用途：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，用于训练和评估单智能体强化学习，并支持自定义 Gymnasium 环境、回调与训练流程优化。当前上游版本为 SB3 2.9.0，文档见 stable-baselines3.readthedocs.io。
主要能力：统一 API 训练智能体（model.learn、model.save、PPO.load）；自定义环境需继承 gymnasium.Env 并实现 init、reset、step、render、close，可用 check_env 校验；向量化环境 DummyVecEnv（顺序）与 SubprocVecEnv（多进程），可用 make_vec_env 快速创建；回调如 EvalCallback、CheckpointCallback、StopTrainingOnRewardThreshold、ProgressBarCallback 及自定义 BaseCallback；模型持久化与 VecNormalize 统计保存加载；evaluate_policy 评估与 VecVideoRecorder 录制；学习率调度、MultiInputPolicy 字典观测、HER 回放缓冲、TensorBoard 日志。
使用方式：安装 uv pip install "stable-baselines3==2.9.0"，含额外依赖用 uv pip install "stable-baselines3[extra]==2.9.0"（zsh 需给方括号加引号）；MuJoCo 用 uv pip install "gymnasium[mujoco]"。要求 Python 3.10+、PyTorch >= 2.8，支持 Gymnasium >=0.29.1,<2.0。基本流程：创建环境、初始化算法、learn 训练、save 保存、load 加载。
适用场景：通用控制任务（PPO/A2C）、连续控制（SAC/TD3）、离散动作（DQN）、目标条件任务（HER）等单智能体强化学习训练与评测。
限制：total_timesteps 为下界，实际可能超出；回放缓冲不随模型保存；不支持 start!=0 的 Discrete/MultiDiscrete 空间；默认 CNN 图像预处理期望 uint8 [0,255] 且通道优先；check_env 只检查 API 一致性，不保证马尔可夫充分性、奖励正确性或可学习性；评估需独立环境与留出种子，短程冒烟运行不能证明策略质量；仅加载可信模型与统计文件。SB3-Contrib、RL Baselines3 Zoo、SBX 为相关独立项目。