核心概念

这一部分介绍 Agent-R1 作为智能体任务训练框架时最重要的设计思想。

本节内容

• Step-level MDP：为什么 Agent-R1 把智能体训练建模为多步交互，而不是单个不断增长的 token 序列。
• 分层抽象：AgentFlowBase、AgentEnvLoop、AgentEnv、ToolEnv 和 BaseTool 如何协同工作。

为什么这些概念重要

Agent-R1 面向的是智能体任务：LLM 与环境交互、接收新观察，并通过轨迹级强化学习改进策略。这两页解释支撑这一工作流的核心建模方式与编程模型。