# موتورها

> GEPA، Best-of-N، Meta-Harness، AutoResearch، AutoSaddler، ShinkaEvolve و Auto.

موتور روش جستجویی است که نسخه‌های جدید آرتیفکت شما را پیشنهاد می‌دهد. Skynet شش موتور بومی برای آرتیفکت‌های پرامپت، کد و متن، سه بهینه‌ساز DSPy برای برنامه‌های DSPy، و **Auto** دارد. این صفحه می‌گوید هر کدام چه کاری انجام می‌دهد، چه زمانی آن را انتخاب کنید و چه تنظیماتی دارد.

اگر نمی‌دانید کدام موتورها با آرتیفکت شما سازگارند، اول [بهینه‌سازی چگونه کار می‌کند](/docs/fa/concepts/optimization) را بخوانید.

## مقایسهٔ سریع

| موتور                 | انواع آرتیفکت    | تنظیمات عامل برنامه‌نویس          | تنظیم حداکثر تکرارها |
| --------------------- | ---------------- | -------------------------------- | -------------------- |
| Auto                  | همه              | بله، روی پرامپت، کد و متن         | خیر                  |
| GEPA                  | پرامپت، کد، متن  | خیر                              | خیر                  |
| Best-of-N             | پرامپت، کد، متن  | خیر                              | خیر                  |
| AutoResearch          | پرامپت، کد، متن  | بله                              | خیر                  |
| Meta-Harness          | پرامپت، کد، متن  | بله                              | بله                  |
| AutoSaddler           | پرامپت، کد، متن  | بله                              | بله                  |
| ShinkaEvolve          | پرامپت، کد، متن  | خیر. تنظیم ویرایشگر خودش را دارد. | بله                  |
| DSPy GEPA             | برنامهٔ DSPy     | خیر                              | خیر                  |
| DSPy MIPROv2          | برنامهٔ DSPy     | خیر                              | خیر                  |
| DSPy BootstrapFewShot | برنامهٔ DSPy     | خیر                              | خیر                  |

ویزارد GEPA، DSPy GEPA و Auto را به‌عنوان بهینه‌سازهایی که از متن بازخورد معیار شما استفاده می‌کنند علامت می‌زند.

## Auto

Auto پیش‌فرض است. آنچه اجرا می‌کند به نوع آرتیفکت بستگی دارد:

- **برنامهٔ DSPy**: Auto موتور DSPy GEPA را اجرا می‌کند.
- **پرامپت، کد یا متن**: Auto هم‌زمان با پنج موتور جستجو می‌کند: GEPA، AutoResearch، Meta-Harness، AutoSaddler و ShinkaEvolve. هر موتور سهم برابری از اجراهای امتیازدهنده می‌گیرد: بودجه تقسیم بر ۶. سپس GEPA با باقی‌ماندهٔ بودجه از بهترین نسخه ادامه می‌دهد.

Auto از Best-of-N استفاده نمی‌کند.

> [!WARNING]
> روی یک آرتیفکت پرامپت، کد یا متن، Auto دست‌کم به ۶ اجرای امتیازدهنده نیاز دارد: ۵ مسیر جستجو و یک ادامه. هر پنج موتور باید در دسترس باشند. اگر یکی در دسترس نیست، یک موتور تکی انتخاب کنید.

**آن را انتخاب کنید وقتی** نمی‌دانید کدام موتور مناسب است. این بهترین نقطهٔ شروع است.

## GEPA

«تکامل بازاندیشانه با یک جبههٔ پارتو از نسخه‌ها.» مدل بازاندیشی امتیاز و بازخورد هر مورد را می‌خواند و نسخهٔ بهتری می‌نویسد. GEPA جبهه‌ای از نسخه‌ها نگه می‌دارد که هر کدام روی برخی موردها بهترین هستند.

**آن را انتخاب کنید وقتی** معیار شما بازخورد دقیق می‌دهد و یک موتور تکی قوی می‌خواهید.

## Best-of-N

«پیشنهادهای مستقل از مدل بازاندیشی؛ بهترین را نگه دار.» هر پیشنهاد مستقل از بقیه است. Skynet پیشنهادهای برتر را دوباره روی موردهای اعتبارسنجی امتیاز می‌دهد.

**آن را انتخاب کنید وقتی** یک خط مبنای ساده برای مقایسه با موتورهای دیگر می‌خواهید.

## AutoResearch

یک عامل برنامه‌نویس دورهای پژوهش اجرا می‌کند. ویرایش می‌کند، امتیاز می‌دهد و آنچه را کمک می‌کند نگه می‌دارد، تا وقتی بودجه تمام شود.

**آن را انتخاب کنید وقتی** یک تغییر خوب به چند گام بررسی نیاز دارد، برای مثال روی یک آرتیفکت کد.

## Meta-Harness

یک عامل برنامه‌نویس در هر تکرار دسته‌ای از نامزدها را پیشنهاد می‌دهد. از تاریخچهٔ کامل نامزدها و امتیازها استفاده می‌کند.

**آن را انتخاب کنید وقتی** عاملی می‌خواهید که از تاریخچهٔ همهٔ تلاش‌های قبلی یاد بگیرد. برای تعیین اندازهٔ دسته از **نامزدها در هر تکرار** استفاده کنید.

## AutoSaddler

یک عامل برنامه‌نویس بازخورد معیار شما را می‌خواند و نسخه را وصله می‌کند. Skynet فقط وصله‌هایی را نگه می‌دارد که یک اجرای امتیازدهندهٔ جدید آن‌ها را تأیید کند.

**آن را انتخاب کنید وقتی** بازخورد معیار شما به نقص‌های روشن و موضعی اشاره می‌کند.

## ShinkaEvolve

«نسخه‌های زیادی را در جزیره‌های موازی تکامل می‌دهد و یاد می‌گیرد کدام مدل‌ها آن‌ها را بیشتر بهتر می‌کنند.» این یک جستجوی تکاملی روی جمعیتی از نامزدهاست، با جهش‌ها و ترکیب‌هایی (crossover) که یک مدل می‌نویسد.

**آن را انتخاب کنید وقتی** جستجوی گسترده می‌خواهید و بودجهٔ بزرگ‌تری دارید.

## بهینه‌سازهای DSPy

| بهینه‌ساز             | چه کاری انجام می‌دهد                                                                                                   |
| --------------------- | ---------------------------------------------------------------------------------------------------------------------- |
| DSPy GEPA             | بازخورد معیار را می‌خواند و دستورالعمل‌های هر پیش‌بینی‌کننده را تکامل می‌دهد.                                            |
| DSPy MIPROv2          | دستورالعمل‌ها و نمونه‌های few-shot را با هم پیشنهاد می‌دهد و ترکیب‌های آن‌ها را با بهینه‌سازی بیزی جستجو می‌کند.          |
| DSPy BootstrapFewShot | مثال‌های حل‌شده‌ای را که برنامه درست انجام می‌دهد جمع می‌کند و آن‌ها را به‌عنوان نمونه‌های few-shot اضافه می‌کند. از مدل بازاندیشی استفاده نمی‌کند. |

DSPy MIPROv2 و DSPy BootstrapFewShot به جفت‌ها (موردهایی با خروجی مورد انتظار) نیاز دارند.

## تنظیمات

### بودجه

| تنظیم                          | پیش‌فرض | بازه                                                        |
| ------------------------------ | ------- | ----------------------------------------------------------- |
| حداکثر اجراهای امتیازدهنده     | ۲۰۰     | ۱ تا ۱۰۰۰۰۰ (Auto: دست‌کم ۶)                                 |
| توقف در امتیاز                 | خاموش   | ۰ یا بیشتر                                                  |
| حداکثر تکرارها                 | خاموش   | ۱ تا ۱۰۰۰. فقط Meta-Harness، AutoSaddler و ShinkaEvolve.     |

یک اجرای امتیازدهنده یعنی یک فراخوانی معیار شما روی یک مورد. امتیازدهی نهایی دوبارهٔ نسخهٔ شروع و نسخهٔ برنده از **حداکثر اجراهای امتیازدهنده** کم نمی‌شود.

### تنظیمات عامل برنامه‌نویس

این تنظیمات برای Auto، AutoResearch، Meta-Harness و AutoSaddler اعمال می‌شوند.

| تنظیم                                   | پیش‌فرض | بازه                                                   |
| --------------------------------------- | ------- | ------------------------------------------------------ |
| عامل برنامه‌نویس                        | Codex   | Pi، Codex، OpenCode، Prime Agent، دستور سفارشی          |
| نامزدها در هر تکرار                     | ۳       | ۱ تا ۸. برای Auto و Meta-Harness نشان داده می‌شود.      |
| حداکثر فراخوانی ابزار برای هر نامزد     | ۱۰۰     | ۱ تا ۱۰۰۰                                              |

### تنظیمات ShinkaEvolve

| تنظیم                                               | پیش‌فرض                                                       |
| --------------------------------------------------- | ------------------------------------------------------------ |
| نسخه‌های جدید چگونه نوشته می‌شوند                   | یک فراخوانی مدل. گزینهٔ دیگر «عامل کدنویسی (Pi)» است.          |
| جزیره‌ها                                            | ۲ (۱ تا ۸)                                                   |
| بازهٔ مهاجرت                                        | ۱۰                                                           |
| انتخاب والد                                         | وزن‌دار. گزینه‌های دیگر: قانون توانی، جستجوی پرتویی.          |
| ویرایش‌های diff / بازنویسی‌های کامل / ترکیب‌ها       | ۶۰٪ / ۳۰٪ / ۱۰٪. جمع آن‌ها باید ۱۰۰٪ شود.                     |
| اندازهٔ بایگانی                                     | ۴۰                                                           |
| ارزیابی‌های موازی                                   | ۲                                                            |
| پیشنهادهای موازی                                    | ۲                                                            |

وقتی Auto موتور ShinkaEvolve را اجرا می‌کند، ویزارد این تنظیمات را با عنوان «تنظیمات ShinkaEvolve (وقتی Auto آن را اجرا می‌کند)» نشان می‌دهد.

## صفحه‌های مرتبط

- [بهینه‌سازی چگونه کار می‌کند](/docs/fa/concepts/optimization)
- [معیارها و امتیازدهنده‌ها](/docs/fa/concepts/scorers)
- [اجراها](/docs/fa/concepts/runs)
- [صورت‌حساب](/docs/fa/concepts/billing)

---

Source: https://staging.skynetml.com/docs/fa/concepts/engines