贡献：策略¶
策略在 plugrl-server 中实现。
代码放哪里¶
- 实现：
plugrl_server/policy/... - 注册：
plugrl_server.policy.registration
清单¶
- 实现策略与配置 dataclass。
- 注册（UID + variants），并确保模块会被 import。
- 动作形状在推理与训练路径保持一致。
- 动作按 batch 在前、带 horizon 轴的
(B, H, ...)返回，并在__init__里设置action_dim和action_horizon。见约定。
验证¶
用你的策略启动 server。
启动 dummy worker。
常见问题¶
- CLI 找不到 UID：注册模块没有被 import。
- 训练 shape 对不上：动作、runtime state（
PolicyRuntimeState）以及算法由它导出的 train state，结构都要和 buffer 对齐。