用途：optimize_anything 是 GEPA 提供的声明式 API，用于优化任何可表示为文本的产物，包括代码、提示词、智能体架构、矢量图形（如 SVG）和配置等，不限于 DSPy 程序。适用于单一难题（如圆填充、内核生成、算法发现）、批量相关问题（如 CUDA 内核、代码生成任务）、需要泛化到未见输入的技能或策略，以及能把质量表达为分数并提供诊断反馈的场景。
主要能力：核心输入包括 seed_candidate（起始文本或 None 表示无种子模式）、evaluator（返回分数，可选附带 ASI 字典）、dataset、valset、objective、background 和 GEPAConfig。输出为 result.best_candidate。评估器可返回纯分数，或返回 (score, dict) 元组，其中字典作为 Actionable Side Information（ASI）为 LLM 提议者提供诊断反馈；ASI 可包含开放式文本、结构化数据、多目标分数，或通过 gepa.Image 传入图像供视觉模型使用。
使用方式：先安装 gepa：pip install -U "gepa>=0.1.1,<0.2"。定义评估器后选择模式：单任务搜索（不传 dataset）、多任务搜索（传 dataset）、泛化模式（同时传 dataset 与 valset），或无种子模式（用 objective 描述需求）。调用 oa.optimize_anything(...) 后读取 result.best_candidate。可用 oa.log() 将打印内容作为 ASI 传给提议者。建议用 GEPAConfig(engine=EngineConfig(max_metric_calls=...)) 限制每次运行。
与 DSPy 集成：DSPy 程序仍使用 dspy.GEPA、MIPROv2 等内置优化器；optimize_anything 用于 DSPy 之外的任意文本产物。
限制：依赖 gepa 包；评估器需确定性或低方差以保证稳定优化；计算成本随候选数量增长；单任务模式不具备泛化能力，需泛化时应使用带 valset 的模式 3；当前由 GEPA 后端驱动，API 设计为后端无关。官方文档见 https://gepa-ai.github.io/gepa/blog/introducing-optimize-anything/ 与 https://github.com/gepa-ai/gepa。