Stable Baselines3（SB3）是基于 PyTorch 的强化学习库，提供 PPO、SAC、DQN、TD3、DDPG、A2C 等算法的可靠实现，采用统一的 API。该技能仅适用于 SB3 相关的强化学习智能体、Gymnasium 环境、策略、rollout 与训练流程，不适用于普通 scikit-learn、随机森林、监督分类或一般机器学习模型训练。
主要能力包括：训练 RL 智能体，例如 env = gym.make("CartPole-v1")，model = PPO("MlpPolicy", env, verbose=1)，model.learn(total_timesteps=10000)，model.save("ppo_cartpole")；加载时可使用 PPE.load("ppo_cartpole", env=env)。选择算法时，PPO/A2C 为通用型，支持所有动作空间并适合多进程；SAC/TD3 面向连续控制、离策略、样本高效；DQN 用于离散动作、离策略；HER 用于目标条件任务。
自定义环境需继承 gymnasium.Env，并实现 init、reset、step、render、close。图像观测须为 [0,255] 的 np.uint8，SB3 自动除以 255 归一化；不支持 start!=0 的 Discrete 或 MultiDiscrete 空间。可用 check_env(env, warn=True) 校验。向量化环境支持 DummyVecEnv（串行）与 SubprocVecEnv（并行），可用 make_vec_env 创建；离策略算法配合多环境时设 gradient_steps=-1。回调（Callbacks）可监控指标、保存检查点、早停，常用有 EvalCallback、CheckpointCallback、StopTrainingOnRewardThreshold、ProgressBarCallback，也可继承 BaseCallback，并通过 CallbackList 组合。模型可保存与加载，VecNormalize 统计量需单独保存；可用 evaluate_policy 评估，VecVideoRecorder 录制视频。高级功能包括学习率调度、字典观测的 MultiInputPolicy、HER 经验回放与 TensorBoard 集成。
安装命令保持原样：uv pip install stable-baselines3；含额外依赖：uv pip install stable-baselines3[extra]。使用限制：total_timesteps 为下界，实际训练可能超出；model.load() 应用作静态方法；replay buffer 不随模型保存；向量化环境 API 与普通环境不同，reset 仅返回观测，step 返回 4 元组并自动重置。其他具体收费、价格与平台信息暂未提供。