用途：Stable Baselines3 是基于 PyTorch 的强化学习算法库，用于训练 RL 智能体、创建自定义环境、实现回调并优化训练流程，提供统一 API。
主要能力：支持 PPO、A2C（通用、支持全部动作空间、适合多进程）、SAC、TD3（连续控制、离策略、样本高效）、DQN（离散动作、离策略）以及 HER（目标条件任务）。提供向量化环境（DummyVecEnv、SubprocVecEnv）、回调系统（EvalCallback、CheckpointCallback、StopTrainingOnRewardThreshold、ProgressBarCallback）、模型保存与加载、评估与视频录制、学习率调度、多输入策略（Dict 观测）与 TensorBoard 集成等。
必要用法：基本流程为 gym.make 创建环境，用 PPO("MlpPolicy", env, verbose=1) 初始化，model.learn(total_timesteps=10000) 训练，model.save 保存，PPO.load 静态加载。自定义环境须继承 gymnasium.Env 并实现 init、reset、step、render、close，训练前用 check_env(env, warn=True) 校验。向量化可用 make_vec_env("CartPole-v1", n_envs=4, vec_env_cls=SubprocVecEnv)。评估用 evaluate_policy(model, env, n_eval_episodes=10, deterministic=True)。安装：uv pip install stable-baselines3，含额外依赖：uv pip install stable-baselines3[extra]。
适用场景：标准 RL 实验、连续与离散控制、目标条件任务、快速原型与训练流程监控。
限制：total_timesteps 是下界，实际可能超出；model.load() 为静态方法；回放缓冲区不随模型保存；图像观测须为 np.uint8 且范围 [0,255]，SB3 自动除以 255 归一化，可设 normalize_images=False；不支持 start!=0 的 Discrete 或 MultiDiscrete 空间；向量化环境的 reset 只返回观测、step 返回 4 元组且自动重置。