Meituan 1st AI Hackathon

Lithos

MeiTuan Auto Solver Agent (MTASA) 技术报告

题目 4 —— “AutoSolver：让 AI Agent 自主求解配送分配问题” (Keeta Department)

GitHub 仓库

Bilibili Demo 链接

Most Vital Takeaways

  • 所有的 AI/Agent 的根本难题都是记忆（上下文）问题。无论语言、视频、音频模型。

  • 上下文问题的答案可以是多层分布式缓存记忆系统，也可以是模版化“元提示词”（metaprompt）。

  • Agent 的根本定义是可调用工具不达目的不罢休的智能体，而 AI（LLM）只是一问一答的工具。

  • 工作流中所有显著的提升节点都不是由“某次好的提问”导致的，都在于重新分析问题本质。以本次比赛为例，关键是推算官方如何打给骑手安排打分（什么是好的“分配”？）、拟合官方的数据、重新设计系统框架等等。

  • 大部分开发者选择用 AI 交互的量弥补质的不足，所以更应重视质。在 AIGC 影片方面也一样，业内的目标就是避免反复生成碰运气“开盲盒”。

前言

互联网经济的核心是外卖配送，而高效地将订单-骑手最优配对对于美团为首的企业至关重要。本系统是一个对于固定格式的“骑手-订单”数据进行自动学习与编写求解脚本的 Agent。这不是一个单一算法脚本，而是一个会自动持续学习、复盘、迭代，故而生成的脚本越来越强的本地系统。 给它数据集和 API，它给你一条可追踪、可解释、可改进的求解进化路径。

我的 MTASA 系统由四个完全独立的相互可交互模块组成：

  • genius (“全知者”)：本地评测器，负责接收数据集，并验证、打分、出报告。
  • fool (“无知者”)：迭代性 AI Agent，负责改 solver、模块内轻量级烟测、提交给 Agent 测试、读结果、再改进的循环学习。⚠️ 拥有复杂的多层级缓存式记忆体，并用 BM25 算法访问记忆。
  • teacher (“教育者”)：包含另一个独立的 Teacher AI，拥有经验和策略知识库，负责提醒方向、避坑、约束，⚠️ 防止反复回退基线版本、防止违法行为（比如引用非公共库、代码体超过 100K、未改动就提交测试…）。
  • frontend (前端)：本地控制台，GUI 展示，帮助用户配置、启动、观察全流程（如有需要）。

亮点、热点、痛点

💡 模仿人类学习：核心就是 全知者 和 无知者 的递归式交互，无知者在测试和探索中逐渐拟合/逼近全知者，模拟 “人类（我）参加美团黑客松” 的学习过程。

💡 模仿计算机内存：AI Agent 最大痛点便是上下文空间不足。使用多层可检索缓冲型记忆，防止上下文压缩导致的记忆紊乱。

💡 工具集：Agent 与“单纯的 LLM-tools”的最大区别便是能够调用工具，以及可以“不达目的不罢休地运行”。没有一系列恰当的工具集，Agent 就像失去手脚的大脑。我准备了 TeacherAI、代码块修改、记忆读/写等等工具。

💡 “真"迭代：我们的迭代是“修改式”的，即每个版本都站在前一轮的基础上。而不是像大部分人那样直接裸调用 AI，就会变成“每一轮重写一个脚本”，那样进展较慢且浪费 token。

我认为我的系统确实与众不同，至少它不能被随便地 Vibe Coding 出来——关键在于，模拟我（一个十足的无知者）在这次黑客松比赛的真实学习过程，它隐含着的就是我，一个人类从 0 开始的学习过程。

本人毫无相关基础背景，对于 “ILP, 美团的 SCDN 算法, 匈牙利算法” 等名词闻所未闻（报名时本以为是 A* / BFS 之类的加权寻路优化）。反倒因此，我在本次项目中获得了刚开始难以设想的收获，甚至感激这次机会。它促使着我学习新领域，把经验、失败和判断标准结构化，最后沉淀成可重复的方法 —— 而这一切浓缩到了最终这个 Agent 系统中。

这个系统最关键的一点是：它在模仿人类（我）的学习过程。

无知者承认其无知，从纯贪心算法出发，基于证据/有限信息提出小假设或改进，向全知者求证。保存失败与成功经验，保留所有版本脚本。自适应——从失败里学习，迭代越久越长——这个过程本身非常有价值。

技术栈

1) 系统架构栈

\mathrm{Teacher\ Signal} \to \mathrm{Fool\ Edit} \to \mathrm{Genius\ Score} \to \mathrm{Memory\ Update} \to \mathrm{Next\ Round}

2) 评分算法栈

我推测出了几乎与线上网站完全精准一致的评分公式！我很好奇大家是否都能做到。

Genius 的核心评分位于 genius/official_like.py，目标是最小化 penalty 分数。

对一条输出行：主骑手 + 若干备选骑手（c1 ~ cm），记候选序列为 $[(s_1,w_1),\dots,(s_m,w_m)]$，其中 s 为行内代价、w 为接单意愿。那么这一行的成本可以定义为一个递归期望算式： “c1 接单的成本 + c1未接单时 (c2 接单的期望+ c2 未接单时 (……))”，即为下式中的 E：

T_{m+1}=p_{\text{uncov}},\quad E=T_k = w_k s_k + (1-w_k) T_{k+1},\quad k=m,m-1,\dots,1

其中 puncov 代表所有骑手都拒单时的失单惩罚，显然，非合单为 100，合单为 200。故而整个解的总成本为每行的算数平均 C：

C = \frac{1}{N}\sum_{i=1}^{N} E_i

在反复的使用已知数据集 large_seed301 进行线上测试结合本地解输出分析后，我统计发现行分数采用意愿升序和降序两次递归的算数均值：

C_{real} = \frac{1}{N}\sum\frac{1}{2}\left(E_T^{\uparrow} + E_T^{\downarrow}\right),即实际成本为骑手从主到次按\ w\ 升/降序算得的\ C\ 的均值

这便是我用 Excel 和统计学理论分析得到的最优拟合评分函数。它不完全等于线上打分规则，但最多只有 ±3 分左右的差距（除非有违规行为）。

3) N 维向量探测与数据集拟合栈

项目采用 probe 驱动的数据反演方法（详见 teacher/DATASET_FEATURE.md）：

  • 以 $\phi(c)\in\mathbb{R}^{19}$ 描述每个 case 的结构特征向量（规模、bundle 结构、score/willingness 分布、联合统计等）。
  • 通过在线 probe 的 subset-sum 编码把特征桶映射到可观测分差，再由线上 report 反解桶区间。

核心解码关系：

\mathrm{baseline} = 100\cdot n_{\text{tasks}},\quad
\Delta_{\text{obs}} = \text{baseline} - S_{\text{online}},\quad
b = round\!\left(\frac{\Delta_{\text{obs}}-10}{10}\right)

这等价于把隐含特征投影到离散桶空间，再进行逆映射校准。其价值在于：

  • 不依赖单个本地文件锚点，避免线上/本地行级漂移带来的误判。
  • 可将 case 识别从经验判断升级为可验证的统计画像。
  • 能直接支撑模拟集生成与策略分桶（tiny/small/medium/large/low_w/scarce/high_noise）。

4) 记忆系统栈（多层记忆 + BM25）

Fool 内置两层长期记忆：

  • 数据集级记忆（FoolMemory）
    • 持久化回合结果：episodes.jsonl、strategy_index.json、session_summaries.jsonl
    • 检索使用 BM25-hybrid 排序（关键词匹配 + case-tag 重叠 + 最近收益加权）
  • 全局笔记记忆（MemoryNotesStore）
    • 一条知识一份 Markdown（含 frontmatter 元数据）
    • 聚合索引 MEMORY.md 自动重建，供下一轮 header 直接引用

检索可抽象为：

\mathrm{score}(d,q) = \alpha\,\mathrm{BM25}(d,q) + \beta\,\mathrm{TagOverlap}(d,q) + \gamma\,\mathrm{RecentGain}(d)

从而把“记住历史”变成“可度量、可排序、可复用”的工程能力，而不是纯文本堆积。

5) TeacherAI 栈（静态策略 + 周期复盘）

Teacher 能力分两条链路：

  • 静态策略注入：每轮系统前缀固定携带 playbook，约束动作边界与优化方向。
  • 周期 Teacher Review：当迭代停滞/周期触发时，生成结构化 verdict（observation / exhausted_directions / next_candidates），并注入下一轮 round header。

可视为一个慢变量控制器：

u_{t+1} = \Pi\big(u_t,\,\text{history}_{t-k:t},\,\text{bottleneck\_signals}\big)

其中 $u_t$ 是下一轮建议方向，π 是只读的策略更新算子。

6) 迭代算法栈（Agentic search with guarded execution）

每轮由 run_round 执行受约束的工具调用循环：

  1. 构造 prefix + round header（含最近历史/记忆索引/可选 teacher review）
  2. LLM 输出 <intent> + 工具调用
  3. 使用 block_patch 对 draft 做最小增量修改
  4. 运行 smoke_test_solver 做本轮提交前冒烟验证
  5. 输出 <final>，提交 Genius，读取正式报告
  6. 以 outcome 分类更新记忆与桶冠军

其中 outcome 不只看全局均分，而是桶级别的改进判定：

\Delta_b = S_b^{\text{new}} - S_b^{\text{incumbent}},\quad
\mathrm{improved\ if}\ \Delta_b < -\varepsilon_b,\quad \varepsilon_b = 0.003\,\left|S_b^{\text{incumbent}}\right|

这使系统具备“局部突破可累积、全局目标不丢失”的多目标推进能力。

6) AI 块替换工程（可回滚、可审计）

Fool 编辑脚本的核心不是自由删除重写整个文件，而是受限块替换，这样做才是“真”迭代：

  • block_patch 使用 SEARCH/REPLACE 原子批量应用
  • 支持精确匹配、统一缩进容错、... 省略匹配
  • 任一块失败则整批回滚，保证 draft 不被半写入污染

该机制把“LLM 修改代码”从不可控文本改写，收敛为可验证的事务操作，而普通的调用 API，每次都会推翻重做，毫无“积累经验”可言。

样例展示

使用 qwen-3.7-max (思考强度 xhigh) ，首轮为纯贪心基线出发，对象数据集为仿线上网站的模拟数据集，运行迭代 15 轮的结果。存在明显学习过程曲线：Meituan 1st AI Hackathon 相关图片

环境与依赖

推荐环境：macOS / Linux

  • 控制面（run_local.py / fool_loop.py / genius_judge.py）建议使用 Python 3.10+
  • 必须安装 Python 3.6。Genius 默认使用 python3.6 执行 solver，因为线上测试系统为 3.6，如果您本机没有 Python3.6，请参见此处。

先确认本机可直接调用：

python3.6 --version

若命令不存在，Genius 会返回 FATAL 报告（属于环境问题，不是算法分数问题）。

⚠️ 必装依赖（最少）：

pip install requests tiktoken

如果您使用的是 pip3：

pip3 install requests tiktoken

Solver 提交脚本本身不应依赖任何第三方库（纯 stdlib）。

如需显式指定 solver 解释器（例如 pyenv/conda 下的 3.6 路径）：

python genius/genius_judge.py \
  --solver fool/templates/solver_greedy.py \
  --input-dir data/sample_10_cases \
  --scoring official_like_latest \
  --report out/reports/report.txt \
  --python-cmd /absolute/path/to/python3.6

测试（非必需）：

python -m pytest genius/tests

快速开始

git clone 本仓库后，在终端-仓库根目录执行：

python run_local.py

或：

python3 run_local.py

启动后打开任意浏览器访问：

http://localhost:7860（若 7860 被占用，会自动尝试 7861、7862、7863…）

系统的前端可视化与进程管理就在此进行。

接下来，您需要：配置大模型的 API-key、导入您的数据集，即可开始运行 MTASA 系统！

⚠️ API 配置与使用流程

一、前端支持读取 MacOS 系统的 ~/.zshrc（即 bash 的配置文件）中填写常见 API Key：

  • OPENAI_API_KEY
  • ANTHROPIC_API_KEY（或 CLAUDE_API_KEY）
  • OPENROUTER_API_KEY
  • DEEPSEEK_API_KEY
  • DASHSCOPE_API_KEY

二、如果您不使用 MacOS 系统，您也可以在 localhost 界面里手动填 API，直接点击“手动配置 API”按钮，然后填写，您不必担心密钥的安全问题，因为 localhost 是本机窗口。

举例：阿里云百炼（Aliyun Bailian / DashScope）

假设您想使用千问 AI，MTASA 支持把百炼作为独立的 api_type=aliyun 接入，底层走 OpenAI 兼容的 Chat Completions 接口。

如果你在 ~/.zshrc 中配置了 DASHSCOPE_API_KEY，前端会自动发现该 profile。

手动配置示例：

{
  "api_type": "aliyun",
  "api_key": "$DASHSCOPE_API_KEY",
  "base_url": "https://dashscope.aliyuncs.com/compatible-mode/v1",
  "model": "qwen-plus"
}

Reasoning Effort（思考强度）

上游推理模型常见的 Reasoning Effort 档位可能包括：

  • none、minimal、low、medium、high、xhigh

不同 provider / 不同模型通常只支持其中一部分。MTASA 当前可选档位为 low / medium / high / xhigh。

⚠️ 建议流程

Meituan 1st AI Hackathon 相关图片

  1. ⚠️ 请将您提供的正式的数据集放到根目录下的 /data/sample_10_cases，替换原本的占位测试集。
  2. 模型：建议 deepseek-v4-pro (及其他国内厂商，如 Minimax / Qwen 最新代的 pro 或 max 版本) 或 chatgpt-5.3-codex (或 5.5) 或 Claude-opus-4.7。
  3. 迭代轮数：建议 20～50，至少 20 轮，否则由于大模型的本质（高维语言概率计算）有可能结果不理想。
  4. 最大步数：50
  5. AI 回复的 Token 上限：128K (与具体模型相关)
  6. Reasoning Effort：openrouter 以及 aliyun 的模型可选 high / xhigh；而 deepseek-v4-pro 一般用 low / medium，否则会比较缓慢（甚至每次迭代 15～20 分钟）。其他模型还请您自由探索。
  7. ⚠️ 填写后，点"检查 API”，以确认连通。
  8. 最后点击“开始运行”即可开始迭代。

三、运行过程中，您可以看到历史上每轮的分数、本轮迭代中十个数据集各自的具体成绩（就像官网那样）、AI 思考过程历史、Agent 调用工具历史等等，过程非常透明且可视。

四、如果运行中出现报错，如若不是您网络或者 API 的问题，点击左侧的“继续”按钮即可继续。

五、如果您想要清空记忆重新做/更换数据集，请点击右侧的**“清空排行榜”和左侧的“归档并清空 out”**即可消除长期记忆。这样做会清空 Agent Memory，重新从基点出发。

CLI 用法（若您不走前端）

只跑 Genius 评测

python genius/genius_judge.py \
  --solver fool/templates/solver_greedy.py \
  --input-dir data/sample_10_cases \
  --scoring official_like_latest \
  --report out/reports/report.txt

只跑 Fool 迭代

python fool/fool_loop.py \
  --api-type openai \
  --api-key "$OPENAI_API_KEY" \
  --model gpt-4.1-mini \
  --iterations 10 \
  --input-dir data/sample_10_cases \
  --scoring official_like_latest

约束

这些约束由 Genius/流程强制执行：

  1. solver 入口固定：solve(input_text: str) -> list[tuple[str, str]]
  2. 输入固定为 TAB 分隔 4 列：task_id_list, courier_id, total_score, willingness
  3. task_id_list 中逗号是任务包，不是 CSV 分隔符
  4. 同一 task_id 不能重复分配
  5. 同一 courier_id 不能重复使用（备份也算使用）
  6. 评分模式固定：official_like_latest
  7. solver 文件不超过 100KB
  8. 本地单 case 默认上限 30 秒（对应线上约 10 秒预算）
  9. solver 提交路径必须纯 Python 标准库（不要引入外部依赖）

我的输出产物在哪里？

每次 run 会写到：

  • out/runs/<run_id>/solver_vNNN.py
  • out/runs/<run_id>/report_vNNN.txt
  • out/runs/<run_id>/harness_vNNN.json
  • out/runs/<run_id>/draft.py
  • out/runs/<run_id>/fool.log
  • out/runs/<run_id>/dialog/round_NNN.jsonl

最佳结果在迭代结束时同步到：

  • 脚本：out/solvers/best_solver.py
  • 成绩：out/reports/best_report.txt

Prompt & Skill

项目的约束和 skills：

  • requirements.md
  • skill.md
  • teacher/DATA_STRATEGY_PLAYBOOK.md
  • teacher/MTASA_BOTTLENECK_OPTIMIZATION_GUIDE_CN.md
  • genius/README.md 与 fool/README.md

很高兴您能耐心的读完这份挺长的报告，感谢您的阅读和使用。

参考文献

Agent 记忆体: https://github.com/agentscope-ai/ReMe/blob/main/docs/copaw_context_design_zh.md

AI 自动替换/修改代码块: https://github.com/Aider-AI/aider/blob/main/aider/coders/editblock_prompts.py

模拟测试集参考美团官方开源数据：https://github.com/meituan/Meituan-INFORMS-TSL-Research-Challenge

美团关于 Agent AI 的见解：https://tech.meituan.com/2026/05/07/agent-ai-coding.html

comments powered by Disqus