测试助手
- 作者仓库星标 1,155
- 许可证 BSD-2-Clause
- 作者更新于 实时读取
- 作者仓库 LearningHumanoidWalking
- 领域
- AI 智能
- 兼容 Agent
-
- Claude Code
- Cursor
- Cline
- Codex
- Windsurf
- Gemini CLI
- +20
- 信任分
- 94 / 100 · 已通过审计
- 作者 / 版本 / 许可
- @rohanpsingh · BSD-2-Clause
- Token 消耗评级
- 低消耗
- 接入复杂程度
- 即装即用
- 是否需要外部 API Key
- 不需要
- 兼容的系统
- 未声明（默认跨平台）
- 底层运行要求
- Python
- 文件与系统权限
-
- 只读
- 允许写入 / 修改
- 网络行为
- 仅限本地
- 安装命令数
- 26 条
档案由构建时根据 SKILL.md 与安装命令自动衍生，可能与作者实际意图存在差异。
需要注意： 未限定 allowed-tools，默认拥有全部工具权限。
---
name: train
description: Launch a training run for a robot environment using PPO Parse the user's request from $ARGUMENTS…
category: AI 智能
runtime: Python
---
# train 输出预览
## PART A: 任务判断
- 适用问题：提示词、Agent 工作流、模型评估或自动化推理。
- 输入要求：目标材料、限制条件、期望输出和验收方式。
- 证据边界：围绕“Command Template / Available Environments / Hyperparameters (defaults)”读取原文规则，不把推断写成作者承诺。
## PART B: 执行结果
- **01** 任务判断：确认你的需求是否属于提示词、Agent 工作流、模型评估或自动化推理，并标出输入、限制和预期结果。
- **02** 执行计划：优先按“Command Template / Available Environments / Hyperparameters (defaults)”拆成步骤，说明每一步会读取什么、修改什么、产出什么。
- **03** 交付结果：给出可复制的命令、文件改动、检查清单或内容草稿，并说明如何继续迭代。
- **04** 风险边界：结合 读取文件、写入/修改文件、主要在本地完成、通常不需要额外 API Key 给出执行前确认项。
## Running Rules
- 读取文件、写入/修改文件；主要在本地完成；通常不需要额外 API Key。
- 先小样例验证，再放大到真实任务。
- 交付时同时给结果、检查口径和下一步迭代建议。 先确认触发方式
原文出现了 `/train`、`/tmp` 这类斜杠命令；如果你的 Agent 支持命令触发，优先用命令开场，再补充目标和边界。
给清楚输入和边界
告诉 Agent 目标文件或材料、期望结果、不可改范围、是否允许联网或执行命令。本 Skill 的权限画像是：读取文件、写入/修改文件。
小样例验证后再放大
先用一个小任务确认它会围绕“Command Template / Available Environments / Hyperparameters (defaults)”工作；涉及文件或命令时，先看 diff、日志、预览或测试结果。
复核后再交付
检查最终产物是否包含明确结果、必要证据和下一步动作；如果输出泛泛而谈，就补充输入、边界和验收标准后重跑。
---
name: train
description: Launch a training run for a robot environment using PPO Parse the user's request from $ARGUMENTS…
category: AI 智能
source: rohanpsingh/LearningHumanoidWalking
---
# train
## 什么时候使用
- 把 AI / Agent方向的常用动作沉淀成 Agent 可调用的技能 适合处理AI Agent、提示词、模型评估与自动化推理，核心价值是把输入、判断、执行、验证和交付边界固定下来，避免 Agent 泛泛回答。 把任务拆成可执行、可检查…
- 面向提示词、Agent 工作流、模型评估或自动化推理，优先处理能明确输入、步骤和验收标准的工作。
## 需要提供什么
- 目标材料、目录范围、期望结果和不可改动内容。
- 是否允许联网、执行命令、读写文件或调用外部服务。
## 执行规则
- 围绕「Command Template / Available Environments / Hyperparameters (defaults)」组织步骤，不把推断写成作者事实。
- 读取文件、写入/修改文件；主要在本地完成；通常不需要额外 API Key。
- 先跑小样例，确认结果可检查后再扩大任务范围。
## 输出要求
- 给出最终产物、关键证据、验证方式和下一步动作。
- 信息不足时标记 unknown，不编造命令、平台或依赖。 证据边界与执行链路
作者原文负责流程事实；仓库文件负责来源和命令；流狐只补充适用场景、限制和质量判断。
skill "train" {
输入层 -> 用户目标 + 目标文件 + 禁止范围 + 验收标准
上下文层 -> Command Template / Available Environments / Hyperparameters (defaults)
规则层 -> SKILL.md 触发条件 / 执行顺序 / 输出格式
运行层 -> Python | 读取文件、写入/修改文件 | 主要在本地完成
安全层 -> 通常不需要额外 API Key + 小任务验证 + diff / 日志复核
输出层 -> 可复制结果 + 检查清单 + 下一步迭代
}/train — Launch a PPO Training Run
Parse the user's request from $ARGUMENTS and construct a training command.
Command Template
RAY_ADDRESS= uv run python run_experiment.py train --env <ENV> --logdir <LOGDIR> [OPTIONS...]Available Environments
| Name | Description |
|---|---|
cartpole |
Cartpole swing-up (simplest, good for testing) |
h1 |
Unitree H1 standing task |
jvrc_walk |
JVRC humanoid basic walking |
jvrc_step |
JVRC humanoid stepping with planned footsteps |
Hyperparameters (defaults)
| Flag | Default | Description |
|---|---|---|
--n-itr |
20000 | Training iterations |
--lr |
1e-4 | Learning rate |
--gamma |
0.99 | Discount factor |
--std-dev |
0.223 | Action noise |
--learn-std |
off | Learn action noise (flag) |
--entropy-coeff |
0.0 | Entropy regularization |
--clip |
0.2 | PPO clipping |
--minibatch-size |
64 | Minibatch size |
--epochs |
3 | Optimization epochs per update |
--num-procs |
12 | Parallel workers |
--num-envs-per-worker |
1 | Vectorized envs per worker |
--max-grad-norm |
0.05 | Gradient clipping |
--max-traj-len |
400 | Episode horizon |
--eval-freq |
100 | Eval every N iterations |
--seed |
None | Random seed |
--device |
auto | Training device (auto/cpu/cuda) |
--no-mirror |
off | Disable symmetry wrapper (flag) |
--recurrent |
off | Use LSTM policy (flag) |
--continued |
None | Path to pretrained weights |
Instructions
- Determine the environment name from the user's request. If ambiguous, ask.
- Use
--logdir /tmp/training_runsunless the user specifies a different path. - Only include flags that differ from defaults — keep the command clean.
- Show the user the full command you're about to run.
- Run the command in the background using
run_in_background: trueon the Bash tool. Set a generous timeout (600000ms). - After launching, tell the user the logdir path and how to check progress (you can tail the output using the task ID).
- If the user asks to check on training, use
TaskOutputwithblock: falseto check the latest output.
Cartpole-Specific Defaults
For cartpole, these settings are known to work well with the current defaults
(--lr 3e-4 --max-grad-norm 0.5 --lam 0.95 --gamma 0.99):
--minibatch-size 256--std-dev 0.15 --learn-std --entropy-coeff 0.01--max-traj-len 500 --n-itr 500 --num-procs 12--no-mirror(cartpole has no body symmetry)
Suggest these defaults when the user trains cartpole, but let them override.
先判断是否适合
作者设计意图
作者的方法与取舍
边界和复核