D6v0.3 文档草案

Coding Agent Runs

Run 为一个 Coding Agent 提供工作区、Episode 预算和固定训练池。

启动 Run

from cartpole import CartPoleBenchmark
from evopolicygym import Program
from evopolicygym.agents import Codex
from evopolicygym.execution import ProcessExecution
from evopolicygym.run import RunConfig, run

result = run(
    Program.from_directory("my-policy/"),
    CartPoleBenchmark(),
    agent=Codex(model="gpt-5.6-luna", reasoning_effort="high"),
    execution=ProcessExecution.unsafe(),
    record_to="runs/cartpole-001",
    config=RunConfig(
        max_submissions=3,
        episode_budget=30,
        episode_pool_size=60,
        max_episodes_per_submission=10,
        seed=42,
    ),
)

无需修改 Benchmark 或 Run 配置，也可以选择另外两个第一方命令行集成：

from evopolicygym.agents import ClaudeCode, KimiCode

claude = ClaudeCode(model="sonnet", effort="high")
kimi = KimiCode(model="kimi-code/kimi-for-coding")

三个 provider 都以非交互方式运行，并将结构化 stdout 保留为 Agent 证据。 Claude Code 使用 bare 模式且不持久化 session。Kimi Code 当前会持久化 CLI 状态；如果 Run 之间不能共享其配置或历史，请将 KIMI_CODE_HOME 指向调用者管理的独立目录。

Host 在 Agent 启动前创建 Episode 池。Agent 可以修改 workspace/program/、提交候选、读取已发布 Feedback，并以已发布候选结束 Run。

Run 限制

参数	默认值	含义
`split`	`"train"`	Agent 可用的 Benchmark 数据划分。
`max_submissions`	`20`	最多接受的 Submission 数量。
`episode_budget`	`1_000`	所有 Submission 累计消耗的 Episode 编号数。
`episode_pool_size`	Episode 预算	固定的 Run-local Episode 标识数量。
`max_episodes_per_submission`	`None`	单次 Submission 的可选上限。
`seed`	`0`	用于创建训练池的种子。
`episode_timeout_seconds`	`30.0`	每个 Episode 的超时。
`agent_timeout_seconds`	`3_600.0`	Agent 进程的超时。

池大小和预算是两个限制。复用同一个 Episode 编号可以配对比较 Program，但会再次消耗预算，并且仍创建全新的 Environment 和 Policy 状态。

提交和结束

Agent 在有效 Session 中使用：

evopolicygym-session submit program --episodes "0:2,4:8"
evopolicygym-session finish submission-000002

该选择器展开为 0, 1, 4, 5, 6, 7。编号必须非空、严格递增、位于池范围内，且不超过剩余预算。

完成的 Submission 会原子发布 Program、所选编号、Feedback、Episode 结果和 artifacts。Program 捕获失败不消耗预算；Evaluation 开始后，预留预算不再返还。

Validation 与 Assessment

未配置 ValidationConfig 时，Agent 以一个已发布候选结束。配置 Validation 后， Agent 可以交接一个有序候选列表。Agent 清理完成后，Host 在相同的私有 Validation Episodes 上评估所有候选并选择一个 Program。

AssessmentConfig 只在 held-out split 上评估被选中的 Program，不改变选择结果。 Validation 与 Assessment 证据不会发布到 Agent 工作区。

Agent Skills

Agent Skills 是显式的 Run 输入：

from evopolicygym.skills import AgentSkill

skill = AgentSkill.from_directory("skills/evopolicygym")
result = run(..., skills=(skill,))

Skills 以只读形式复制到 workspace/skills/，不会传入 Policy 进程。

结果和记录

RunResult 包含终止原因、已发布 Submissions、交接的候选 ID、最终 Program，以及可选的 Validation 和 Assessment 结果。

record_to 指定的目录保存工作区、不可变 Programs、Feedback、artifacts、事件、 Agent 日志和 run.json。v0.3 的 Run 不能恢复执行。

本地进程执行

ProcessExecution.unsafe() 不是沙箱。Agent 和 Policy 代码都以当前操作系统用户权限运行。

启动 Run​

Run 限制​

提交和结束​

Validation 与 Assessment​

Agent Skills​

结果和记录​

下一步​