[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-google--pyglove":3,"tool-google--pyglove":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":80,"owner_twitter":81,"owner_website":82,"owner_url":83,"languages":84,"stars":89,"forks":90,"last_commit_at":91,"license":92,"difficulty_score":93,"env_os":94,"env_gpu":94,"env_ram":94,"env_deps":95,"category_tags":98,"github_topics":99,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":108,"updated_at":109,"faqs":110,"releases":141},3425,"google\u002Fpyglove","pyglove","Manipulating Python Programs","PyGlove 是由 Google Brain 团队开发的通用 Python 库，旨在通过引入“符号化面向对象编程”理念，让开发者能够像操作数据一样直接操控 Python 程序本身。它核心解决了传统元编程复杂难写、机器学习超参数搜索空间定义繁琐等痛点，将动态修改代码逻辑的过程变得直观且灵活。\n\n该工具特别适合人工智能研究人员、AutoML 工程师以及需要处理复杂算法演进的 Python 开发者。在自动化机器学习（如神经架构搜索）、进化计算及大型团队协作场景中，PyGlove 能显著提升实验效率。其独特技术亮点在于提供了一套轻量级的可变符号对象模型，用户只需简单装饰器即可赋予类动态重绑定能力；同时内置了丰富的搜索原语和算法库，支持无缝接入分布式基础设施，让用户能轻松在现有代码中嵌入自动搜索功能，探索更优的程序结构或参数组合。作为 NeurIPS 2020 的发表论文成果，PyGlove 已在 Google 内部多个核心项目中得到广泛验证，是连接灵活编程与智能搜索的有力桥梁。","\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fgoogle_pyglove_readme_01ada30ae40d.png\" width=\"320px\" alt=\"logo\">\u003C\u002Fimg>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fgoogle_pyglove_readme_18db7444469b.png\" width=\"320px\" alt=\"logo\">\u003C\u002Fimg>\n\u003C\u002Fdiv>\n\n# PyGlove: Manipulating Python Programs\n\n[![PyPI version](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002Fpyglove.svg)](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002Fpyglove)\n[![codecov](https:\u002F\u002Fcodecov.io\u002Fgh\u002Fgoogle\u002Fpyglove\u002Fbranch\u002Fmain\u002Fgraph\u002Fbadge.svg)](https:\u002F\u002Fcodecov.io\u002Fgh\u002Fgoogle\u002Fpyglove)\n![pytest](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Factions\u002Fworkflows\u002Fci.yaml\u002Fbadge.svg)\n\n[**Getting started**](#hello-pyglove)\n| [**Installation**](#install)\n| [**Examples**](#examples)\n| [**Reference docs**](https:\u002F\u002Fpyglove.readthedocs.io\u002F)\n\n## What is PyGlove\n\nPyGlove is a general-purpose library for Python object manipulation.\nIt introduces symbolic object-oriented programming to Python, allowing\ndirect manipulation of objects that makes meta-programs much easier to write.\nIt has been used to handle complex machine learning scenarios, such as AutoML,\nas well as facilitating daily programming tasks with extra flexibility.\n\nPyGlove is lightweight and has very few dependencies beyond the Python interpreter.\nIt provides:\n\n* A mutable symbolic object model for Python;\n* A rich set of operations for Python object manipulation;\n* A solution for automatic search of better Python programs, including:\n  * An easy-to-use API for dropping search into an arbitrary pre-existing Python\n    program;\n  * A set of powerful search primitives for defining the search space;\n  * A library of search algorithms ready to use, and a framework for developing\n    new search algorithms;\n  * An API to interface with any distributed infrastructure (e.g. [Open Source Vizier](https:\u002F\u002Foss-vizier.readthedocs.io\u002Fen\u002Flatest\u002Fadvanced_topics\u002Fpyglove\u002Fvizier_as_backend.html)) for such search.\n\nIt's commonly used in:\n\n* Automated machine learning (AutoML);\n* Evolutionary computing;\n* Machine learning for large teams (evolving and sharing ML code, reusing\n  ML techniques, etc.);\n* Daily programming tasks in Python (advanced binding capabilities, mutability,\n  etc.).\n\nPyGlove has been [published](https:\u002F\u002Fproceedings.neurips.cc\u002Fpaper\u002F2020\u002Ffile\u002F012a91467f210472fab4e11359bbfef6-Paper.pdf)\nat NeurIPS 2020. It is widely used within [Alphabet](https:\u002F\u002Fabc.xyz\u002F), including Google Research, Google Cloud, Youtube and Waymo.\n\nPyGlove is developed by Daiyi Peng and colleagues at [Google Brain](https:\u002F\u002Fresearch.google\u002Fteams\u002Fbrain\u002F).\n\n\n## Hello PyGlove\n\n```python\nimport pyglove as pg\n\n@pg.symbolize\nclass Hello:\n  def __init__(self, subject):\n    self._greeting = f'Hello, {subject}!'\n\n  def greet(self):\n    print(self._greeting)\n\n\nhello = Hello('World')\nhello.greet()\n```\n> Hello, World!\n\n```python\nhello.rebind(subject='PyGlove')\nhello.greet()\n```\n> Hello, PyGlove!\n\n```python\nhello.rebind(subject=pg.oneof(['World', 'PyGlove']))\nfor h in pg.iter(hello):\n  h.greet()\n```\n> Hello, World!\u003Cbr>\n> Hello, PyGlove!\n\n## Install\n\n```\npip install pyglove\n```\n\nOr install nightly build with:\n\n```\npip install pyglove --pre\n```\n\n## Examples\n\n* AutoML\n  * [Neural Architecture Search on MNIST](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Ftree\u002Fmain\u002Fexamples\u002Fautoml\u002Fmnist)\n  * [NAS-Bench-101](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Ftree\u002Fmain\u002Fexamples\u002Fautoml\u002Fnasbench)\n  * [NATS-Bench](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Ftree\u002Fmain\u002Fexamples\u002Fautoml\u002Fnatsbench)\n  * [Evolving Reinforcement Learning Algorithms](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fbrain_autorl\u002Ftree\u002Fmain\u002Fevolving_rl)\n* Evolution\n  * Framework: [[Algorithm](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fintro\u002Fsearch\u002Fevolution_algorithm.ipynb)]\n    [[Ops](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fintro\u002Fsearch\u002Fevolution_ops.ipynb)]\n    [[Fine Control](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fintro\u002Fsearch\u002Fevolution_scheduling.ipynb)]\n  * [Travelling Salesman Problem](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fevolution\u002Ftsp.ipynb)\n  * [One-Max Problem](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fevolution\u002Fonemax.ipynb)\n  * [Symbolic function regression with `pg.mutfun`](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fevolution\u002Ffunction_regression.ipynb)\n\n* Machine Learning\n  * [Scalably exchanging ML ideas](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fml\u002Fefficiently_exchange_ml_ideas_as_code.ipynb)\n  * [Symbolic Machine Learning](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fml\u002Fsymbolic_ml.ipynb)\n  * [Symbolic Neural Modeling](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fml\u002Fneural_modeling.ipynb)\n\n* Advanced Python Programming\n  * [Sticky Notes: A mini Domain-specific Language](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fpython\u002Fsticky_notes.ipynb)\n  * [Interactive SVG: Components for Direct Manipulation](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fpython\u002Finteractive_svg.ipynb)\n  * [Where is the Duck: Developing Context-aware Component](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fpython\u002Fwhere_is_the_duck.ipynb)\n\n* Interactive Programming\n  * [Viewing PyGlove objects in HTML](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fgui\u002Fhtml_view.ipynb)\n\n## Citing PyGlove\n\n```\n@inproceedings{peng2020pyglove,\n  title={PyGlove: Symbolic programming for automated machine learning},\n  author={Peng, Daiyi and Dong, Xuanyi and Real, Esteban and Tan, Mingxing and Lu, Yifeng and Bender, Gabriel and Liu, Hanxiao and Kraft, Adam and Liang, Chen and Le, Quoc},\n  booktitle={Advances in Neural Information Processing Systems (NeurIPS)},\n  volume={33},\n  pages={96--108},\n  year={2020}\n}\n```\n\n*Disclaimer: this is not an officially supported Google product.*\n","\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fgoogle_pyglove_readme_01ada30ae40d.png\" width=\"320px\" alt=\"logo\">\u003C\u002Fimg>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fgoogle_pyglove_readme_18db7444469b.png\" width=\"320px\" alt=\"logo\">\u003C\u002Fimg>\n\u003C\u002Fdiv>\n\n# PyGlove：Python 程序的操控工具\n\n[![PyPI version](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002Fpyglove.svg)](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002Fpyglove)\n[![codecov](https:\u002F\u002Fcodecov.io\u002Fgh\u002Fgoogle\u002Fpyglove\u002Fbranch\u002Fmain\u002Fgraph\u002Fbadge.svg)](https:\u002F\u002Fcodecov.io\u002Fgh\u002Fgoogle\u002Fpyglove)\n![pytest](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Factions\u002Fworkflows\u002Fci.yaml\u002Fbadge.svg)\n\n[**快速入门**](#hello-pyglove)\n| [**安装**](#install)\n| [**示例**](#examples)\n| [**参考文档**](https:\u002F\u002Fpyglove.readthedocs.io\u002F)\n\n## 什么是 PyGlove\n\nPyGlove 是一个用于 Python 对象操作的通用库。它为 Python 引入了符号化的面向对象编程，允许直接操纵对象，从而大大简化元程序的编写。该库已被应用于处理复杂的机器学习场景，例如 AutoML，并且在日常编程任务中也提供了额外的灵活性。\n\nPyGlove 轻量级，除了 Python 解释器之外几乎没有其他依赖。它提供了：\n\n* 适用于 Python 的可变符号化对象模型；\n* 丰富的 Python 对象操作工具集；\n* 用于自动搜索更优 Python 程序的解决方案，包括：\n  * 一个易于使用的 API，可以将搜索无缝嵌入到任何现有的 Python 程序中；\n  * 一组强大的搜索原语，用于定义搜索空间；\n  * 一系列开箱即用的搜索算法库，以及开发新搜索算法的框架；\n  * 一个与任何分布式基础设施（例如 [Open Source Vizier](https:\u002F\u002Foss-vizier.readthedocs.io\u002Fen\u002Flatest\u002Fadvanced_topics\u002Fpyglove\u002Fvizier_as_backend.html)）对接的 API，以支持此类搜索。\n\nPyGlove 常被用于以下领域：\n\n* 自动机器学习 (AutoML)；\n* 进化计算；\n* 大型团队中的机器学习工作（进化和共享 ML 代码、复用 ML 技术等）；\n* Python 日常编程任务（高级绑定能力、可变性等）。\n\nPyGlove 已于 2020 年 NeurIPS 大会上发表（论文链接：[PDF](https:\u002F\u002Fproceedings.neurips.cc\u002Fpaper\u002F2020\u002Ffile\u002F012a91467f210472fab4e11359bbfef6-Paper.pdf)）。它在 [Alphabet](https:\u002F\u002Fabc.xyz\u002F) 内部得到了广泛应用，涵盖 Google Research、Google Cloud、Youtube 和 Waymo 等部门。\n\nPyGlove 由 Daiyi Peng 及其同事在 [Google Brain](https:\u002F\u002Fresearch.google\u002Fteams\u002Fbrain\u002F) 开发。\n\n## 欢迎使用 PyGlove\n\n```python\nimport pyglove as pg\n\n@pg.symbolize\nclass Hello:\n  def __init__(self, subject):\n    self._greeting = f'Hello, {subject}!'\n\n  def greet(self):\n    print(self._greeting)\n\n\nhello = Hello('World')\nhello.greet()\n```\n> Hello, World!\n\n```python\nhello.rebind(subject='PyGlove')\nhello.greet()\n```\n> Hello, PyGlove!\n\n```python\nhello.rebind(subject=pg.oneof(['World', 'PyGlove']))\nfor h in pg.iter(hello):\n  h.greet()\n```\n> Hello, World!\u003Cbr>\n> Hello, PyGlove!\n\n## 安装\n\n```\npip install pyglove\n```\n\n或者安装每日构建版本：\n\n```\npip install pyglove --pre\n```\n\n## 示例\n\n* AutoML\n  * [MNIST 上的神经架构搜索](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Ftree\u002Fmain\u002Fexamples\u002Fautoml\u002Fmnist)\n  * [NAS-Bench-101](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Ftree\u002Fmain\u002Fexamples\u002Fautoml\u002Fnasbench)\n  * [NATS-Bench](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Ftree\u002Fmain\u002Fexamples\u002Fautoml\u002Fnatsbench)\n  * [进化强化学习算法](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fbrain_autorl\u002Ftree\u002Fmain\u002Fevolving_rl)\n* 进化\n  * 框架：[[算法](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fintro\u002Fsearch\u002Fevolution_algorithm.ipynb)]\n    [[操作](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fintro\u002Fsearch\u002Fevolution_ops.ipynb)]\n    [[精细控制](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fintro\u002Fsearch\u002Fevolution_scheduling.ipynb)]\n  * [旅行商问题](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fevolution\u002Ftsp.ipynb)\n  * [One-Max 问题](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fevolution\u002Fonemax.ipynb)\n  * [使用 `pg.mutfun` 进行符号函数回归](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fevolution\u002Ffunction_regression.ipynb)\n\n* 机器学习\n  * [规模化地交流 ML 思想](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fml\u002Fefficiently_exchange_ml_ideas_as_code.ipynb)\n  * [符号化机器学习](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fml\u002Fsymbolic_ml.ipynb)\n  * [符号化神经建模](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fml\u002Fneural_modeling.ipynb)\n\n* 高级 Python 编程\n  * [便签：一个小型领域特定语言](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fpython\u002Fsticky_notes.ipynb)\n  * [交互式 SVG：用于直接操作的组件](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fpython\u002Finteractive_svg.ipynb)\n  * [鸭子在哪里：开发上下文感知组件](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fpython\u002Fwhere_is_the_duck.ipynb)\n\n* 交互式编程\n  * [在 HTML 中查看 PyGlove 对象](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fgoogle\u002Fpyglove\u002Fblob\u002Fmain\u002Fdocs\u002Fnotebooks\u002Fgui\u002Fhtml_view.ipynb)\n\n## 如何引用 PyGlove\n\n```\n@inproceedings{peng2020pyglove,\n  title={PyGlove: Symbolic programming for automated machine learning},\n  author={Peng, Daiyi and Dong, Xuanyi and Real, Esteban and Tan, Mingxing and Lu, Yifeng and Bender, Gabriel and Liu, Hanxiao and Kraft, Adam and Liang, Chen and Le, Quoc},\n  booktitle={Advances in Neural Information Processing Systems (NeurIPS)},\n  volume={33},\n  pages={96--108},\n  year={2020}\n}\n```\n\n*免责声明：本产品并非 Google 官方支持的产品。*","# PyGlove 快速上手指南\n\nPyGlove 是一个通用的 Python 对象操作库，由 Google Brain 团队开发。它引入了**符号化面向对象编程**（Symbolic OOP）概念，允许直接操纵 Python 对象，从而极大地简化了元程序（meta-programs）的编写。该工具广泛应用于自动化机器学习（AutoML）、进化计算以及需要高度灵活性的日常编程任务中。\n\n## 环境准备\n\n*   **操作系统**：支持 Linux、macOS 和 Windows。\n*   **Python 版本**：建议安装 Python 3.7 或更高版本。\n*   **前置依赖**：PyGlove 非常轻量，除了 Python 解释器本身外，几乎没有其他外部依赖。\n*   **包管理工具**：确保已安装 `pip`。\n\n> **国内加速提示**：如果您在中国大陆地区，建议使用清华或阿里云镜像源以加快安装速度。\n\n## 安装步骤\n\n### 标准安装\n通过 pip 安装最新稳定版：\n\n```bash\npip install pyglove\n```\n\n### 使用国内镜像源安装（推荐）\n使用清华大学开源软件镜像源进行安装：\n\n```bash\npip install pyglove -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n### 安装夜间构建版（可选）\n如需体验最新功能（可能包含不稳定因素），可安装预发布版本：\n\n```bash\npip install pyglove --pre\n```\n\n## 基本使用\n\nPyGlove 的核心在于通过 `@pg.symbolize` 装饰器将普通 Python 类转换为**符号化对象**。这使得对象具备可变性（mutability），并支持自动搜索不同的参数组合。\n\n### 1. 定义符号化类\n使用 `@pg.symbolize` 装饰器修饰你的类，即可启用符号化功能。\n\n```python\nimport pyglove as pg\n\n@pg.symbolize\nclass Hello:\n  def __init__(self, subject):\n    self._greeting = f'Hello, {subject}!'\n\n  def greet(self):\n    print(self._greeting)\n```\n\n### 2. 创建对象与动态重绑定\n创建实例后，可以使用 `.rebind()` 方法动态修改对象属性，而无需重新实例化。\n\n```python\n# 创建实例\nhello = Hello('World')\nhello.greet()\n# 输出：Hello, World!\n\n# 动态重绑定属性\nhello.rebind(subject='PyGlove')\nhello.greet()\n# 输出：Hello, PyGlove!\n```\n\n### 3. 自动化搜索与迭代\n结合 `pg.oneof` 定义搜索空间，并使用 `pg.iter()` 自动遍历所有可能的组合。这是 AutoML 和进化算法的基础用法。\n\n```python\n# 定义搜索空间：subject 可以是 'World' 或 'PyGlove'\nhello.rebind(subject=pg.oneof(['World', 'PyGlove']))\n\n# 迭代所有可能的对象实例\nfor h in pg.iter(hello):\n  h.greet()\n  \n# 输出：\n# Hello, World!\n# Hello, PyGlove!\n```\n\n通过以上步骤，您已成功掌握了 PyGlove 的核心用法。更多高级示例（如神经架构搜索 NAS、进化算法框架等）可参考官方 GitHub 仓库中的 `examples` 目录。","某大型电商团队的算法工程师正在构建一个自动机器学习（AutoML）系统，旨在为成千上万种商品销量预测任务自动搜索最优的神经网络架构和超参数组合。\n\n### 没有 pyglove 时\n- **代码耦合严重**：搜索逻辑与模型定义硬编码在一起，每次调整搜索空间（如增加新的激活函数选项）都需要修改核心训练脚本，极易引入 Bug。\n- **状态管理困难**：难以在运行时动态修改已实例化的模型配置，往往需要重新序列化\u002F反序列化对象或手动重写大量样板代码来重置状态。\n- **实验迭代缓慢**：缺乏统一的符号化对象模型，团队无法轻松复用已有的搜索算子，导致新算法（如进化策略）的开发周期长达数周。\n- **分布式适配复杂**：将本地搜索逻辑迁移到大规模分布式集群时，需要额外编写大量胶水代码来对接内部资源调度系统。\n\n### 使用 pyglove 后\n- **解耦搜索与执行**：利用 `@pg.symbolize` 装饰器将模型配置转化为可变符号对象，通过 `rebind` 即可动态调整参数，无需触碰底层训练逻辑。\n- **灵活的状态操控**：直接对对象树进行深度修改和遍历，配合 `pg.oneof` 等原语轻松定义复杂的离散或连续搜索空间，状态重置变得轻而易举。\n- **高效算法复用**：内置丰富的搜索原语和算法库，工程师只需几行代码即可将进化算法“插入”现有程序，新策略开发时间缩短至几天。\n- **无缝分布式集成**：提供标准化 API 直接对接 Vizier 等分布式基础设施，本地验证通过的搜索方案可一键部署到千节点集群运行。\n\npyglove 通过引入符号化面向对象编程范式，将原本僵化的 Python 程序转变为可动态操纵、易于搜索进化的灵活实体，极大降低了 AutoML 系统的开发与维护门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fgoogle_pyglove_da0bbc01.png","google","Google","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fgoogle_c4bedcda.png","Google ❤️ Open Source",null,"opensource@google.com","GoogleOSS","https:\u002F\u002Fopensource.google\u002F","https:\u002F\u002Fgithub.com\u002Fgoogle",[85],{"name":86,"color":87,"percentage":88},"Python","#3572A5",100,707,32,"2026-03-28T14:01:11","Apache-2.0",1,"未说明",{"notes":96,"python":94,"dependencies":97},"该工具非常轻量，除了 Python 解释器外几乎没有其他依赖。可通过 'pip install pyglove' 直接安装。主要用于自动化机器学习（AutoML）、进化计算及高级 Python 编程任务。",[],[13],[100,101,102,103,104,105,106,107],"automl","evolution","machine-learning","meta-learning","meta-programming","symbolic-programming","manipulation","python","2026-03-27T02:49:30.150509","2026-04-06T08:10:26.822956",[111,116,121,126,131,136],{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},15722,"为什么在使用 pickle 序列化 pyglove 对象时会报错 'AttributeError: Attribute sym_sealed does not exist'？","这是一个已知问题，旧版本的 `pickle` 无法很好地与 `pg.Symbolic` 类型协同工作。该问题已在 PR #194 中修复。请确保您使用的是最新版本的 pyglove。如果您遇到此错误，通常是因为版本过旧，升级库即可解决。最小复现代码涉及定义一个继承自 `pg.Object` 的类并使用 `pickle.dumps\u002Floads` 进行序列化反序列化。","https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fissues\u002F191",{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},15723,"在 pyglove 中如何正确地为字段添加文档字符串（docstring）？使用独立字符串行还是 Annotated？","推荐使用 `Annotated` 类型注解的方式（例如：`field_a: Annotated[int, \"field_a docstring\"] = 42`）。虽然在类定义后紧跟字符串行的方式曾在 PEP-224 中被提议，但已被拒绝，且主流 IDE 可能无法将其识别为注解。`Annotated` 方式更具扩展性，便于未来支持值规范和字段元数据，尽管某些外部 IDE 可能暂时忽略 `Annotated` 中的额外信息。","https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fissues\u002F202",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},15724,"当比较两个完全相同的 pyglove 对象时，pg.diff 为什么返回整个对象而不是空结果？","`pg.diff` 的行为取决于模式。默认模式 (`mode='diff'`) 下，如果两个对象相同，它会返回 `pg.Diff(left=pg.Diff.MISSING, right=pg.Diff.MISSING)`，其字符串表示为 'No diff'。如果您看到输出了整个对象，可能是因为使用了 `mode='same'` 或者直接打印了 Diff 对象的内部结构。您可以使用 `bool(pg.diff(...))` 来判断是否有差异：如果返回 False，则表示无差异。","https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fissues\u002F184",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},15725,"如何使用 pg.save 和 pg.load 保存和加载包含非 pyglove 自定义类型（如普通类）的对象？","`pg.to_json_str` 或 `pg.Symbolic.to_json_str` 会自动调用符号成员的 `to_json` 方法来生成 JSON 字符串。对于非 pyglove 类型（如自定义类 `B`），保存后的 JSON 文件中会包含 `_type` 字段（例如 `\"_type\": \"__main__.B\"`）。在加载时，只要该类 `B` 在当前环境（如 `__main__` 模块）中已定义，`pg.load` 就能根据 `_type` 路径准确地重新实例化该对象。无需额外配置，只需确保加载时类定义可用。","https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fissues\u002F183",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},15726,"如何在超参数搜索中实现参数绑定（Tied Parameters），让多个位置共享同一个超参数选择？","由于 `pg.one_of` 默认按值传递会导致独立采样，要实现参数绑定（即多个位置同步变化），应利用动态评估模式下的 `lambda` 函数技巧。通过将选项封装在 `lambda` 中传递给 `pg.oneof`，`pg.hyper.trace` 可以扫描所有分支并创建层级空间。示例代码：\n`result = pg.oneof([lambda: svc_classifier(...), lambda: random_forest(...)], name='classifier')`\n这样可以在遗传编程等场景中正确处理关联的超参数空间。","https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fissues\u002F120",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},15727,"pyglove 的 Dict 类型是否支持整数（int）作为键？","是的，`pg.Dict` 已经支持使用整数（int）作为键。如果您遇到相关问题，请确保您使用的是包含该修复的最新版本（相关功能已通过 PR 合并）。普通用户可以直接像使用标准字典一样，使用 `{1: 1}` 这样的整数键字典赋值给标注为 `Dict` 的字段。","https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fissues\u002F193",[142,147,152,157,162,167,172,177,182,187],{"id":143,"version":144,"summary_zh":145,"released_at":146},90416,"v0.4.5","此稳定版本发布包含自2024年1月以来的重大更新、增强功能及错误修复。\n\n## 重大更新\n\n- 支持 Python 3.13 ([d655ea0](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fd655ea0f60c22add8a43fe3024ce1801bdc27e78))\n\n- 引入 `pg.views` 模块：PyGlove 的视图子系统，用于渲染对象。([b7e1e83](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fb7e1e83c8034f57a00f309a2b5c124fa4163eebc))\n  - 支持 `pg.Object` 的 HTML 视图。([9cbcd76](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F9cbcd761c151781efbeaa61ddbeba5561f8d961d), [8661503](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F8661503e162e19658cb854c76cd5cedd2bc1e734))\n  - 可重用的 HTML 控件。([713e2c3](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F713e2c3060593d09b2fee8b375e603a125c2374d), [6e0ff93](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F6e0ff933d1e826d9553b084bed0c2a83c124c5d3))\n\n- 引入 `pg.coding` 模块：用于代码生成的实用工具。([a4e5373](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fa4e5373717e2ace65a9880de4ef2609b72f4f90f))\n  - 带权限控制的源代码评估。([23ca0c2](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F23ca0c221051622a9f95d2c95e5988c8e2443473))\n\n## 增强功能\n\n- 新特性\n  - `pg.Dict` 支持整数键。([120e8bd](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F120e8bd6533b51181b29254fa26fb91d0a376394))\n  - 添加 `pg.ContextualObject`，用于上下文相关的属性获取。([ba91fc7](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fba91fc783b079bc8fb783256a00d6c3bf0a7c670))\n\n- 对象类型标注\n  - 通过 `pg.typing.ValueSpec.to_json_schema` 支持 JSON Schema 转换。([9018f25](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F9018f2589b4ef861a02100bb03b67e07187e5509))\n  - 支持 `__future__.annotations`。([97d6446](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F97d6446a2dea91c67f5f39335e0509573ccb8cdd), [65c7e52](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F65c7e520cb8aa0ca5c8bf7d7f1cc9ab72123d5b2))\n  - 支持 `Protocol` 子类。([50d8a38](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F50d8a38b0328222c2570c95c93caf934b7354966))\n  - 支持 `ClassVar`、`Final` 和 `pg.Ref[Type]` 注解。([005ec58](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F005ec584be43146d0306dfbaa72b4fb1ce451080))\n  - 允许通过符号属性覆盖抽象属性。([f7390c1](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Ff7390c120b0c173ee73c97c239c7668def226723))\n  - 枚举字段可以扩展为整数或字符串字段。([aac846b](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Faac846b6fcc0b290e059bfb22f0f86657139ea79))\n  - `pg.typing.Union` 会保留候选类型的顺序。([590584d](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F590584d4222542c564ce85ba99edc7f1567061a2))\n  - 为 `pg.patcher` 启用自动类型推断。([7b56371](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F7b56371805aaad32fbcefcaf45ceb8a6a4c680a0))\n  - 冻结字段将不会出现在 `__init__` 方法的签名中。([e6810a8](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fe6810a8910fd4a9bac6f327036ebe8372757048b))\n  - 更好的前向引用处理","2025-07-15T19:08:11",{"id":148,"version":149,"summary_zh":150,"released_at":151},90417,"v0.4.4","本次发布包含对对象行为的优化，包括类型检查、格式化、序列化、哈希计算等。此外，还引入了 `pg.io` 作为操作不同文件系统的抽象接口。\n\n## 新子包\n\n- 引入 `pg.io`，用于抽象化的 IO 操作。（[b367568](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fb367568dfcd790cb06289332b86d20fa3a105d01), [3938023](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F3938023c25ff94cb74214caf829124c50f079abb)）\n\n## 功能增强\n\n* 类型检查\n  - `pg.typing.Object`: 改进了对字符串注解中前向引用的解析。（[574f90b](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F574f90b356da8c0504ab895cee2ff1b4c5f87f53), [516500f](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F516500f6dd5dd41b3fd5709b48ab8db80fd78160), [7026760](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F70267603d83406b161531eee7c56382417ebb124), [37e49c3](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F37e49c3bef6a4f8c38b01f53c7f4240780f7acda)）\n\n* 对象格式化：\n  - 引入 `__str_format_args__` 和 `__repr_format_args__` 属性，用于自定义 `pg.Formattable` 的 `str` 和 `repr` 行为。（[7e0a98b](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F7e0a98bbcfa4817509bd7e0c11dcff12f304b035)）\n  - 引入 `pg.str_format` 和 `pg.repr_format` 上下文管理器，以控制符号对象的 `repr` 和 `str` 格式化。（[0a2ea6](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F0a2ea674acca4b54091dc8625e8f82dc3e8c0b18)）\n  - 为 `pg.str_format` 和 `pg.repr_format` 添加 `markdown` 参数，用于对格式化后的对象进行引用。（[fd6ea8d](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Ffd6ea8dd035d1dc07164c58f0dabe1ad8c063c05)）\n  - 为 `pg.Symbolic` 格式化添加 `use_inferred` 参数。（[fdd3d3d](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Ffdded3d9b7903080b9c6d74c3c4950bec52e4f36)）\n  - 在 `pg.format` 中转义包含 `'` 和 `\\n` 的字符串。（[0489642](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F04896427989564fd16220f2afad269479fe8f821)）\n  - 改进多行字段文档字符串的格式化。（[900d677](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F900d677e9d1189731b28808e89f3915584ef2421)）\n\n* 对象序列化：\n  - 支持模块别名用于反序列化。（[536bde1](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F536bde1c40af82736ac0e8044b1eecd88bf37376)）\n  - 支持在 `pg.to_json` 和 `pg.save` 中使用 `use_inferred` 标志。（[e223f6d](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fe223f6da466e00ee9f216103f54d432d06c07a93)）\n\n* 对象行为：\n  - `pg.List.__iter__` 现在会尊重可推断的值。（[a4dacb5](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fa4dacb51300a22a8e0736e041668061be7330438)）\n  - 启用 Python 函数和方法上的符号比较及哈希运算。（[occc11b](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F0ccc11b076306c9b98373c8581e7e985626810dd)）\n  - 调整了 `pg.Symbolic.set_accessor_writable` 的行为，使其仅影响当前节点，而不影响整个子树。（[ee6009b](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fee6009b970d03d8a25aa0e4e3b3eaf70e7e1981f)）\n\n## Bug 修复\n\n* `","2024-01-04T19:14:19",{"id":153,"version":154,"summary_zh":155,"released_at":156},90418,"v0.4.3","此版本包含对 `pg.symbolic` 和 `pg.typing` 的重大更新。\n\n## 增强功能\n* `pg.symbolic`\n   - (*重大*)`pg.to_json`\u002F`pg.from_json`: 支持 Python 类型、注解、函数\u002F方法以及不透明对象的序列化（[6529a3c](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F6529a3c3e26948cd0375f847b660c5f50acd24f8), [7777e8f](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F7777e8f29d7e28273d0872a8f867102e79ec928a), [4911073](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F4911073ea5f8d56c013adb18c3aaff2470b66e8f)）\n   - (*重大*) 添加了用于符号值推断的 `pg.Inferential`（[5ef667c](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F5ef667c63403eb34826967e9e4e2a35e91054827)）。\n   - (*重大*) 添加了符号引用 `pg.Ref`，允许在符号树中引用符号值（[b28dc68](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fb28dc6892b6976fead4221e84378210873b6b913)）。\n   - `pg.Functor`: 支持通过子类化创建函子（[4950819](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F49508199ea54edacf3435457b7de3966b558341f)）。\n   - `pg.Symbolic.rebind`: 支持 `notify_parents` 标志（[cd0029c](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fcd0029c8d9e9ef7b3fe9bd6a85de13681269d582)）。\n   - `pg.symbolic.Origin`: 添加了 `root` 属性和 `history` 方法（[2686b29](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F2686b2932a76a9a1e4c3606d90b54e2e5afd09fe)）。\n   - `pg.Symbolic.sym_*`: 为 `default` 提供了一致的值（[90afe73](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F90afe73756b23ca564377d90954d1289210d5939)）。\n\n* `pg.typing`\n   - (*重大*) `pg.typing.ValueSpec` 可以作为标准 Python 注解的直接替代品。例如，`pg.typing.List[int]`（[ddbade7](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fddbade72cf81a2523cfc48cdaff84a3d205b697d), [c2eca16](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fc2eca160dbbf2b8b9a26d4c28578507ee7e199b9), [79ec73](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F79ec73b355c9680323f06296c809fa117a3e8085)）。\n   - (*重大*) `pg.Schema`、`pg.typing.Field`、`pg.typing.KeySpec` 和 `pg.typing.ValueSpec` 现在都支持序列化（[7777e8f](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F7777e8f29d7e28273d0872a8f867102e79ec928a)）。\n   - 添加了 `pg.typing.Annotated`、`pg.typing.Sequence` 和 `pg.typing.Optional`（[ddbade7](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fddbade72cf81a2523cfc48cdaff84a3d205b697d)）。\n   - 添加了 `pg.typing.ValueSpec.transform`，用于在应用时转换用户输入值（[a83c2ee](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fa83c2ee837b932405625e5edd644bc3844d0379f), [0a9b034](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F0a9b034753405c4b84cfdf917ec7f53831f4a762)）。\n   - 添加了 `pg.typing.callable_eq`，用于比较两个可调用对象（[7777e8f](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F7777e8f29d7e28273d0872a8f867102e79ec928a)）。\n   - 添加了从 `int` 到 `float` 的隐式转换（[caa3c93](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fcaa3c935a9c87496c6cb278ec41e32870e3133e7)）。\n\n* `pg.object_utils`\n   - `","2023-09-13T23:14:00",{"id":158,"version":159,"summary_zh":160,"released_at":161},90419,"v0.4.2","### 功能增强\r\n\r\n- `pg.symbolic`\r\n  - 重写 `pg.Object.__init__` 现在需要使用 `@pg.explicit_method_override` 装饰器，以防止用户意外覆盖由 PyGlove 管理的常用 Python 方法。([870ed11](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F870ed11798703e56e9c9523af5b52bd92ec320a4))\r\n  - `pg.compound` 现在支持将泛型类型用作基类。([4f659ab](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F4f659ab39af97f1978fd5eb4b5c7e7b68e1bf14a))\r\n  - 对于 Python 3.10 及更高版本，`pg.compound` 也可以使用抽象类作为基类。([c206676](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fc206676645556792cc421f19fb2b3136db5addb9))\r\n  - `pg.compound` 允许从分解后的对象中进行上下文相关的属性访问。([c206676](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fc206676645556792cc421f19fb2b3136db5addb9))\r\n\r\n","2023-07-28T17:52:51",{"id":163,"version":164,"summary_zh":165,"released_at":166},90420,"v0.4.1","这是一个轻量级版本，针对 `pg.typing` 和 `pg.symbolic` 进行了若干增强和错误修复。\n\n## 增强功能\n\n- `pg.typing`\n   - `pg.typing.Object`、`pg.typing.Type` 以及类型转换器现支持 `Generic` 注解。([4eabef3](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F4eabef38f59218e2f854523369894d7c5794f31f))\n   - `pg.Object` 现在支持 `Callable[\u003C输入类型>, \u003C 输出类型>]` 和 `Dict[str, \u003C 值类型>]` 注解。([ab4a850](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fab4a850162ca0ada5bcdbdd71a1a0c2f76882364))\n\n- `pg.symbolic`\n   - 引入 `pg.use_init_args`，用于重新排列 `pg.Object` 子类的初始化参数顺序。([627990e](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F627990eb121cf810daf2811f2858a3268e9bb09b))\n\n## 错误修复\n\n- `pg.typing`\n   - `Tuple[\u003C 元素类型>, ...]` 现在可以被正确识别。([9e2a772](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F9e2a7728a71d7b629e8569828ef949b24e612c0c))\n\n- `pg.symbolic`\n   - `pg.eq` 和 `pg.ne` 在进行成员比较时将不再评估上下文值。([77a4bb1](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F77a4bb138f6bf3bb439d60cba4a9a5a593c36e5a))\n   - 当 `x == y` 时，`pg.diff(x, y, mode='diff')` 将返回 `pg.Diff(left=pg.Diff.MISSING, right=pg.Diff.MISSING)`，其字符串表示为“无差异”。([e31fa99](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fe31fa995e11d2de5e6bf0ca36a9364aac3e8a92a))","2023-07-22T03:53:10",{"id":168,"version":169,"summary_zh":170,"released_at":171},90421,"v0.4.0","## 新特性\n\n- `pg.symbolic`\n  - *重大*：引入 `pg.compound`，以最大化 SOOP 的组合能力。([001702a](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F001702ac6711fac7377133f5152bd4a556b5ff83))\n  - *重大*：引入 `pg.ContextualValue`，并允许符号字段具有上下文相关性。([1b7386b](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F1b7386bca701ff4fb740954ea9de1bcd4d92cc48), [f50831a](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Ff50831a8a9368f320e4093c995020e39310f943c), [77f0732](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F77f073221adf0311fc2259586a43d4d5006c7cdf))\n\n- `pg.object_utils`\n  - 引入 `pg.docstr`，用于文档字符串检查。([29f02ad](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F\n  29f02ade5a844dbc23c8f0fb527bd6592957a2bd))\n\n- `pg.mutfun`\n  - 引入 `pg.mutfun.If` ([88b60f8](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F88b60f892f2e32242809dba63f5361679f7df748))\n  - 引入 `pg.mutfun.While` ([15b477b](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F15b477bce9c9687efce2346989b2cd03eac5be9f))\n\n\n## 增强功能\n\n- `pg.symbolic`\n  - *重大*：通过字段注解引入符号成员声明，取代 `pg.members` 成为推荐的符号字段声明方式 ([27a7392](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F27a739253bb860e42c7266fba03e63c7b5e236d7), [564cb1b](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F564cb1ba51b288c2d74cea16b437a75d8d076451))\n  \n  - *重大*：为 `pg.symbolize` 和 `pg.functor` 引入 `auto_typing` 功能。([5b57191](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F5b571912003419e311da13dacb26e9c71f0c9e86))\n\n  - 引入上下文管理器 `pg.auto_call_functors`，允许在 `__init__` 之后立即调用 functor。这使得 functor 能够与普通函数兼容。([a00e787](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fa00e7879b3f1488fa4292df95131e61a2178f7d6))\n\n  - 为 `pg.symbolze` 引入 `auto_doc` 参数。([e8b2520](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fe8b25208248dc0800dacb7f028eaf61eacdbdc83))\n\n  - 支持 `pg.Symbolic.format` 中的 `python_format` 参数。([c3005c06](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fc3005c6ba6cad64d43dbb93602eb94b592de4be4))\n\n  - 允许 `pg.Object` 中的成员方法作为可调用符号属性的默认值。([9b2bd3b](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F9b2bd3bba0a1c1111de6c4d8760c48205e713b76))\n\n  - 添加 `pg.Object._begin_annotation_inference` 和 `pg.Object._end_annotation_inference` 作为类创建过程中拦截注解推断的事件。([af410fe](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Faf410fef0b1d13cc0884e05faebd3bdc3a70d01a))\n\n- `pg.typing`\n  - *重大*：`pg.typing.Object` 支持前向声明。([9235f55](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F9235f55f54759dcba82bff2564afa40b50b2403d))\n\n- `pg.object_utils`\n  - 引入 `pg.object_utils.thread_local_xxx` API，用于线程本地状态管理。([4ee6572](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F4ee6572016f39eaa6f58dda1f36d7656d73060","2023-07-13T17:09:02",{"id":173,"version":174,"summary_zh":175,"released_at":176},90422,"v0.3.0","## 新特性\n\n* 引入扩展模块 `pg.mutfun`，用于演进低层函数。([c67a1e7](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fc67a1e7c7b30fb059ba1658ef34083d39c0dfc61), [3c6cd7f](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F3c6cd7f5268ecbbd2439848747a0db6c16c32e75), [ba937c0](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fba937c0c4233157456413d9c835f697bfffa4bc2))\n\n* 添加 `pg.registered_types`，用于访问所有已注册的 `JSONConvertible` 子类。([c67a1e7](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fc67a1e7c7b30fb059ba1658ef34083d39c0dfc61))\n\n## 功能增强\n\n`pg.Symbolic`:\n* 增加了属性 `sym_root`。([528aefc](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F528aefc056506e67802ae6e4ec90f7cf8b772be8))\n* 增加了方法 `sym_ancestor` 和 `sym_descendants`。([40bc014](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F40bc01473b8395e4429a20e85908e6efc9a97aae))\n\n`pg.sample`:\n* 现在支持对抽象搜索空间（`pg.DNASpec`）进行采样。([87707c2](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F87707c2b042c2aeecae9cd69912a7a3cb313d2ec))\n\n模块 `pg.typing`:\n* PyType 注解现在可以用作 `pg.members`\u002F`pg.symbolize` 中的值规范。([e95505d](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fe95505d4a6cc72493fe1dcbc70c9a91e1bddc6c0))\n\n模块 `pg.object_utils`:\n* 将共享的 `JSONConvertible` 功能上移到 `pg.object_utils` 模块中。([55bc482](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F55bc482061bfb58fd1eae257006815e0f5a113a4))\n\n## API 变更\n\n* 移除了 `pg.schema`（`pg.members` 的别名）。([e25dbd9](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fe25dbd938953c86e1ea2630a8cbf84e690513648))","2023-03-17T21:34:39",{"id":178,"version":179,"summary_zh":180,"released_at":181},90423,"v0.2.1","* 亮点：\n  - 所有 PyGlove 核心模块已被拆分为更小的文件，以提高可读性和可扩展性。([775470f](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F775470f645a7f7eb4b5f418f8b213dab207ca0a1), [2561dc4](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F2561dc41754ba40446030f151d21ad7f845186da), [67e84](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F67e8426a0e0c8676aaa03e44151d7de6eec5cdf5), [b210121](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fb2101214cd1f376b0b9eb3122de567a91b951ff3), [cb244a](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fcb244a723bf978d1c38acdacee4a3c111751a6e7), [5026b3d](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F5026b3d604372109c3e3ff8f8e0528efb369f831), [9603443](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F96034438482c630891279799f2940ee0f0f42614), [3cbb66e](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F3cbb66e9ce2fbe8598b7abe96b07c1d38b890eb7))\n  - 非核心 PyGlove 模块现位于 `pyglove\u002Fext` 中。([4994398](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F49943983885c8b545139807cf37c23a37f7caa4f))\n\n* API 变更\n  - 从 `pg.generators` 子模块中移除了非 DNA 生成器相关的符号。([4605a97](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F4605a9739eb500bce226ab8839bbebafed077231))\n  - 通过将 `pg.tuning.BackendFactory` 合并到 `pg.tuning.Backend` 中，简化了调参后端接口。([7e56bb7](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F7e56bb72e42c7bd016b6370d251d93a79af70a0d))\n  - 将 `pg.patching.object_factory` 重命名为 `pg.patching.ObjectFactory`。([2d65a16](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F2d65a166437de1869809fbe78eccda504a5749f4))\n\n* 增强功能\n  - 支持在 `pg.hyper.CustomHper` 中使用 `pg.random_dna` 和 `pg.iter`。([49fc46a](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F49fc46a158a5f50b4e4dd121c8353a8ddc3d42fe))\n\n* 错误修复\n  - `pg.evolution.Evolution`：在恢复过程中，会将不可行的试验排除在初始种群之外。([d55f1dc](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Fd55f1dca2a5deebfa4ad470cf74154ff2f7fda77))\n\n* 新特性\n  - 引入了符号比较运算：`pg.lt` 和 `pg.gt`。([747d6a](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002F747d6a80280a342ef39034a33d86d05be06f4520))\n  - 引入了 `pg.evolve`，用于进化任意符号对象。([f2606eb](https:\u002F\u002Fgithub.com\u002Fgoogle\u002Fpyglove\u002Fcommit\u002Ff2606eb6fb8155e749a1a6195c6aff319065500c))","2023-01-18T17:26:51",{"id":183,"version":184,"summary_zh":185,"released_at":186},90424,"v0.2.0","增强功能：\n\n- `pg.symbolic`:\n   - 引入 `pg.Symbolic.sym_has` 和 `pg.Symbolic.sym_get`，用于通过路径测试或获取子树中的节点。\n   - 引入 `pg.Symbolic.sym_field` 和 `pg.Symbolic.sym_attr_field`，用于访问当前或子符号值的 `pg.typing.Field` 定义。\n   - `pg.Symbolic.sym_getattr` 现在支持默认值。\n   - `pg.Symbolic.rebind` 现在支持将 `pg.KeyPath` 对象作为键。\n\n错误修复：\n\n- `pg.tuning`: 修复了在内存调优后端中 `pg.tuning.Feedback.should_stop_early` 导致的崩溃问题。\n\n新特性：\n\n- （实验性）引入 `pg.composing`，用于处理算法式的符号变异。","2022-10-13T18:23:30",{"id":188,"version":189,"summary_zh":190,"released_at":191},90425,"v0.1.1","* 新特性\n   - 引入 `pg.logging`，以支持可插拔的 PyGlove 日志记录。\n   - 引入 `pg.early_stopping`，并提供初始的逐步策略。\n\n* 功能增强\n   - `pg.hyper`：\n      - 支持嵌套的 `pg.hyper.DynamicEvaluationContext`，以便采用分治策略来探索搜索空间。\n      - 为 `pg.floatv` 添加尺度类型支持。\n      - 在调用 `pg.hyper.Choices.dna_spec` 时，保留数值字面量值。\n\n   - `pg.tuning`：\n      - 支持在 `pg.tuning.Feedback.skip_on_exceptions` 中使用基础错误类和错误正则表达式。\n      - 添加 `pg.tuning.Feedback.ignore_race_conditions`，以更好地处理来自多名同事的竞态条件。\n\n   - `pg.evolution`：\n      - 使 `pg.evolution.Evolution` 在 `propose`\u002F`feedback` 过程中线程安全。\n      - 改进 `pg.evolution.Evolution` 报告种群初始化错误的方式。","2022-10-10T17:29:10"]