个实验都跑通之后,回来调 .env 里的预算:

  • MAX_PROGRAMS_EVALUATED:评多少候选。越多搜得越深,成本与时间越高。
  • CONCURRENCY:同时在飞多少个候选。
  • MODEL_1 / MODEL_2(配 MODEL_1_WEIGHT / MODEL_2_WEIGHT):圆填充这一路用的加权模型组合(TSP 模块只读单个 MODEL)。可选项是 gemini-3.5-flash 与 gemini-3.1-pro-preview;把权重往更强的模型挪,能在更少的代数里找到更好的程序。

每次改完重跑 uv run python -m examples.circle_packing.src.run_evolution(或 TSP 那个模块)。注意:提高评测数、换更大的模型都会加钱——本地评测省的是 GPU,但每个候选的 AlphaEvolve API 调用和 Vertex AI Gemini token 照付。从小往大调。

清理

这个 codelab 用本地评测,所以没有还在计费的东西——没有集群、没有 GPU、没有部署的服务。要把检出彻底重置:

git clean -xfd   # removes .env, .venv, and generated outputs

提醒:git clean -xfd 会删掉 .env(连同你的项目设置)和 .venv。还想继续玩就别执行。如果项目是为这个 codelab 新建的,去控制台把它删掉,停掉所有计费。

我们的整理

这就是 RSI 在工程里最小的形态。它的“递归”不在模型里,而在这条链上:程序改自己 → 被外部尺子打分 → 分数决定下一代的父本 → 再过一遍。种子程序负责“有东西可改”,EVOLVE-BLOCK 负责“只改该改的”,评测器负责“不许自己给自己打分”。三者缺一,这个循环要么原地转圈,要么开始骗你。

新手最容易踩的三个坑,都能在这份 codelab 的设定里提前避开:

  1. 把评分逻辑圈进了块里。文中反复强调 evaluate() 和重叠检查在块外——一旦你把 sum_of_radii 的计算也放进可改区域,搜索的第一件事就是去改分数而不是改排布。判断法:能被搜索改到的代码,不能参与决定它自己是不是成功。
  2. 指标不单调。neg_tour_length 取的是 5 个固定实例的平均再取负,用同一批实例保证每代可比。如果每代换一批随机实例,分数会抖,搜索就等于在噪声里爬。
  3. 跑 10 个就想下结论。默认 MAX_PROGRAMS_EVALUATED=10 是为了让你两分钟看到循环转起来,不是让你评估方法上限。想看真收益,跟着 TSP 那步把生成数和评测数一起抬到 20 起。

有两个现实的减配路径:没有 GCP 结算账户的,用开源的 OpenEvolve 顶替——它同样吃“一个程序 + 一个 evaluator”,本地 pip 装完就能跑(我们另写过一篇讲怎么判断哪些指标能当门槛,见下面内链);评测很重的(比如要跑编译、要上 GPU),这份 codelab 的兄弟篇把评测搬到了 Cloud Run 容器和 GKE + Ray 上,属于同一套概念的换场地。

不适合用的场景也说清楚:没有确定性分数的问题(“这个 UI 好不好看”)、单次评测比超时还长的问题、以及真正的瓶颈在外部的(数据库慢、网络抖)——这三类,搜索会一本正经地优化一个它根本影响不了的数字。

同一条思路的另外两面:RSI 优化程序能快多少(真项目里怎么把毫秒变成 CI 门槛)、递归自我改进有多远(这条曲线在实验室口径下意味着什么)。

更多 AI 编程与工程化实践,见 Vibe Coding 技术栈。


来源

  • Ivan Nardini. Get started with AlphaEvolve on Google Cloud. Google Codelabs,最后更新 2026-09-10。https://codelabs.developers.google.com/alphaevolve-on-google-cloud-1
  • 示例代码:Google-Cloud-AI/alphaevolve-on-googlecloud(Apache-2.0)https://github.com/Google-Cloud-AI/alphaevolve-on-googlecloud
  • 参考:AlphaEvolve developer guide https://docs.cloud.google.com/gemini/enterprise/docs/alphaevolve/developer-guide/overview

本文由 hubwiz 编译整理,转载请注明出处。

这是「AI 编程 / Vibe Coding」专题的一部分。完整地图见:AI 编程 / Vibe Coding 完全指南

相关阅读