可选环境

安装完主环境后，并不代表所有 Agent 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
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

bash

# 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 训练环境（暂未支持）
conda create -n loopai-verl python=3.10

这些环境分别做什么

`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`

这个环境可以预留出来，但当前教程中可以明确说明：

verl 暂未支持作为正式可用训练路径

也就是说，文档里可以提到它的规划位置，但第一次上手时不用优先准备它。

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。