试下GEPA-UI，或许你能在前端更深入理解这个提示词优化算法

上周写了两篇关于GEPA的文章《Agent多步误差咋破？看下GEPA，反思自进化+帕累托前沿，超过DSPy的MIPROv2》《别被提示词优化困住！用DSPy.GEPA把Prompt做成可演进的工程（万字长文)》，有不少朋友还是很困惑。GEPA（Genetic-Pareto Evolutionary Prompt Optimization）是一套围绕“反思式文本演化”构建的优化框架，可以将任何包含文本组件（提示词、指令、代码等）的系统演化到更高性能。它通过候选生成、执行反馈、反思迭代和 Pareto 选择，逐步改进模型的行为表现。随着本仓库的演进，我不仅整理了核心算法和示例，还针对 GEPA 写了一个完整的浏览器前端，并在后端增加了详细的日志记录，帮助开发者和研究者更直观地理解 GEPA 如何驱动大型语言模型（LLM）优化。

本文结合仓库结构、算法流程、前端集成与日志输出，由浅入深地认识 GEPA，并贴合最新日志展示 Demo 数据集与 AIME 数据集的实测表现，方便你快速复现。能给这个项目一颗Star，万分感谢

项目地址：https://github.com/xiumaoprompt/gepa-ui[1]

1. 仓库总览与技术栈

项目结构

src/gepa/：核心库，包括 GEPA 引擎（core）、默认适配器（adapters）、反思式候选生成（proposer）、日志系统（logging）等。

src/gepa/examples/：多个任务示例，涵盖 AIME、AnyMaths、RAG、DSPy 等，方便复现实验。

tests/：PyTest 单测，验证算法在录播数据上的表现。

src/gepa_frontend/：我们新增的FastAPI 前端，提供网页交互、静态资源和丰富日志。

README.md：使用说明、DSPy 集成示例、快速入门（AIME）等。

主要依赖

Python 3.10+，gepa核心库。

litellm用于统一封装各家 LLM API（DeepSeek、Moonshot 等）。

fastapi+uvicorn构建 Web 前端。

可选依赖：datasets（加载公开数据集）、wandb、mlflow等。

2. GEPA 算法速览

GEPA 的一次迭代包含以下步骤：

初始化候选：以种子 prompt（seed_candidate）作为起点。

候选评估：通过适配器（例如DefaultAdapter）在训练/验证集上执行任务，记录 LLM 输出与得分。

反思与提案：把失败案例与反馈整理成反思数据集，经反思模型生成新候选。

Pareto 选择：比较各候选在不同样本上的得分，选出非支配解，保证整体性能提升。

终止条件：可设置最大调用次数、时间、文件监视等停止条件。

README 中的 AIME 示例演示了如何优化 GPT-4.1 mini 的提示词：

import gepa

trainset, valset, _ = gepa.examples.aime.init_dataset()

seed_prompt = {"system_prompt": "You are a helpful assistant ... ### <final answer>"}

# Let's run GEPA optimization process.

gepa_result = gepa.optimize(

  seed_candidate=seed_prompt,

  trainset=trainset, valset=valset,

  task_lm="openai/gpt-4.1-mini", # <-- This is the model being optimized

  max_metric_calls=150, # <-- Set a budget

  reflection_lm="openai/gpt-5", # <-- Use a strong model to reflect on mistakes and propose better prompts

)

print("GEPA Optimized Prompt:", gepa_result.best_candidate['system_prompt'])3. FastAPI 前端：可视化 GEPA 的运行3.1 设计目标

我们基于 FastAPI 写了一个轻量前端，提供：

在浏览器中输入任务模型、反思模型、API Key、Base URL 等信息。

快速选择数据集：Demo Arithmetic（新增）、Mock Mini Set、AIME Benchmark。

自定义运行参数（最大调用次数、训练/验证样本数、随机种子、种子提示词）。

一键验证模型连通性（Verify Models）并运行完整 GEPA 流程（Run GEPA）。

UI 结构示例：

+-------------------------------------------+

| GEPA Optimization Demo                    |

| 模型设置 + API Key / Base URL             |

| Dataset = Demo Arithmetic (推荐 DeepSeek) |

| Max Metric Calls = 5, Train=5, Val=3, Seed=1

| Seed Prompt 默认填入 '... ### <final answer>'

| [Verify Models] [Run GEPA]                |

| Status + Detailed Results                 |

+-------------------------------------------+3.2 后端详尽日志

我们在app.py和DefaultAdapter中加入了大量日志，涵盖：

模型验证：清楚显示Verify Models是否成功。

数据集来源：记录使用 Demo / Mock / AIME。

LLM 调用：打印 litellm 的 model 值、返回内容截断片段。

判分细节：DefaultAdapter会打印“期望答案、解析出的答案、得分”。

GEPA 进度：展示每次迭代的评估、反思提案、Pareto 前沿、最佳得分等。

这些日志让我们能看见 GEPA 的“内脏”，上面提供的两段真实日志（Demo 与 AIME）就是最佳证据。

4. Demo 数据集：DeepSeek 100% 成功示例

为快速验证 DeepSeek，我们新增了 10 条 Demo 算术题：

[

{"input":"Add 12 and 7.","answer":"### 19"},

{"input":"What is 15 minus 4?","answer":"### 11"},

...

{"input":"If a book costs $18 and you pay with $50, how much change?","answer":"### 32"}

]

默认配置（Max Metric Calls=5，Train=5，Val=3，Seed=1），运行日志节选如下，您也可以按照正常批次（Max Metric Calls=30，Train=10，Val=10，Seed=1）运行，得到一个更为精准的系统提示词。（本文截图仅为展示项目已经跑通）

INFO gepa_frontend: Launching GEPA run | dataset=demo | train=5 | val=3 | max_metric_calls=5 | seed=1

INFO ... Eval sample | expected=19 | extracted=19 | score=1.0

INFO ... Eval sample | expected=11 | extracted=11 | score=1.0

INFO ... Eval sample | expected=48 | extracted=48 | score=1.0

INFO ... GEPA run complete | total_metric_calls=6 | num_candidates=1 | best_score=1.000

前端会展示：

模型 resolved 名称（如deepseek/deepseek-chat）。

总调用数、最佳验证得分。

最佳 prompt（系统提示）。

候选历史（得分、迭代索引、提示词文本）。

验证集得分列表（Aggregate & Subscores）。

5. AIME 数据集：探索更难的任务

切换到Dataset = AIME后，可以设置train=3、val=2、max_metric_calls=3等参数。日志示例：

INFO ... Eval sample | expected=385 | extracted=96 | score=0.0

...

INFO ... Proposed new text for system_prompt: You are a mathematical problem-solving assistant...

INFO ... Eval sample | expected=227 | extracted=227 | score=1.0

INFO ... Eval sample | expected=242 | extracted=242 | score=1.0

INFO ... Eval sample | expected=244 | extracted=2 | score=0.0

可以看到：

GEPA 会自动针对难题生成新提示词（例如加入 Euler 公式、平面图知识等 domain hints）。

虽然最终 aggregate 得分可能仍为 0（难题仍有失误），但日志显示新的提示词对部分题目已有帮助。

这为进一步加大训练集、使用更强的推理模型等优化策略提供靶点。

6. 如何运行前端

安装依赖（若已在venv中可直接激活）：

pip install -e '.[full,frontend]'

启动服务：

uvicorn gepa_frontend.app:app --reload

打开浏览器访问http://localhost:8000：

填DEEPSEEK_API_KEY，填 Base URLhttps://api.deepseek.com。

保持Dataset=Demo Arithmetic验证链路，确认得分 1.0。

视需求再切换到AIME Benchmark观察进阶表现。

观察终端日志，了解每次 DeepSeek 调用、评分与 prompt 演化。

7. 总结与展望

GEPA 的价值：在多种文本任务中稳健迭代提示词，提升模型表现。

前端与日志：FastAPI 前端 + 细粒度日志让 GEPA 运行轨迹一目了然，特别适合教学、演示和调试。

Demo & AIME：Demo 数据集保证快速验证链路；AIME 让我们探索进一步提高模型的空间。

下一步：可尝试接入更多 LLM、扩展数据集、修改适配器或并入自有系统，打造自动化 PromptOps 平台。

引用链接

[1]:https://github.com/xiumaoprompt/gepa-ui

未来已来，有缘一起同行！