训练与微调AI 资源
OpenEnv：面向智能体强化学习的隔离执行环境框架
openenv/OpenEnv · An interface library for RL post training with environments.
ELI5：它是什么，解决什么问题
OpenEnv 是一个用于创建、部署和使用隔离执行环境的端到端框架，面向智能体强化学习后训练。它提供 Gymnasium 风格的 reset/step/state API（支持同步与异步，通过 WebSocket 连接），每个环境以 Docker 镜像形式在本地、云沙箱或 Hugging Face Space 上运行，并提供 40+ 个现成环境（游戏、代码沙箱、浏览器、金融、模拟器等）。项目支持与 TRL、Unsloth、SkyRL、ART、Oumi、torchforge、Miles 等训练框架配合，内置奖励组合与 Inspect AI 评测能力，同时可通过 CLI 脚手架创建、校验和推送自定义环境。
核心能力与快速开始
★ 2760 · Python
- 能做什么
- 提供统一的 Gymnasium 风格环境接口（reset/step/state，同步或异步，经 WebSocket）；以 Docker 镜像形式隔离并部署环境，可本地运行、云沙箱运行或发布为 Hugging Face Space；提供 40+ 现成环境目录，覆盖游戏、代码沙箱、浏览器、金融与模拟器等；支持 TRL、Unsloth、SkyRL、ART、Oumi、torchforge、Miles 等训练框架集成；通过 Harbor 集成支持 Claude Code、Codex、OpenCode、mini-swe-agent 等智能体工具并捕获精确 token 用于强化学习；MCP 环境可在生产模式下通过 /mcp 向智能体暴露工具；支持用 rubrics 组合奖励，并用 Inspect AI 做评测；提供 openenv init/validate/push 等 CLI 创建、校验和部署自定义环境，也可导入 ORS/OpenReward 或 Verifiers 的现有环境。
- 适用场景
- 为智能体强化学习后训练构建和接入隔离执行环境；在 Wordle、2048、BlackJack 等任务上使用 GRPO 类方法训练智能体；为代码智能体提供带 stdout/stderr/退出码的沙箱式 Python 执行环境；在浏览器导航、棋盘与卡牌游戏、文本游戏等任务上做多轮强化学习训练；用统一接口对接多种 RL 训练框架并复用同一批环境；在 Harbor 任务上训练由真实智能体工具驱动的编码智能体并捕获训练轨迹；为智能体提供 MCP 工具服务并进行奖励设计与评测。
- 项目形态
- 开发框架
- 部署方式
- 未说明
- 主要依赖
- 未说明
- 使用限制
- 项目处于早期开发阶段，API 仍可能变化；环境中每个环境以 Docker 镜像形式运行，但具体硬件、算力与资源要求未说明；未说明运行成本或付费情况。
- 许可证
- BSD-3-Clause
- 最近推送
- 2026-10-24 06:44
资料检查：2026-10-24 07:00 · 卡片整理：2026-10-24 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。