可选环境

安装完主环境后，并不代表所有 node 都已经具备完整运行条件。对于本地评测和本地训练，通常还需要额外准备独立环境。

为什么需要可选环境

LoopAI 的不同阶段依赖并不完全一样：

• Starter 更偏对话编排与状态管理
• Judger 可能需要本地推理服务
• Analyzer 可能依赖外部大模型服务
• ObtainerCLI/DataMixer 使用主环境，网页采集流程需要 Playwright 浏览器
• Trainer 会依赖训练框架

这些依赖往往和 CUDA、PyTorch、推理框架或训练框架强相关，因此不建议全部塞进一个环境中。

推荐的环境拆分

# LoopAI 主环境
conda create -n loopai python=3.12

# 本地评测 / 分析时配合 vLLM 的环境
conda create -n loopai-vllm python=3.10

# Llama-Factory 训练环境
conda create -n loopai-llamafactory python=3.10

# verl GRPO 训练环境
conda create -n loopai-verl python=3.10

这些环境分别做什么

loopai

主环境承载 Starter、WebUI 后端、ObtainerCLI/DataMixer 以及常规图执行。

如果要使用 Obtainer 的网页抓取或 Kaggle 下载流程，需要在该环境中额外安装 Playwright 浏览器：

conda activate loopai
playwright install

数据清洗、去重、质量处理、格式映射和最终导出也由 ObtainerCLI/DataMixer 在主环境中完成。

loopai-vllm

主要给 Judger 或部分分析场景使用。

典型用途：

• 本地启动 vLLM
• 承载评测模型推理
• 作为 OpenAI-compatible 服务被 LoopAI 调用

如果 judger.eval_base_url 为空，Judger 通常会根据配置尝试拉起本地服务，因此相关环境路径要提前准备好。

loopai-llamafactory

主要给 Trainer 使用。

当前训练侧最重要的实际场景是：

• 基于 Llama-Factory 做 SFT

因此如果你计划在 WebUI 中走到训练阶段，就需要提前准备：

• trainer.llamafactory_dir
• trainer.llamafactory_env_path

loopai-verl

该环境用于 Trainer node 的 verl GRPO 路径。首次上手不需要优先准备；只有计划运行 GRPO 时，才需要安装与 CUDA/PyTorch 匹配的 verl，并在配置中提供 verl_dir 与 verl_env_path。

一个更实用的理解方式

如果只是想先把系统跑起来：

• 只需要主环境 loopai

如果要做网页抓取或 Kaggle 数据获取：

• 在主环境里额外执行 playwright install

如果要做本地评测：

• 再准备 loopai-vllm

如果要做训练：

• 再准备 loopai-llamafactory

这样更符合大多数用户第一次上手的成本控制。