API参考

在这里您可以找到所有 RDAgent 的接口。

RD 循环

研究

class rdagent.core.proposal.Hypothesis(hypothesis: str, reason: str, concise_reason: str, concise_observation: str, concise_justification: str, concise_knowledge: str)

TODO: 我们可能有更好的名称。

名称候选: - 信念

class rdagent.core.proposal.ExperimentFeedback(reason: str, *, decision: bool, exception: Exception | None = None)

classmethod from_exception(e: Exception) → ExperimentFeedback

从异常中创建反馈的便捷方法。

class rdagent.core.proposal.HypothesisFeedback(observations: str, hypothesis_evaluation: str, new_hypothesis: str, reason: str, *, decision: bool)

class rdagent.core.proposal.Trace(scen: ASpecificScen, knowledge_base: ASpecificKB | None = None)

get_sota_hypothesis_and_experiment() → tuple[Hypothesis | None, Experiment | None]

访问最后的实验结果、子任务及相应的假设。

class rdagent.core.proposal.ExpGen(scen: Scenario)

abstract gen(trace: Trace) → Experiment

根据轨迹生成实验。

ExpGen().gen() 的作用类似于

# ExpGen().gen() ==
Hypothesis2Experiment().convert(
    HypothesisGen().gen(trace)
)

class rdagent.core.proposal.HypothesisGen(scen: Scenario)

abstract gen(trace: Trace) → Hypothesis

变量 scenario_desc 的动机：

• 模拟数据科学家观察场景。

scenario_desc 可能包括：

• 数据观察：

  • 原始或衍生

• 任务信息：

class rdagent.core.proposal.Hypothesis2Experiment

[抽象描述 => 具体描述] => 代码实现卡

abstract convert(hypothesis: Hypothesis, trace: Trace) → ASpecificExp

将想法提案与实现连接

class rdagent.core.proposal.Experiment2Feedback(scen: Scenario)

"从 执行 不同任务的实现中生成的对假设的反馈及其与先前表现的比较

abstract generate_feedback(exp: Experiment, trace: Trace) → ExperimentFeedback

应执行 exp 并包含结果，以及与先前结果的比较（由 LLM 完成）。例如：Qlib 的 mlflow 将被包含。