伐谋 - 任务定义与评估器生成

交互式引导用户完成 FaMou 进化任务的完整流程：先通过结构化澄清循环产出 `problem.md`，再实现并验证 FaMou 实验的三个输入物料（`init.py`、`evaluator.py`、`prompt.md`）。当用户提到以下任意情形时触发：定义/澄清/创建 FaMou 任务、帮我写 problem...

FaMou 进化任务问题定义

端到端指导：从模糊想法 → 任务说明文档 problem.md → 评估器和初始解的实现与验证。

两阶段流程：

• 阶段一（澄清）：通过结构化问答，然后构建产出任务说明文档 problem.md
• 阶段二（实现）：根据 problem.md 生成并验证 init.py、evaluator.py、prompt.md

FaMou 进化任务的三个输入：

• init.py — 候选解脚本（单文件，可直接运行）
• evaluator.py — 评估逻辑（固定接口，见下方）
• prompt.md — 进化引导（角色、任务、数据、解法参考；≤100 行）

---

阶段一：澄清阶段

第一步 — 理解项目现状

• 检查数据文件、代码脚本、README、配置，能从中回答的问题不再提问。
• 如果有数据，分析和理解数据，例如数据等格式、问题分布等，如果数据复杂，调用 famou-data-analysis 技能 辅助。

---

第二步 — 信息缺口分析

识别填写任务模板所需的全部信息，用 Plan 或者 TODO 工具建立 TODO 列表：

核心指引

1. 可以从文档/数据中回答的条目直接标记为已解决，不再提问。
2. 如果条目的答案相对明晰，或者非关键问题，直接标记成已解决。

必填 TODO（按依赖顺序逐一解决，不得跳过或乱序）：

• 核心问题描述与优化目标
• 输入/输出规格（命令行参数、数据文件、标准输出/生成文件）
• 数据来源（路径、结构/模式、字段定义、访问方式）
• 各类约束及其验证方法
• 评估器评分逻辑（如何区分不同质量等级）
• 初始解方案或基线策略

可选 TODO（有则填，无则跳过）：

• 补充参考信息

---

第三步 — 主动澄清循环

重复直到所有必填 TODO 解决：

1. 选取一个未解决的必填 TODO。
2. 构造澄清问题，辅助模型收集必要的上下文信息（使用 ask_uer 类型的工具）：
   • 注明单选或多选。
   • 提供 至少4个选项，最后一项始终为**"其他（请说明）"**。
3. 等待用户输入。
4. 验证回答：
   • 若无效或无关，提示用户重新选择，返回第 3 步
   • 若有效，记录信息，进入第 5 步。
5. 判断当前 TODO 信息是否充分：
   • 充分 → 标记该 TODO 为已解决，返回第 1 步。
   • 不充分（尤其是硬约束、软约束等信息量大的条目）→ 针对剩余信息缺口继续构造追问，返回第 2 步，不得跳到下一个 TODO。

所有必填 TODO 解决后，或用户明确确认任务已清晰，退出循环。

约束类 TODO 澄清指引：约束澄清通常涉及多个维度，每轮只问一个维度，逐步收集完整后再标记完成。

---

第四步 — 综合规格并写入 problem.md

按下方任务模板填写所有章节，规则：

• 明确澄清的信息覆盖已有 problem.md 内容。
• 若 problem.md 已存在，合并后完整覆盖写入。
• 保持简洁，不冗余。

---

第五步 — 评审确认

"请查阅 problem.md。问题定义现在是否清晰完整？"

• 是 → 提示用户进入实现阶段生成评估器和初始解。
• 否 → 返回第二步（仅当有新缺口可识别时）。

---

阶段二：实现

基于任务说明文档 problem.md，生成并验证 FaMou 进化框架所需要的 evaluator.py、init.py 和 prompt.md。

第六步 — 物料实现

evaluator.py（先实现，因为 init.py 验证依赖它）

• 严格遵守下方接口定义（READONLY）。
• 严格遵守系统级约束（READONLY）。
• 评分必须能区分质量等级：崩溃/违反约束 → 0；低质量 → 低分；高质量 → 高分。

init.py

• 单文件，直接可运行，满足所有硬约束。
• 实现 problem.md 中指定的基线策略或初始解方向。

prompt.md（≤100 行）

• 包含四个部分：(1) 角色，(2) 任务描述，(3) 数据描述，(4) 可行解参考。
• 前三部分内容来源于 problem.md，不得添加新假设。
• 文档内容不能包含任何emoj的表情

---

第七步 — 验证

运行评估器验证 init.py：

python evaluator.py <path_to_init.py>

必须同时满足：

• validity == 1
• combined_score 为数值且 != 0
• error_info == ""

若任一检查失败，分析原因，修改对应产物，重新验证，直至全部通过。

---

任务模板（problem.md 结构）

## 目标
<!-- READONLY：为 FaMou 进化任务准备 init.py、evaluator.py 和 prompt.md -->

## 1. 任务定义
- 核心问题描述
- 输入：（命令行参数 / 数据文件）
- 输出：（标准输出 / 生成文件）
- 主要优化目标
- 关键指标及计算公式

## 2. 数据描述
- 数据来源（文件/表名、结构/模式、字段定义）
- 访问方式（路径、格式）

## 3. 评估器

### 接口（READONLY）
def evaluate(path_user_py: str, task_name: str = "default", timeout: int = 3600) -> dict:
    return {
        "validity": float,        # 0 或 1；1 表示满足所有硬约束
        "combined_score": float,  # 为可行解打分，0表示无效解，低分表示低质量解，高分表示高质量解
        "cost_time": float,       # 评估花费时间
        "error_info": str,        # 成功时为 ""
    }

### 参考执行流程
1. 创建所需中间目录和文件
2. 配置候选解运行参数
3. 执行候选解脚本
4. 捕获执行结果（完成 / 错误 / 异常）
5. 检查硬约束和软约束
6. 计算 combined_score

### 硬约束
<!-- 精确规则、验证方法、违反后果 -->

### 软约束
<!-- 优化目标、度量方法、对分数影响 -->

### 系统级约束（READONLY）
- 无论 init.py 是否与 evaluator.py 同目录，评估器必须能正确执行
- 如果使用 subprocess 调用子进程，必须将 cwd 设置为 evaluator.py 所在目录
- 不得依赖临时目录作为工作目录

## 4. 初始解
<!-- 单文件 init.py；方案、基线策略或求解方向；必须满足所有硬约束 -->

## 5. 进化提示（prompt.md，≤100 行）
<!-- (1) 角色 (2) 任务描述 (3) 数据描述 (4) 可行解参考 -->

## 6. 补充信息（可选）
<!-- 参考资料、备注 -->

---

注意事项

• 澄清循环每轮只提一个问题，不得并行提问。
• 无效回答必须被拒绝，不得假设未解决的 TODO。
• 实现阶段必须运行验证，不得跳过。
• 若用户希望跳过澄清直接实现，尊重其选择，将已知信息缺口在 problem.md 中标注为假设后直接进入阶段二。