用途：在 Opik 中为提示词、工具和模型参数设计、运行并解读优化工作流，进行可复现的评估与调优。
主要能力：支持多种优化器，包括 MetaPromptOptimizer、FewShotBayesianOptimizer、EvolutionaryOptimizer、HierarchicalReflectiveOptimizer (HRPO)、GepaOptimizer 和 ParameterOptimizer。可构建 ChatPrompt 与自定义指标函数，优化工具（function calling 或 MCP）、指定提示词角色或片段，并用 optimize_parameter 调优 LLM 调用参数。结果以 OptimizationResult 呈现，含 score、initial_score、history、optimization_id 等。
使用方式：安装 pip install opik-optimizer；从 opik_optimizer 导入 ChatPrompt、优化器类与 datasets，用 opik.evaluation.metrics 定义指标函数（签名 dataset_item, output -> float），加载数据集后调用 optimize_prompt(...) 或 optimize_parameter(...)。支持 n_threads、n_samples、max_trials、seed 等控制项，可指定 project_name 追踪，并用 optimize_prompts="system" 或 "user" 限定范围。片段编辑可用 extract_prompt_segments 与 apply_segment_updates。
适用场景：提示词/智能体优化、工具优化、模型调用参数调优，以及对比优化器输出和基线差异。
限制与注意：避免空数据集或占位符字段不匹配；不要混用已弃用的 num_threads 与 n_threads；工具优化不等同于智能体函数调用优化；不要用 ParameterOptimizer.optimize_prompt（会报错）。多模态输入需保留非空内容段；小数据集需谨慎设置 n_samples。详细参数见 references/algorithms.md、references/prompt_agent_workflow.md、references/example_patterns.md。