Shinka Task Setup 是 ShinkaEvolve 框架下的任务搭建技能，用于根据用户给出的任务描述，创建一个优化问题的初始化脚手架，包含评估脚本 evaluate.py 和初始解 initial.<ext>，两者随后在 ShinkaEvolve 中使用。ShinkaEvolve 是 SakanaAI 开发的、把大语言模型与进化算法结合的框架，通过提出程序变异并评估、归档来优化代码。
适用时机：用户希望以 LLM 驱动的代码进化优化代码，且工作目录中尚不存在 evaluate.py 与 initial.<ext>。
需要向用户确认的输入：任务描述与成功标准、initial.<ext> 的目标语言（缺省为 Python）、脚本中需要优化的部分、评估指标与分数方向、评估运行次数/随机种子、所需资源或数据文件、依赖与约束（运行时间、内存）。
工作流程：先检查输入是否齐全，不足时追问；检查工作目录，识别语言与扩展名，未经同意不覆盖已有 evaluate.py 或 initial.<ext>；编写带明确 evolve 区域（EVOLVE-BLOCK 标记或等价注释）和稳定 I/O 契约的初始解；编写评估脚本，Python 初始解调用 run_shinka_eval，非 Python 初始解则运行候选程序并写出 metrics.json 与 correct.json；最后做冒烟测试验证评估脚本。
验证命令示例：python evaluate.py --program_path initial.<ext> --results_dir /tmp/shinka_eval_smoke。确认评估器无异常、能产出包含 combined_score、public、private、extra_data、text_feedback 的指标，且正确性文件包含 correct 与 error。
可选：用户可自行运行进化，此时添加 run_evo.py 与 shinka.yaml；或使用 shinka-run 技能。安装方式：python -c "import shinka" 检查，pip install shinka-evolve 或 uv pip install shinka-evolve。
支持语言包括 python、julia、fortran、cpp、cuda、rust、swift 及 json/json5，需保持 evo_config.language 与 init_program_path 一致。限制：本资料未提供收费、价格或具体效果信息。