只要一个任务可以被描述为目标、评估标准和预算，AutoLoop 就会自主提出候选方案，在成本和变更范围内自主迭代改进，直到逼近最优解。
from autoloop import loop # 三个参数，启动一个自进化循环 result = loop( target = my_task, # 任何可描述的目标 metric = your_kpi, # 你的评估标准 budget = 20 # 迭代预算 ) # 引擎自主运行：提出候选 → 评估 → 择优 → 重复 print(result.best) # 最优版本 print(result.improvement) # → +34.2%
大多数 AI 工具只负责生成结果，结果好坏仍然高度依赖人工修改和反复重试。AutoLoop 把这个过程系统化。
这是 AutoLoop 的核心设计：Agent 负责生成候选方案，Metric 负责评估质量，Loop 负责决策和调度。三者独立、可替换、可组合。
这意味着你可以用任何模型驱动生成，用任何标准驱动评估 —— 不管是 LLM 评分、业务 KPI、测试通过率，还是自定义函数。
像 map() 一样简洁的 API。只需告诉引擎：优化什么、怎么评判、跑多少轮。
传入需要优化的对象 —— 一段文本、一份代码、一个配置文件、甚至一个可调用的函数。引擎自动检测类型（text / code / html / markdown / config），加载对应的优化策略。
用你自己的标准定义"什么是更好"。可以是内置的 LLM-as-Judge 多维评分，也可以是你的业务指标 —— CTR、转化率、测试通过率、可读性评分，任何返回数值的函数。
设定最大迭代轮数和 API 花费上限。引擎在预算范围内自主探索：三阶段温度策略（Explore 0.9 → Exploit 0.6 → Polish 0.3），逐步收敛到最优解。
每一个模块都围绕同一个目标设计：让优化过程可编程、可控制、可复现。
不是调用模型然后等人判断 —— 是一个完整的自主优化闭环：Agent 提出改进候选 → Metric 独立评估质量 → Loop 决定接受或拒绝 → 下一轮继续。全程无需人工干预。
优化方向由你的 Metric 函数决定。内置 LLM-as-Judge 5 维评分和 Pairwise A/B 比较，也完全支持自定义函数 —— 用你的业务 KPI 驱动迭代，而不是靠通用评分猜测。
维护 5 种独立优化策略：结构重组、目标增强、语言精炼、约束强化、创意突破。连续 3 轮停滞自动切换策略方向，系统性跳出局部最优，而非盲目重试。
不是固定参数跑到底。前期高温 (0.9) 大胆探索可能性空间，中期 (0.6) 聚焦最优方向深挖，后期 (0.3) 精细打磨每个细节。系统自动调节，模拟真实的优化收敛过程。
budget 限制最大迭代轮数，cost_limit 限制 API 花费上限，max_diff 限制每轮最大变更幅度。三道防线确保优化过程完全可控，预算用尽优雅收敛，绝不失控。
每一轮的策略选择、候选方案、评分结果、接受/拒绝决策 —— 全部记录在案。支持从任意节点断点续跑 (Continue)，特定轮次重试 (Retry)，或随时中止 (Cancel)。
除了直接调用 loop()，AutoLoop 还支持 @loop 装饰器模式。
在任何已有函数上加一行装饰器，它的输出就会自动经过多轮优化。相同输入的优化结果会被缓存，后续调用直接返回最优版本。
这意味着你不需要重构代码 —— 给现有函数加一行注解，就能获得自进化能力。
from autoloop import loop # 装饰器模式：让函数输出自动进化 @loop(metric=conversion_rate, budget=15) def generate_email(topic): return draft(topic) # 第一次调用：自动优化 15 轮 email = generate_email("新品发布") # 第二次调用：直接返回缓存的最优版本 email = generate_email("新品发布")
Agent 提出改进，Metric 独立评估，Loop 做出决策 —— 三者解耦，各自可替换。
根据上一轮反馈、当前策略和历史记录，生成优化候选方案。
独立于 Agent 的评估模块 —— 定义"什么是更好"。
核心调度器：协调 Agent 和 Metric，管理整个优化生命周期。
无论是 Prompt、代码、文档、配置，还是其他可度量任务 —— AutoLoop 都能把人工反复试错的过程变成一个可控的优化闭环。
用输出质量评分驱动 System Prompt 自动迭代。不再手动调试 Prompt、猜测哪个版本更好 —— 让 Metric 说了算。
以测试通过率、代码质量评分或性能指标驱动重构。保持行为一致的前提下，逐轮提升代码质量。
用打开率、回复率、转化率等业务 KPI 作为 Metric，驱动邮件标题、正文和 CTA 的逐轮优化迭代。
优化 README、API 文档、技术规范。用可读性和完整性评分驱动结构、措辞和示例代码的持续改进。
自动补全缺失字段、添加关键注释、规范结构层级、检测潜在安全风险。支持 YAML / JSON / TOML。
任何可以被描述为"输入 → 评估 → 改进"的任务都能接入 AutoLoop。定义你自己的 target 和 metric，引擎处理剩下的一切。
从一行命令到完整 REST API，覆盖从个人探索到生产集成的全部场景。
三个参数启动自进化循环。传入目标、评估函数和预算，返回包含最优结果和完整迭代历史的 LoopResult。
loop(target, metric, budget)
查看 API 文档
完整的 RESTful 接口。支持 SSE 实时事件推送、BYOK 模式、Job 持久化和全生命周期管理。
POST /optimize GET /jobs/:id/events
查看接口文档
选择适合你的方式，立即开始第一个自进化循环。