optimize-with-environments

Optimize environment system prompts with GEPA through prime gepa run. Use when asked to improve prompt performance without gradient training, compare baseline versus optimized prompts, run GEPA from CLI or TOML configs, or interpret GEPA outputs before deployment.

1. Zainstaluj skill w swoim środowisku agenta (instrukcja zależy od używanego frameworka – sprawdź dokumentację repozytorium).

2. Przygotuj plik konfiguracyjny środowiska (np. my-env) zawierający system prompt, który chcesz optymalizować. Upewnij się, że masz zdefiniowane endpointy w pliku configs/endpoints.toml – możesz tam ustawić model, URL API i ewentualne niestandardowe nagłówki HTTP.

3. Uruchom ewaluację baseline'u poleceniem prime eval run my-env -m gpt-4.1-mini -n 50 -r 3 -s, aby zmierzyć wydajność oryginalnego promptu. Zachowaj domyślne zachowanie zapisu wyników, chyba że jawnie poprosisz o pominięcie uploadu.

4. Uruchom GEPA do optymalizacji promptu: prime gepa run my-env -m gpt-4.1-mini -M gpt-4.1-mini -B 500 -n 100 -N 50. Parametr -B określa budżet (liczbę wywołań), -n to liczba próbek treningowych, -N to liczba walidacyjnych. Alternatywnie możesz uruchomić GEPA z pliku konfiguracyjnego: prime gepa run configs/gepa/wordle.toml.

5. Po optymalizacji ponownie uruchom ewaluację z nowym promptem i porównaj metryki z baseline'em. Upewnij się, że używasz tego samego modelu w obu testach, chyba że celowo badasz wydajność na różnych rodzinach modeli.

6. Przeanalizuj wyniki GEPA – sprawdź, które zmiany w promcie przyniosły największą poprawę, i zdecyduj, czy wdrożyć zoptymalizowaną wersję do produkcji.