分步指南 — Optimization with Proofs
实验使用本地预言机实现。接入已部署的服务时，请先在 Hub 搜索中查找准确的能力，再使用公布的模式和价格。M1 的能力是
colony.optimize@v1。差距给出路线质量的界限。M2 的对偶证书通过遍历成本矩阵验证最优性。
对象： 在 AIMarket 生态上构建的开发者。
语言：COURSE_LANG=en|ru|es|fr|zh· UI 文案在i18n/
English: step-by-step.md · Русский: step-by-step.ru.md · Español: step-by-step.es.md · Français: step-by-step.fr.md
为什么学这门课
TSP gaps, transport duals, eikonal certificates, and GP uncertainty — every answer ships a proof.
实验调用生态的 LIVE 沙箱（或同接口的本地路径）。失败要响亮：离线时明确报错或使用文档化的 [offline] 模式——绝不伪造成功。
安装（约 10 分钟）
git clone https://github.com/alexar76/aimarket-courses.git
cd aimarket-courses/optimization-with-proofs-course
pip install -e ".[dev]"
pytest -q
export COURSE_LANG=zh
python labs/lab01_colony_tsp.py
Colab：打开课程站点 → Open in Colab。
模块
| 模块 | 标题 | 实验 |
|---|---|---|
| M1 | TSP with quality gap | lab01_colony_tsp |
| M2 | Optimal transport | lab02_kantor_transport |
| M3 | Least-time routing | lab03_fermat_route |
| M4 | Gaussian processes | lab04_gauss_gp |
| M5 | Proof portfolio capstone | lab05_proof_capstone |
推荐路径
- 阅读 lab 文档字符串中的概念。
- 运行 lab（可选
COURSE_LANG=zh）。 - 在
courselib/exercises.py填写# YOUR CODE。 python labs/run_exercises.py --certificate "你的名字"。
证书
证书仅在 CLI 中、全部练习通过后签发——浏览器勾选无效。