用途：在已存在 evaluate.py 和 initial.<ext> 的任务目录中，用 ShinkaEvolve 的 CLI 运行一批程序变异与评估。ShinkaEvolve 是 SakanaAI 开发的框架，结合 LLM 与进化算法提出程序变异，再评估与归档，目标是优化性能并发现新科学洞见。仓库：https://github.com/SakanaAI/ShinkaEvolve；论文：https://arxiv.org/abs/2212.04180。
主要能力：以显式 CLI 参数运行可配置的程序进化；支持设置代数、岛屿数、任务系统消息、变异/元推荐/提示进化/嵌入模型及并发作业数。
使用方式：先 ls -la <task_dir> 确认文件存在，用 shinka_run --help 查看参考，用 shinka_models 与 shinka_models --verbose 检查模型可用性。校验配置：evo.llm_models 中每个模型须在 llm 列表；若设置 evo.meta_rec_interval 与 evo.meta_llm_models，元模型须在 llm 列表；evolve_prompts=true 时用 evo.prompt_llm_models，否则回退 evo.llm_models；evo.embedding_model 须在 embedding 列表。本地 OpenAI 兼容模型可用 local/<model>@http(s)://host[:port]/v1，不要求出现在 shinka_models 中，但需单独确认端点与运行状态。运行示例：shinka_run --task-dir <task_dir> --results_dir <results_dir> --num_generations 40 --set db.num_islands=3 --set job.time=00:10:00 --set evo.task_sys_msg='...' --set evo.llm_models='["gpt-5-mini","gpt-5-nano"]' --set evo.meta_llm_models='["gpt-5-mini"]' --set evo.prompt_llm_models='["gpt-5-mini"]' --set evo.embedding_model='text-embedding-3-small' --max-evaluation-jobs 2 --max-proposal-jobs 2 --max-db-workers 2。运行后 ls -la <results_dir> 检查日志、代文件夹与 SQLite 数据库。
限制与规则：不要假设元推荐回退到 evo.llm_models，当前仅在显式设置 evo.meta_llm_models 时启用；提示进化在未设 evo.prompt_llm_models 时回退。模型缺失应停止并请用户改配置或先设凭据。默认批次间需人工确认，一次调用视为一批；下一批前询问预算、代数、覆盖项、并发、岛屿与输出路径，保持同一 --results_dir 以复用结果；仅当用户明确要求全自动时才可跨批继续。长/多行提示应写入配置文件并用 --config-fname。新建任务请用 shinka-setup。