用途：Stable Baselines3（SB3）是基于 PyTorch 的强化学习算法库，提供 PPO、SAC、DQN、TD3、DDPG、A2C 等算法的可靠实现，API 风格类似 scikit-learn，用于训练强化学习智能体、创建自定义环境、实现回调并优化训练流程。
主要能力：支持训练 RL 智能体（如 PPO 配合 gymnasium 环境，model.learn 训练、model.save 保存、PPO.load 加载）；自定义环境需继承 gymnasium.Env 并实现 init、reset、step 等，可用 check_env 校验；支持向量化环境（DummyVecEnv、SubprocVecEnv、make_vec_env）加速训练；提供 EvalCallback、CheckpointCallback 等回调及 CallbackList 链式组合；支持模型保存加载、参数读写、evaluate_policy 评估、VecVideoRecorder 录制视频；还支持学习率调度、MultiInputPolicy 字典观测、HER 回放缓冲与 TensorBoard 日志。
使用方式：安装命令为 uv pip install stable-baselines3，含额外依赖用 uv pip install stable-baselines3[extra]。基本流程为定义问题、选择算法、创建或适配环境、用 check_env 校验、训练、加回调监控、评估迭代。注意 total_timesteps 是下界，实际可能超出；model.load 应作为静态方法调用；回放缓冲不随模型保存；图像观测需为 np.uint8 且范围 [0,255]；不支持 start!=0 的 Discrete 或 MultiDiscrete 空间。
适用场景：标准强化学习实验、连续控制、离散动作、目标条件任务及需要并行加速的训练。限制：资料未提供具体收费、价格与平台信息。