[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-marlbenchmark--off-policy":3,"tool-marlbenchmark--off-policy":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",159267,2,"2026-04-17T11:29:14",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":68,"readme_en":69,"readme_zh":70,"quickstart_zh":71,"use_case_zh":72,"hero_image_url":73,"owner_login":74,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":77,"owner_twitter":77,"owner_website":78,"owner_url":79,"languages":80,"stars":89,"forks":90,"last_commit_at":91,"license":92,"difficulty_score":93,"env_os":94,"env_gpu":95,"env_ram":96,"env_deps":97,"category_tags":108,"github_topics":77,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":109,"updated_at":110,"faqs":111,"releases":127},8513,"marlbenchmark\u002Foff-policy","off-policy","PyTorch implementations of popular off-policy multi-agent reinforcement learning algorithms, including QMix, VDN, MADDPG, and MATD3.","off-policy 是一个基于 PyTorch 构建的开源代码库，专注于提供主流离线策略多智能体强化学习（MARL）算法的实现。它集成了 QMIX、VDN、MADDPG 以及 MATD3 等经典算法，并支持多层感知机（MLP）和循环神经网络（RNN）两种网络架构，旨在帮助开发者快速复现和研究复杂的多人协作与对抗场景。\n\n该工具主要解决了多智能体领域中算法复现难度大、环境适配繁琐的问题。通过内置对 StarCraftII（SMAC）和 Multiagent Particle-World（MPEs）两大基准环境的封装，off-policy 让用户无需从零搭建底层框架，即可直接进行训练实验和策略验证。其独特的技术亮点在于不仅提供了标准的算法实现，还额外支持优先经验回放（PER）机制以提升样本效率，并默认采用智能体共享策略架构，简化了模型部署流程。\n\noff-policy 非常适合人工智能研究人员、算法工程师以及高校学生使用。对于希望深入探索多智能体协同决策、验证新算法想法或进行教学演示的用户来说，这是一个结构清晰、易于扩展的理想起点。虽然部分非核心算法仍在持续验证中，但其扎实的代码基础和详","off-policy 是一个基于 PyTorch 构建的开源代码库，专注于提供主流离线策略多智能体强化学习（MARL）算法的实现。它集成了 QMIX、VDN、MADDPG 以及 MATD3 等经典算法，并支持多层感知机（MLP）和循环神经网络（RNN）两种网络架构，旨在帮助开发者快速复现和研究复杂的多人协作与对抗场景。\n\n该工具主要解决了多智能体领域中算法复现难度大、环境适配繁琐的问题。通过内置对 StarCraftII（SMAC）和 Multiagent Particle-World（MPEs）两大基准环境的封装，off-policy 让用户无需从零搭建底层框架，即可直接进行训练实验和策略验证。其独特的技术亮点在于不仅提供了标准的算法实现，还额外支持优先经验回放（PER）机制以提升样本效率，并默认采用智能体共享策略架构，简化了模型部署流程。\n\noff-policy 非常适合人工智能研究人员、算法工程师以及高校学生使用。对于希望深入探索多智能体协同决策、验证新算法想法或进行教学演示的用户来说，这是一个结构清晰、易于扩展的理想起点。虽然部分非核心算法仍在持续验证中，但其扎实的代码基础和详细的配置文档，足以支撑起高质量的学术研究与工程开发工作。","# Off-Policy Multi-Agent Reinforcement Learning (MARL) Algorithms\n\nThis repository contains implementations of various off-policy multi-agent reinforcement learning (MARL) algorithms.\n\nAuthors: Akash Velu and Chao Yu\n\n## Algorithms supported:\n- MADDPG (MLP and RNN)\n- MATD3 (MLP and RNN)\n- QMIX (MLP and RNN)\n- VDN (MLP and RNN)\n\n## Environments supported:\n\n- [StarCraftII (SMAC)](https:\u002F\u002Fgithub.com\u002Foxwhirl\u002Fsmac)\n- [Multiagent Particle-World Environments (MPEs)](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmultiagent-particle-envs)\n\n## 1. Usage\n**WARNING #1: by default all experiments assume a shared policy by all agents i.e. there is one neural network shared by all agents**\n\n**WARNING #2: only QMIX and MADDPG are thoroughly tested; however,our VDN and MATD3 implementations make small modifications to QMIX and MADDPG, respectively. We display results using our implementation [here](https:\u002F\u002Fdocs.google.com\u002Fdocument\u002Fd\u002F1s0Kb76b7v4WGyhiCNLrt9St-WvhGnl2AUQCe1FS-ADM\u002Fedit?usp=sharing).**\n\nAll core code is located within the offpolicy folder. The algorithms\u002F subfolder contains algorithm-specific code\nfor all methods. RMADDPG and RMATD3 refer to RNN implementationso of MADDPG and MATD3, and mQMIX and mVDN refer to MLP implementations of QMIX and VDN. We additionally support prioritized experience replay (PER).\n\n* The envs\u002F subfolder contains environment wrapper implementations for the MPEs and SMAC. \n\n* Code to perform training rollouts and policy updates are contained within the runner\u002F folder - there is a runner for \neach environment. \n\n* Executable scripts for training with default hyperparameters can be found in the scripts\u002F folder. The files are named\nin the following manner: train_algo_environment.sh. Within each file, the map name (in the case of SMAC and the MPEs) can be altered. \n* Python training scripts for each environment can be found in the scripts\u002Ftrain\u002F folder. \n\n* The config.py file contains relevant hyperparameter and env settings. Most hyperparameters are defaulted to the ones\nused in the paper; however, please refer to the appendix for a full list of hyperparameters used. \n\n\n## 2. Installation\n\n Here we give an example installation on CUDA == 10.1. For non-GPU & other CUDA version installation, please refer to the [PyTorch website](https:\u002F\u002Fpytorch.org\u002Fget-started\u002Flocally\u002F).\n\n``` Bash\n# create conda environment\nconda create -n marl python==3.6.1\nconda activate marl\npip install torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Ftorch_stable.html\n```\n\n```\n# install on-policy package\ncd on-policy\npip install -e .\n```\n\nEven though we provide requirement.txt, it may have redundancy. We recommend that the user try to install other required packages by running the code and finding which required package hasn't installed yet.\n\n### 2.1 Install StarCraftII [4.10](http:\u002F\u002Fblzdistsc2-a.akamaihd.net\u002FLinux\u002FSC2.4.10.zip)\n\n   \n\n``` Bash\nunzip SC2.4.10.zip\n# password is iagreetotheeula\necho \"export SC2PATH=~\u002FStarCraftII\u002F\" > ~\u002F.bashrc\n```\n\n* download SMAC Maps, and move it to `~\u002FStarCraftII\u002FMaps\u002F`.\n\n* To use a stableid, copy `stableid.json` from https:\u002F\u002Fgithub.com\u002FBlizzard\u002Fs2client-proto.git to `~\u002FStarCraftII\u002F`.\n\n\n### 2.2 Install MPE\n\n``` Bash\n# install this package first\npip install seaborn\n```\n\nThere are 3 Cooperative scenarios in MPE:\n\n* simple_spread\n* simple_speaker_listener, which is 'Comm' scenario in paper\n* simple_reference\n\n## 3.Train\nHere we use train_mpe_maddpg.sh as an example:\n```\ncd offpolicy\u002Fscripts\nchmod +x .\u002Ftrain_mpe_maddpg.sh\n.\u002Ftrain_mpe_maddpg.sh\n```\nLocal results are stored in subfold scripts\u002Fresults. Note that we use Weights & Bias as the default visualization platform; to use Weights & Bias, please register and login to the platform first. More instructions for using Weights&Bias can be found in the official [documentation](https:\u002F\u002Fdocs.wandb.ai\u002F). Adding the `--use_wandb` in command line or in the .sh file will use Tensorboard instead of Weights & Biases. \n\n## 4. Results\nResults for the performance of RMADDPG and QMIX on the Particle Envs and QMIX in SMAC are depicted [here](https:\u002F\u002Fdocs.google.com\u002Fdocument\u002Fd\u002F1s0Kb76b7v4WGyhiCNLrt9St-WvhGnl2AUQCe1FS-ADM\u002Fedit?usp=sharing). These results are obtained using a normal (not prioitized) replay buffer.\n\n\n","# 离策略多智能体强化学习（MARL）算法\n\n本仓库包含多种离策略多智能体强化学习（MARL）算法的实现。\n\n作者：Akash Velu 和 Chao Yu\n\n## 支持的算法：\n- MADDPG（MLP 和 RNN）\n- MATD3（MLP 和 RNN）\n- QMIX（MLP 和 RNN）\n- VDN（MLP 和 RNN）\n\n## 支持的环境：\n\n- [StarCraftII (SMAC)](https:\u002F\u002Fgithub.com\u002Foxwhirl\u002Fsmac)\n- [多智能体粒子世界环境（MPEs）](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmultiagent-particle-envs)\n\n## 1. 使用说明\n**警告 #1：默认情况下，所有实验都假设所有智能体共享同一策略，即只有一个神经网络被所有智能体共享。**\n\n**警告 #2：目前只有 QMIX 和 MADDPG 经过了充分测试；然而，我们的 VDN 和 MATD3 实现分别对 QMIX 和 MADDPG 做了少量修改。我们在此展示了使用我们实现的结果 [这里](https:\u002F\u002Fdocs.google.com\u002Fdocument\u002Fd\u002F1s0Kb76b7v4WGyhiCNLrt9St-WvhGnl2AUQCe1FS-ADM\u002Fedit?usp=sharing)。**\n\n所有核心代码都位于 offpolicy 文件夹中。algorithms\u002F 子文件夹包含了所有方法的特定于算法的代码。RMADDPG 和 RMATD3 分别指 MADDPG 和 MATD3 的 RNN 实现，而 mQMIX 和 mVDN 则指 QMIX 和 VDN 的 MLP 实现。我们还支持优先级经验回放（PER）。\n\n* envs\u002F 子文件夹包含用于 MPEs 和 SMAC 的环境封装实现。\n  \n* 用于执行训练采样和策略更新的代码位于 runner\u002F 文件夹中——每个环境都有一个对应的 runner。\n  \n* 使用默认超参数进行训练的可执行脚本可以在 scripts\u002F 文件夹中找到。文件名格式为：train_algo_environment.sh。在每个文件中，可以更改地图名称（对于 SMAC 和 MPEs 而言）。\n  \n* 每个环境的 Python 训练脚本位于 scripts\u002Ftrain\u002F 文件夹中。\n  \n* config.py 文件包含了相关的超参数和环境设置。大多数超参数已默认设置为论文中使用的值；不过，请参阅附录以获取完整的超参数列表。\n\n\n## 2. 安装\n\n以下是在 CUDA == 10.1 上的安装示例。对于非 GPU 及其他 CUDA 版本的安装，请参考 [PyTorch 官网](https:\u002F\u002Fpytorch.org\u002Fget-started\u002Flocally\u002F)。\n\n``` Bash\n# 创建 conda 环境\nconda create -n marl python==3.6.1\nconda activate marl\npip install torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Ftorch_stable.html\n```\n\n```\n# 安装 on-policy 包\ncd on-policy\npip install -e .\n```\n\n尽管我们提供了 requirement.txt 文件，但其中可能存在冗余。建议用户在运行代码时，根据实际需要自行安装缺失的依赖包。\n\n### 2.1 安装 StarCraftII [4.10](http:\u002F\u002Fblzdistsc2-a.akamaihd.net\u002FLinux\u002FSC2.4.10.zip)\n\n   \n\n``` Bash\nunzip SC2.4.10.zip\n# 密码是 iagreetotheeula\necho \"export SC2PATH=~\u002FStarCraftII\u002F\" > ~\u002F.bashrc\n```\n\n* 下载 SMAC 地图，并将其移动到 `~\u002FStarCraftII\u002FMaps\u002F`。\n  \n* 若要使用 stableid，请将 `stableid.json` 从 https:\u002F\u002Fgithub.com\u002FBlizzard\u002Fs2client-proto.git 复制到 `~\u002FStarCraftII\u002F`。\n\n\n### 2.2 安装 MPE\n\n``` Bash\n# 首先安装此包\npip install seaborn\n```\n\nMPE 中有 3 种合作场景：\n\n* simple_spread\n* simple_speaker_listener，即论文中的“Comm”场景\n* simple_reference\n\n## 3. 训练\n以下以 train_mpe_maddpg.sh 为例：\n```\ncd offpolicy\u002Fscripts\nchmod +x .\u002Ftrain_mpe_maddpg.sh\n.\u002Ftrain_mpe_maddpg.sh\n```\n本地结果会存储在 scripts\u002Fresults 子文件夹中。请注意，我们默认使用 Weights & Biases 作为可视化平台；若要使用 Weights & Biases，需先注册并登录该平台。更多关于 Weights & Biases 的使用说明可在其官方 [文档](https:\u002F\u002Fdocs.wandb.ai\u002F) 中找到。如果在命令行或 .sh 文件中添加 `--use_wandb` 参数，则会使用 TensorBoard 代替 Weights & Biases。\n\n## 4. 结果\nRMADDPG 和 QMIX 在粒子环境中的表现，以及 QMIX 在 SMAC 中的表现结果已在 [这里](https:\u002F\u002Fdocs.google.com\u002Fdocument\u002Fd\u002F1s0Kb76b7v4WGyhiCNLrt9St-WvhGnl2AUQCe1FS-ADM\u002Fedit?usp=sharing) 展示。这些结果是使用普通（非优先级）经验回放缓冲区获得的。","# Off-Policy 多智能体强化学习快速上手指南\n\n本指南帮助开发者快速部署并运行基于 Off-Policy 的多智能体强化学习（MARL）算法库，支持 MADDPG、MATD3、QMIX 和 VDN 等算法，适用于 StarCraftII (SMAC) 和 Multiagent Particle-World (MPE) 环境。\n\n## 环境准备\n\n*   **操作系统**: Linux (推荐 Ubuntu)\n*   **Python 版本**: 3.6.1\n*   **CUDA 版本**: 示例基于 CUDA 10.1 (其他版本请参考 PyTorch 官网调整)\n*   **前置依赖**:\n    *   Conda (用于环境管理)\n    *   Git\n    *   StarCraft II (仅当使用 SMAC 环境时需要，版本 4.10)\n    *   Weights & Biases 账号 (可选，用于可视化，默认开启；若不使用可切换至 Tensorboard)\n\n## 安装步骤\n\n### 1. 创建 Python 环境并安装 PyTorch\n\n```bash\n# 创建 conda 环境\nconda create -n marl python==3.6.1\nconda activate marl\n\n# 安装 PyTorch (示例为 CUDA 10.1，其他版本请前往 https:\u002F\u002Fpytorch.org 获取对应命令)\npip install torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Ftorch_stable.html\n```\n\n### 2. 安装 off-policy 代码库\n\n```bash\n# 克隆仓库后进入目录 (假设当前已在项目根目录)\n# 注意：原文 README 中此处写的是 cd on-policy，但项目名为 off-policy，请根据实际文件夹名称调整\ncd off-policy \npip install -e .\n```\n\n> **提示**: 虽然项目提供了 `requirement.txt`，但可能存在冗余。建议先运行代码，根据报错信息按需安装缺失的包。\n\n### 3. 配置仿真环境 (按需选择)\n\n#### 选项 A: 配置 StarCraft II (SMAC)\n如需运行 SMAC 相关实验，需手动安装 SC2 和地图。\n\n```bash\n# 下载并解压 StarCraft II 4.10 (Linux 版)\nwget http:\u002F\u002Fblzdistsc2-a.akamaihd.net\u002FLinux\u002FSC2.4.10.zip\nunzip SC2.4.10.zip\n# 解压密码为: iagreetotheeula\n\n# 配置环境变量\necho \"export SC2PATH=~\u002FStarCraftII\u002F\" >> ~\u002F.bashrc\nsource ~\u002F.bashrc\n\n# 后续操作:\n# 1. 下载 SMAC Maps 并移动至 ~\u002FStarCraftII\u002FMaps\u002F\n# 2. 从 https:\u002F\u002Fgithub.com\u002FBlizzard\u002Fs2client-proto.git 复制 stableid.json 到 ~\u002FStarCraftII\u002F\n```\n\n#### 选项 B: 配置 MPE 环境\n如需运行粒子世界实验，需安装 seaborn 及相关依赖。\n\n```bash\npip install seaborn\n# 确保已安装 openai\u002Fmultiagent-particle-envs (通常包含在依赖中或需单独 git clone)\n```\n\n## 基本使用\n\n以下以在 MPE 环境中训练 **MADDPG** 算法为例：\n\n1.  **进入脚本目录并赋予执行权限**:\n    ```bash\n    cd offpolicy\u002Fscripts\n    chmod +x .\u002Ftrain_mpe_maddpg.sh\n    ```\n\n2.  **开始训练**:\n    ```bash\n    .\u002Ftrain_mpe_maddpg.sh\n    ```\n\n**说明**:\n*   **结果存储**: 训练结果默认保存在 `scripts\u002Fresults` 子文件夹中。\n*   **可视化**:\n    *   默认使用 **Weights & Biases (W&B)**。首次使用前请注册并登录 W&B 平台。\n    *   若希望使用 **Tensorboard**，请在命令行或 `.sh` 脚本中添加 `--use_wandb` 参数（注：原文逻辑为添加该标志使用 Tensorboard，请根据实际代码逻辑确认，通常为移除 wandb 相关标志或显式指定 tensorboard）。\n*   **修改配置**:\n    *   超参数和环境设置主要在 `config.py` 中调整。\n    *   若要更改地图名称（SMAC 或 MPE），请编辑 `scripts\u002F` 目录下对应的 `.sh` 文件。\n\n> **注意事项**:\n> 1. 默认情况下，所有智能体共享同一个策略网络（Shared Policy）。\n> 2. QMIX 和 MADDPG 经过充分测试；VDN 和 MATD3 是基于前两者的小幅修改版本。","某自动驾驶物流车队研发团队正致力于解决多辆无人配送车在复杂十字路口协同避让与路径规划的难题。\n\n### 没有 off-policy 时\n- **样本效率极低**：团队只能依赖车辆实时采集的“在线”数据进行训练，导致大量危险或极端的交通场景难以复现，模型收敛需要数周的实车路测。\n- **策略更新不稳定**：由于缺乏历史经验回放机制，智能体在学习新避让动作时容易遗忘旧策略，造成车辆在路口出现反复震荡或死锁。\n- **算法验证困难**：想要对比 QMIX 与 MADDPG 等不同主流多智能体算法的效果，需从零重写代码，且难以保证环境交互逻辑的一致性，研发周期被大幅拉长。\n- **协作能力薄弱**：各车辆仅基于局部观测独立决策，缺乏有效的集中式训练机制，导致在狭窄路段无法形成默契的编队通行策略。\n\n### 使用 off-policy 后\n- **训练效率倍增**：利用 off-policy 支持的经验回放池，团队可反复利用历史存储的稀缺事故数据训练模型，将原本数周的训练周期缩短至几天。\n- **策略更加鲁棒**：通过复用过去的高质量轨迹数据，智能体在更新策略时保持了稳定性，车辆在复杂路况下的避让行为平滑且果断，不再出现死锁。\n- **算法快速迭代**：直接调用工具内置的 QMIX、VDN 及 MADDPG 等成熟算法实现，研究人员只需调整配置文件即可在同一仿真环境中横向对比不同算法性能。\n- **全局协同优化**：借助工具提供的集中式训练架构，车辆学会了基于全局态势进行配合，成功实现了多车在无信号灯路口的有序交替通行。\n\noff-policy 通过高效复用历史数据与提供标准化的多智能体算法库，让复杂的群体协同决策训练从“漫长的实地试错”转变为“高效的仿真进化”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmarlbenchmark_off-policy_4deb09d2.png","marlbenchmark","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmarlbenchmark_a523c8c3.png","This is a benchmark of popular multi-agent reinforcement learning algorithms & environments",null,"https:\u002F\u002Fsites.google.com\u002Fview\u002Fmarlbenchmarks","https:\u002F\u002Fgithub.com\u002Fmarlbenchmark",[81,85],{"name":82,"color":83,"percentage":84},"Python","#3572A5",98.6,{"name":86,"color":87,"percentage":88},"Shell","#89e051",1.4,532,81,"2026-04-15T12:43:03","MIT",4,"Linux","需要 NVIDIA GPU (示例基于 CUDA 10.1)，具体显存大小未说明","未说明",{"notes":98,"python":99,"dependencies":100},"1. 默认假设所有智能体共享同一个策略网络。2. 仅 QMIX 和 MADDPG 经过充分测试，VDN 和 MATD3 为修改版实现。3. 安装 StarCraftII 时需设置 SC2PATH 环境变量并下载对应地图文件及 stableid.json。4. 默认使用 Weights & Biases 进行可视化，也可通过添加 '--use_wandb' 参数改用 Tensorboard。5. 建议根据运行报错手动安装缺失的依赖包，requirements.txt 可能存在冗余。","3.6.1",[101,102,103,104,105,106,107],"torch==1.5.1+cu101","torchvision==0.6.1+cu101","seaborn","StarCraftII (4.10)","SMAC","MPE (multiagent-particle-envs)","wandb (可选)",[14,13],"2026-03-27T02:49:30.150509","2026-04-18T00:45:27.014669",[112,117,122],{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},38105,"运行时报错 'project not found' 或无法检测到 Notebook 名称，如何解决 WandB 相关错误？","如果您不需要使用 WandB，可以在命令行中添加 `--use_wandb` 参数来禁用它，转而使用 Tensorboard 进行日志记录。具体用法请参考项目文档的训练部分（https:\u002F\u002Fgithub.com\u002Fmarlbenchmark\u002Foff-policy#3train）。如果必须使用 WandB，请确保已正确登录并创建了相应的项目。","https:\u002F\u002Fgithub.com\u002Fmarlbenchmark\u002Foff-policy\u002Fissues\u002F5",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},38106,"训练 MADDPG 算法时，奖励（rewards）数值异常地越来越高或越来越低怎么办？","这是一个已知现象，多个用户在训练 MADDPG（特别是在 simple_spread 环境下）时都遇到了奖励曲线单调上升或下降的情况。目前该 Issue 下暂无官方修复方案，建议检查环境配置、超参数设置（如学习率、探索噪声），或参考社区中是否有更新的代码分支解决了此收敛性问题。","https:\u002F\u002Fgithub.com\u002Fmarlbenchmark\u002Foff-policy\u002Fissues\u002F7",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},38107,"运行 train_mpe.py 时日志显示训练奖励持续下降，是什么原因？","该问题在运行 MADDPG 算法时较为常见，表现为奖励随训练步数增加而降低。这通常与算法收敛性、环境复杂度或超参数设置有关。建议尝试调整学习率、减小探索噪声或延长预热阶段。由于这是多用户反馈的共性问题，建议关注项目后续的更新或查看是否有相关的讨论线程提供了调参建议。","https:\u002F\u002Fgithub.com\u002Fmarlbenchmark\u002Foff-policy\u002Fissues\u002F2",[]]