D2v0.3 文档草案

核心概念

Program 不可变、Evaluation 有界、Feedback 原子提交，并且每个 Episode 都获得全新的 Policy 生命周期。

领域词汇

值	含义
`Program`	一个 Policy 源码目录的脱离路径、不可变、内容寻址快照。
`Episode`	一个可信场景、一个全新 Environment，以及一个全新 Policy 进程与实例。
`Evaluation`	在有限、确定性 Episode plan 上评估一个 Program。
`Feedback`	由 Benchmark 定义的公开投影，包含一个标量分数、有界 content 与可选 artifacts。
`Submission`	Coding Agent 请求 Evaluation 后得到的一组 Program 与已提交 Feedback。
`ProgramEvolutionRun`	Coding Agent 编辑 Programs、提交候选、读取 Feedback，并把已发布候选交给 Host 侧选择的一次有界外层循环。
`Experiment`	保留给未来由多个可比较 Runs 组成的集合。

公共 SDK 使用 Program，而不是 ProgramVersion。Program 不保留 Host 源码路径；caller 之后修改原始目录也不会改变它。

Evaluation 生命周期

Program
  ↓
deterministic Episode plan
  ↓
fresh Environment + fresh Policy process
  ↓
unmodified Actions and trusted Steps
  ↓
sanitized Episode summaries
  ↓
Benchmark-defined Feedback

Policy 状态可以在同一 Episode 的多次 act() 调用之间保留，但绝不会进入下一个 Episode。跨 Episode 的改进只能通过外层 Coding Agent 编写新 Program 完成。

Program-evolution 生命周期

initial Program
  ↓
Host fixes indexed training Episode pool
  ↓
Coding Agent edits workspace/program/
  ↓
Submission(selector) → fresh runtimes → committed Feedback
  ↓
Coding Agent reads indexed outcomes in workspace/feedback/
  ↓
next Program or finish(candidate IDs)
  ↓
Host-side final selection

RunConfig 固定 split、最大 submissions、总 Episode 预算、训练 Episode 池大小、可选的单次 Submission Episode 上限、seed 与 timeouts，并且都在 Agent 启动前确定。池大小与预算是两个不同的限制：池大小控制可用的 Episode identity 数量，预算控制所有 Submissions 累计选择的编号数量。池大小默认等于总预算。

Agent 从池中选择公开的 Run-local 编号。同一编号在不同 Submission 中保持隐藏 Episode specification 与 Policy seed 不变，从而支持配对比较；但每次使用仍创建全新的 runtime 状态并再次扣除预算。池编号是实验句柄，不是 Environment seed； Agent 与 Policy 都无法看到底层 seed。单次上限默认为 None。

信任边界

可信 Host 与 Benchmark 持有	Policy 可以观察
Environment 参数选择	Evaluation 前固定的公开 `environment_parameters`
Episode scenario、Environment seed 与池映射	不含池编号或 Case identity 的 `PolicyContext`
Environment 状态与 transitions	公开 Observations
Action 校验	自己的 Episode 内状态
Rewards、评分与私有 metrics	仅已提交的公开 Feedback
Run 预算与发布	不包含 Host path、credential、scorer 或 runtime evidence

Policy 边界只传递有界 PolicyValue。路径、文件描述符、凭据、任意 Python object 与 pickle object graph 都不能跨越该边界。

故障归属

Policy 异常、timeout、protocol error 与非法 Action 会成为经过净化的 Policy failure。非法 Action 绝不会被裁剪、修复、采样或替换。

可信 Environment、Benchmark、进程控制与 cleanup fault 会中止 Evaluation，绝不会转化为 Policy penalty。

Package 边界

基础 evopolicygym wheel 拥有可移植 Kernel。独立 Benchmark distribution 只依赖公共 SDK facade 与 evopolicygym.authoring，Kernel 不会导入这些 distribution。

可选 Firecracker 基础设施是独立产品，并不会使 formal 或隔离执行 profile 自动可用。

领域词汇​

Evaluation 生命周期​

Program-evolution 生命周期​

信任边界​

故障归属​

Package 边界​

下一步​