环境

训练可以引用的 Agent RL 环境，以及每一个声明了什么。

你能引用的全部环境：公开的加上你自己的。选中一个会显示它的 manifest。

Agent 环境，以及每份 manifest 声明了什么。

​

你会看到什么

字段	它告诉你什么
协议	trainer 怎么够到它——平台服务、为 NeMo Gym 物化，还是别人在跑的远程服务
判定方	一个 rubric、一个插件入口，还是一个外部服务
Harness	协议需要时，驱动模型走完环境的那个插件
运行位置	远程环境的应答地址
沙箱	是否需要，这决定了一套部署能不能跑它
版本	每一个不可变版本，以及哪些是公开的

taskset 不会展示，也没有任何路由返回它。一家企业认为什么算难，往往比它的训练数据更能说明问题， 所以作业只能引用环境，任务内容只在获批的运行时里才出现。

​

你可以做什么

• 在作业里引用 —— 复制它的 <owner>/<name>@<version>，用 --environment 传进去。
• 推送一个版本 —— sf env push，见编写环境。
• 注册一个已在运行的服务 —— sf env runner register，用于你已经在运维的 OpenEnv 服务。

​

协议字段，一句话一个

协议	谁来跑这个 server
OpenEnv	平台。回合级；TRL、SkyRL、Unsloth 和 Axolotl 原生消费它
NeMo Gym	训练框架。平台写出 Gym 期望的文件，Gym 自己启动服务
远程 OpenEnv	别人，而且已经在跑。平台只决定作业能不能够到它
OpenEnv 容器	这里没有人——这套部署不托管别人的容器，申请它的作业在准入时就被拒