在 EvoX 开放解耦底座中，工作流模块负责编排演化迭代的阶段划分、执行顺序与衔接方式，监视模块负责在运行期实时采集状态与指标。二者合起来，把“未知黑箱的演化循环”变成可观测、可判定、可干预、可复现的受控过程。一句话概括：工作流回答“按什么顺序跑”，监视回答“现在跑到哪、好不好、要不要动”。
工作流：编排顺序与阶段边界
工作流的编排对象是步骤与依赖，而不是算法逻辑本身。它定义“初始化 → 评价 → 选择 → 变异/交叉 → 状态更新 → 终止判定”的顺序、回边与阶段边界，并依据统一接口把算法模块与问题模块串联起来。编排的关键在于粒度与边界：把“一次批量评价”视为一个可整体调度的阶段，而不是逐个个体推进；阶段边界同时就是监视采样点与调度切换点。
- 顺序：确定各阶段的先后关系，以及何时回到“评价”形成主循环。
- 回边：明确哪些条件触发下一轮迭代，哪些条件跳出循环。
- 阶段边界：既是工作流切换点，也是监视的天然采样点。
监视：采集状态、暴露指标、驱动决策
监视模块是运行状态的采集与暴露层：持续追踪种群规模、评价次数、目标/适应度分布、收敛性与多样性、单代耗时与显存/吞吐等资源指标。但观测的目的不是记录，而是决策——指标用于触发终止、早停、重启、参数或策略切换，从而形成“监视 → 判定 → 干预”的闭环，这正是演化过程可控性的落点。
可控性还要求状态可序列化：检查点保存与恢复使长时演化可中断续跑、失败可定位、实验可复现，是工程可信度的前提。同时，解耦要求监视以回调/钩子方式挂载，不侵入算法与问题模块；因此控制台、日志、曲线面板等不同监视后端可以互换，而核心算法无需改动。
职责边界与代价
工作流管“顺序与阶段”，监视管“状态与指标”，运行时调度器管“资源与并行映射”，三者互不重叠，避免职责串味导致的耦合。但可观测性也有代价：高频采样与同步回传可能打断并行流水线，因此采样频率、指标聚合方式与异步落盘需要按实验目的来设定。
回到示例：在 GPU 张量化演化中，工作流把“批量评价”整体作为一个阶段调度，监视模块在同一阶段内按代记录最优/平均适应度、种群多样性与单代耗时；当连续 N 代指标停滞时，触发终止判定或切换到更大扰动的策略，并同步落盘检查点，使该次演化既可复现，也能从中断处续跑。
工作流状态机与监视仪表盘示意图
工作流按初始化、评价、选择、变异交叉、状态更新到终止判定的顺序编排阶段与回边，并把一次批量评价视为可整体调度的阶段；监视模块在各阶段边界采样种群规模、适应度分布、多样性与单代耗时等指标。这些指标用于触发终止、早停、重启或策略切换，检查点序列化则支撑中断续跑与实验复现。
工作流状态机与监视仪表盘示意图
工作流按初始化、评价、选择、变异交叉、状态更新到终止判定的顺序编排阶段与回边，并把一次批量评价视为可整体调度的阶段；监视模块在各阶段边界采样种群规模、适应度分布、多样性与单代耗时等指标。这些指标用于触发终止、早停、重启或策略切换，检查点序列化则支撑中断续跑与实验复现。
