淘天以分层服务和Skills封装GEPA提示优化

2.0 版本把原先「n 个场景 n 套 Adapter」重构为配置驱动：配置层用 Pydantic 定义 TaskConfig 等模型，build_config() 按任务类型一次性对齐输出 schema、答案提取方式与评分函数。引擎层对外暴露 run_optimize / run_evaluate / validate_config 三个 API，内部由 GenericGEPAAdapter 把一次候选评估翻译成批量推理、解析输出、批次评分、生成反思轨迹四步。 组件层提供六个可插拔模块——data.py（加载 json/jsonl/csv，按标签分层切分 train 50% / val 30% / holdout 20%）、inspector.py（给字段画像后并行推断标注字段、任务类型、输入字段并给出置信度，产出 DatasetProfile 与建议种子提示词）、llm.py（基于 litellm 统一 DashScope / OpenAI / Anthropic / Moonshot / 智谱多 Provider，批量并发与 2s→4s→8s 指数退避重试最多 3 次）、parsers.py（json_field/regex/full_text 提取并按 OutputSchema 校验）、scorers.py 与 evaluate.py、feedback.py（规则层 + LLM Judge 深度层）、protocols.py（DataPreparer/OutputParser/Scorer/FeedbackGenerator 四个扩展协议）。 服务层用 FastAPI 组织任务端点，任务状态落在 runs/jobs/{job_id}/ 目录（config.json、job_state.json、progress.jsonl、best_prompt.txt、result.json），支持后台线程运行、取消令牌中断与事后追溯。使用入口为 CLI、HTTP API 与 Claude Code / Qoder Skill，Skill 引导五步流程，后台运行约 15-30 分钟并通过 JSONL 实时报告进度。