エンジン

エンジンとは、アーティファクトの新しいバージョンを提案する探索方法です。Skynet には、プロンプト、コード、テキストのアーティファクト向けの 6 つのネイティブエンジン、DSPy プログラム向けの 3 つの DSPy オプティマイザー、そして Auto があります。このページでは、それぞれの機能、選ぶべき場面、設定項目を説明します。

どのエンジンがアーティファクトに合うかわからない場合は、まず 最適化の仕組み をお読みください。

簡単な比較

ウィザードでは、GEPA、DSPy GEPA、Auto が、メトリクスからのフィードバックの文章を使うオプティマイザーとして示されます。

Auto

Auto は既定の選択です。何を実行するかは、アーティファクトの種類によって異なります。

• DSPy プログラム: Auto は DSPy GEPA を実行します。
• プロンプト、コード、テキスト: Auto は 5 つのエンジン（GEPA、AutoResearch、Meta-Harness、AutoSaddler、ShinkaEvolve）で同時に探索します。各エンジンには、スコアラー実行回数の均等な割り当て（予算を 6 で割った数）が与えられます。その後、残りの予算で、最良のバージョンから GEPA が続行します。

Auto は Best-of-N を使いません。

選ぶべき場面: どのエンジンが合うかわからないとき。最初に試すのに最適です。

GEPA

「パレートフロントを持つ、バージョンのリフレクティブな進化。」リフレクションモデルが各ケースのスコアとフィードバックを読み、より良いバージョンを書きます。GEPA は、それぞれが一部のケースで最良となるバージョンのフロントを維持します。

選ぶべき場面: メトリクスが具体的なフィードバックを返し、強力な単一エンジンを使いたいとき。

Best-of-N

「リフレクションモデルからの独立した提案。最良のものを残す。」各提案は他の提案から独立しています。Skynet は上位の提案を検証ケースで再採点します。

選ぶべき場面: 他のエンジンと比較するためのシンプルなベースラインがほしいとき。

AutoResearch

コーディングエージェントが研究ラウンドを実行します。予算がなくなるまで、編集し、採点し、効果のあるものを残します。

選ぶべき場面: 良い変更に何段階かの調査が必要なとき。たとえば、コードのアーティファクトの場合です。

Meta-Harness

コーディングエージェントが、反復ごとに候補のバッチを提案します。候補とスコアの全履歴を使います。

選ぶべき場面: これまでのすべての試行の履歴から学習するエージェントを使いたいとき。バッチサイズは 反復ごとの候補数 で設定します。

AutoSaddler

コーディングエージェントがメトリクスからのフィードバックを読み、バージョンにパッチを当てます。Skynet は、新しいスコアラー実行で効果が確認されたパッチだけを残します。

選ぶべき場面: メトリクスのフィードバックが、明確で局所的な欠陥を指摘しているとき。

ShinkaEvolve

「並列の島で多数のバージョンを進化させ、どのモデルが最も改善するかを学習する。」候補の集団に対する進化的探索で、モデルが書く突然変異と交叉を使います。

選ぶべき場面: 幅広く探索したく、予算に余裕があるとき。

DSPy オプティマイザー

DSPy MIPROv2 と DSPy BootstrapFewShot にはペア（期待される出力を持つケース）が必要です。

設定

予算

1 回のスコアラー実行は、1 つのケースに対するメトリクスの 1 回の呼び出しです。開始バージョンと勝者の最終的な再採点は、最大スコアラー実行回数 には含まれません。

コーディングエージェントの設定

これらの設定は、Auto、AutoResearch、Meta-Harness、AutoSaddler に適用されます。

ShinkaEvolve の設定

Auto が ShinkaEvolve を実行する場合、ウィザードはこれらの設定を「ShinkaEvolve の設定（Auto が実行する場合）」として表示します。

関連ページ

• 最適化の仕組み
• メトリクスとスコアラー
• 実行
• 請求