用途
RL Env From Description 用于把用户对强化学习训练环境的英文自然描述，转换成可运行的代码，覆盖 OpenEnv、OpenReward（ORS）、Verifiers、NeMo Gym 四个目标框架。另有两个次级框架变体 SkyRL Gym 与 GEM，仅在用户明确要求且环境属于“文本动作加标签解析”类型时才生成。
适用情形包括：用户用自然语言描述环境（目标、动作面或奖励形态）并想要代码；用户要求“为 X 构建环境”“搭建一个 RL 环境”“把该环境移植到 OpenEnv/ORS/Verifiers/NeMo Gym”；用户已在一个框架中有可运行环境，希望在其他框架复现同一环境；用户询问“这个任务该怎么设计奖励/状态/工具面”，此时先做访谈再实现。
不适用于：训练运行（TRL/GRPO 配置）、评估框架工作，或不以产生新环境代码结尾的一般智能体设计问题。
推荐目录结构
建议但非强制的布局：环境目录下放共享的纯逻辑文件 <domain>.py、可选的任务列表 tasks.py，以及四个框架子目录 openenv、ors、verifiers、nemo_gym。每个框架目录内的公开契约包括：框架相关依赖的 pyproject.toml、init.py、一个实现文件（ORS 为 server.py，OpenEnv 为 server/<env>_environment.py，Verifiers 为 env.py，NeMo Gym 为 server.py）、rollout.py（端到端运行 LLM）、README.md（一页使用指南）。需先询问用户希望文件写入何处，若无偏好则建议上述布局，不强加。
四步流程
第一步：访谈用户
只问决定架构的问题，完整题库见 references/interview.md，必答项包括：智能体做什么（一句话描述目标与循环）；动作面是结构化工具调用（多数情况）还是带标签解析的自由文本（仅在模型不支持工具调用时）；状态是否跨轮持久（每会话沙箱、内存字典或无）；奖励何时触发（逐步、终止时或回合后）及成功标准；外部后端（沙箱 E2B、Web 服务或无）；终止条件（固定轮次上限、模型发出终止或派生条件）；文件存放位置。若描述已提供足够信号（如引用了要模仿的现有环境），可跳过答案明显的问题；架构存疑时给出一行理由的默认方案，允许用户否决。
第二步：选择最接近的原型
原型包括：纯 Python 游戏（确定性、单工具、无外部服务、多轮，奖励为终止奖励或按游戏状态逐步给）；有状态沙箱（真实后端如 E2B 代码解释器、浏览器、数据库，结构化工具调用，状态跨调用持久，由外部评分器如字符串匹配、单元测试、LLM 评判）；视觉/计算机使用（截图加鼠标键盘，参照 Anthropic computer_20251124 的 19 工具动作面，通过 terminate(status) 工具给终止奖励）；文本动作加解析（模型输出含标签的自由文本，环境解析，仅在无工具调用支持时使用，按解析结果逐步给奖励）。需告知用户使用了哪个原型及原因。
第三步：按依赖顺序实现
先写共享模块：<env_dir>/<domain>.py（唯一包含领域逻辑的文件，纯 Python，无框架导入）与 tasks.py，各框架仅作包装。随后实现各框架变体，顺序无关：OpenEnv 使用 MCPEnvironment + @mcp.tool + create_app(...)；ORS 使用 Environment + @tool 方法 + ToolOutput(blocks=[...], reward=..., finished=...)，每次工具调用给奖励是该框架的标志性特性；Verifiers 在工具类上写普通 Python 工具函数，用 vf.ToolEnv + vf.Rubric；NeMo Gym 使用 SimpleResourcesServer，每个工具一个 app.post("/<tool>")，采用 cookie 会话，回合后 /verify 给奖励。
第四步：端到端验证
每个框架目录做一次针对小型 LLM 的冒烟 rollout（默认 HF Router 的 Qwen，或设置了 OPENAI_API_KEY 时用 OpenAI）。rollout 须发现环境暴露的工具（不硬编码名称，NeMo Gym 除外，因其无 list_tools()），驱动 3 至 5 轮循环并打印每次工具调用与结果，工具调用出错须显式失败（冒烟测试 MAX_TURNS=3）。若环境需要外部后端（如 E2B），检查 .env 中相关密钥，缺失时给出清晰错误并停止。
成功标准
用户输入“在 path/to/connect_four/ 做一个让智能体下四子棋的环境”，应产出：共享引擎 game.py、tasks.py（若干起始局面）、四个框架目录均可运行、4 个通过的 rollout 冒烟测试（本地 Ray 初始化失败时 NeMo Gym 通过已部署 Space 测试）、按项目约定更新 README，全过程用户只需回答 5 至 7 个问题。
参考文档
references/interview.md（完整题库与示例答案）、references/openenv.md、references/ors.md、references/verifiers.md、references/nemo_gym.md（均为规划级，分别让位于 generate-openenv-env、generate-ors-env、generate-verifiers-env、generate-nemo-gym-env）。仅需单一框架变体时，直接触发对应框架技能。
硬性约束
不强加目录布局，只建议一次并尊重用户选择；不跳过共享领域模块，各框架变体必须包装同一个 <domain>.py，绝不复制逻辑；不运行训练，技能止于 rollout；不臆造 API，不确定调用形态时先读对应框架的 references/architecture.md；视觉环境的坐标空间需在提示中声明约定（像素或归一化 0–1000），Qwen2.5-VL 输出 0–1000 归一化值，rollout 适配器须重新缩放。
官方文档
OpenEnv：huggingface/OpenEnv · docs；OpenReward (ORS)：openrewardstandard.io · docs.openreward.ai · openreward on PyPI；Verifiers：PrimeIntellect-ai/verifiers · docs；NeMo Gym：NVIDIA-NeMo/Gym · docs。