Agentic RL 最详细入门
一套从基础概念、代码实战到前沿论文的 Agentic RL 学习与工程实践资料库，帮你系统掌握多轮工具调用与信用分配技术。
- Star 数
- ★ 407
- 最近更新
- 3 个月前
- 主语言
- HTML
- FA 评分
- 46/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台
- 费用
- 免费，无需付费服务
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 想从其他方向转入大模型训练/Agentic RL 的工程师，按入门系列 1-6 课循序渐进学习基础、信用分配和多轮工具调用
- 不适合
- 需要明确开源许可证才能商用或再分发的团队
- 希望开箱即用、无需自行准备实验数据的用户
- 需要官方文档而非个人解读的读者
这个 Agent 能做什么，适合哪些场景？
这是美团 LongCat 团队工程师维护的开源教程仓库，主题是 Agentic 强化学习的系统性入门与实战。仓库沿三个方向持续更新：Agent Forge 交互式实验可视化看板、agentic-tau-rl 代码实战项目，以及系列技术论文在线阅读。代码实战部分提供可运行、可单测的多轮 rollout、信用分配、策略优化与行为塑形实现，并附带从离线验证迁移到真实模型训练的指南。论文阅读覆盖基础概念、Credit 错分、Transformer 架构、Skill-based Agentic RL、多轮工具调用，以及 LongCat、GLM、Kimi 等代表性技术报告。作者还持续沉淀可写进简历的工业级项目经验，并通过 issue 收集读者的更新需求。
仓库包含三个核心组成部分：1）Agent Forge（./agent-forge/），将两组 Agent/RL 实验的训练趋势、离线评测、工具调用成本和证据强度整合进同一个交互式看板，提供 docs/USAGE.md 使用说明和 data/experiment.example. 数据模板；2）agentic-tau-rl 代码实战（./agentic-tau-rl代码实战/），提供可运行、可单测的 Agentic RL 实现，覆盖多轮 rollout、信用分配、策略优化和行为塑形，附技术报告.html 和 docs/MIGRATION.md 真机迁移指南；3）Agentic RL 论文阅读（托管于 GitHub Pages），包含从入门基础、信用分配、Transformer 架构到 LongCat 2.0 万卡训练、GLM-5.2 长程 RL、Kimi K3 百万 token Agentic RL 等系列文章。本地预览只需运行 python3 -m http.server 8000 并访问 http://localhost:8000。
- 想从其他方向转入大模型训练/Agentic RL 的工程师，按入门系列 1-6 课循序渐进学习基础、信用分配和多轮工具调用
- RL 研究者需要对比多组实验结果时，用 Agent Forge 看板在同一界面查看训练趋势、离线评测与工具调用成本
- 工程团队想动手实现 Agentic RL 训练管线，参考 agentic-tau-rl 的多轮 rollout 与信用分配实现和单元测试
- 已做离线验证的团队按 docs/MIGRATION.md 指南把方案迁移到真实模型训练
- 跟踪前沿的从业者阅读 LongCat、GLM-5.2、Kimi K3 等基座技术报告的中文解读
- 准备面试或写简历的学习者，借助作者蒸馏的工业级项目 know-how 补齐实战经验
如何安装或部署这个 Agent？
克隆仓库：git clone https://github.com/XiaoRed5/Agentic-RL-Most-Detailed-Intro.git，进入目录后无需额外依赖即可浏览代码与文档。论文阅读站也可直接在线访问 https://xiaored5.github.io/Agentic-RL-Most-Detailed-Intro/。
如何使用这个 Agent？
在仓库根目录运行：python3 -m http.server 8000，然后浏览器访问 http://localhost:8000 即可本地预览可视化看板与文档。三个入口分别为 ./agent-forge/（可视化项目，先查看 agent-forge/docs/USAGE.md 并参考 data/experiment.example. 准备数据）、./agentic-tau-rl代码实战/（代码实战，阅读技术报告.html 和 docs/MIGRATION.md）、以及 GitHub Pages 上的系列论文阅读。
这个 Agent 有哪些优点和局限？
- 提供可运行、可单测的 Agentic RL 代码实现，覆盖多轮 rollout、信用分配、策略优化和行为塑形，不是纯理论资料
- Agent Forge 将训练趋势、离线评测、工具调用成本和证据强度整合到一个交互式看板，便于横向对比实验
- 作者来自美团 LongCat 基座团队，论文解读覆盖 LongCat 2.0、GLM-5.2、Kimi K3 等一线技术报告
- 附真机迁移指南（docs/MIGRATION.md），打通从离线验证到真实模型训练的路径
- 仓库未声明开源许可证（License: unknown），商用或二次分发前需确认授权
- 可视化看板依赖按 data/experiment.example. 格式准备实验数据，接入自有实验需要数据适配工作
- 论文阅读部分为第三方（LongCat、GLM、Kimi）技术报告的解读，深度依赖作者个人视角而非官方文档
- 部分工程实现与作者团队（美团 LongCat）场景绑定，迁移到其他训练基础设施时成本未知
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Agentic RL 最详细入门 当前 | 46 · 缺口较多 | 命令行工具免费 | ★ 407 | 3 个月前 | HTML | — |
| Hands-On Modern RL 实战教程 | 68 · 存在缺口 | 命令行工具免费 | ★ 4.9k | 16 天前 | Jupyter Notebook | — |
| AgentsMeetRL——智能体强化学习资源大全 | 57 · 缺口较多 | Agent 插件 / 技能免费 | ★ 1.9k | 2 天前 | HTML | — |
| Youtu-Agent | 53 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 4.6k | 2 天前 | Python | OpenAI API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
AutoDL 技能规定预算未批准时停在创建确认处，并明确禁止处理密码、支付信息、验证码及 API/Jupyter token，也要求下载产物后按要求关机、保留数据盘；这些支持确认和敏感信息处理得 2 分。它同时要求上传代码、下载模型、安装依赖、启动训练和关机，权限与外部影响说明并不完整，且样例未展示依赖安全审查或完整数据流、回滚机制，因此相应项目得分较低。README 给出作者经历及联系邮箱，但不能独立验证身份或具体材料来源，故归属仅得 2 分。
CLI 明确列出 plan/execute/verify/report/all，并在验证非 PASS 时返回错误码；测试样例也覆盖报告边界和审计状态，提供了部分一致性及失败处理证据。另一方面，README 将代码实战称为可运行、可单测，但本样本不足以证明各模块和文档始终一致；AutoDL 流程依赖云端 GPU、模型仓库和多项运行依赖，未见可用性保障或依赖锁定证据，故依赖可用性为 0。
README 面向 Agentic RL 入门者、转行者，并分为可视化、代码实战和论文阅读；技能分别为机制图、AutoDL 实验和代码/报告流程提供触发条件与边界说明。覆盖场景具体，但样本没有说明这些工具对不同操作系统、云服务或硬件环境的适配，因此环境适配仅得 1 分。
README 按三个方向组织内容，并链接到使用说明、迁移指南、模板与论文文章，信息架构充分；另有本地预览说明。技能文档也提供流程、示例命令和已知边界，例如真机训练需预算授权、云端关机策略，以及机制图只交付文字等。样本没有许可条款，版本/变更历史与维护责任说明有限；命名存在 agentQwen、Agent Forge 等多种项目名称，稳定性证据薄弱。
看板、代码实战及论文阅读的组合能为学习和实验提供具体材料，CLI 与报告/审计组件也指向可复用输出，因此实用价值为 2。AutoDL 流程对成本、产物和关机有操作说明，但没有样本证据量化收益或总成本；可视化项目的具体输出效果也无法从所给材料判断，成本效益得 1 分。
测试样例对审计结果、计划与真实运行边界、HTML 转义及凭据脱敏作出可检查断言，报告设计还明确区分已运行与未运行、计划与复现；这支持事实和推论的区分得 3 分。README 链接到使用说明、迁移指南和模板，测试也提供部分交叉佐证，但当前仅有抽样文件，未能逐项核验所有产品宣称，故可追溯性与交叉佐证得 2 分。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- AutoDL 技能描述了租用 GPU、上传代码、下载模型、安装依赖和启动训练等有费用或外部影响的操作；使用时应按其预算确认门槛逐项授权。
- 样本未提供许可证、完整依赖清单或依赖安全审查证据，也不足以核验所有 README 宣称；不要据此推断生产级可靠性或许可状态。
你是这个项目的维护者？把 FARS 徽章加到 README
[](https://followagents.com/zh/agents/agentic-rl-most-detailed-intro)<a href="https://followagents.com/zh/agents/agentic-rl-most-detailed-intro"><img src="https://followagents.com/badge/agentic-rl-most-detailed-intro.svg?lang=zh" alt="FARS 评测"></a>常见问题
这个仓库适合完全没接触过 RL 的人吗？
代码能直接训练真实模型吗？
可以商用或复用其中代码吗？
内容会持续更新吗？如何提需求？
可视化项目如何导入我自己的实验数据？
谢谢反馈，我们会据此改进页面。