安装
安装 UniRL 运行环境和可选文档站。
UniRL 要求 Python >=3.12,<3.14。torch 不是基础依赖：它只通过两个互斥的引擎 extra（sglang 或 vllm）之一引入，这样每个引擎才能锁定各自的 CUDA 栈。你必须选择其中一个引擎 extra。
Python 包
推荐使用 uv，它会遵循 pyproject.toml（[tool.uv]）中声明的、按引擎锁定的 CUDA index：
# SGLang rollout 栈（torch 2.9.1+cu129, flash-attn-4）
uv sync --extra sglang --extra train --extra infer --extra eval
# 或 vLLM / vLLM-Omni 栈（torch 2.11.0+cu129, vllm 0.20.0）
uv sync --extra vllm --extra train --extra infer --extra evalsglang 和 vllm 被声明为冲突 extra，不能同时安装——按你的 rollout engine 选择其一。
如果环境已经提供了兼容的 torch/CUDA 构建，也可以用 pip：
pip install -e ".[sglang,train,infer,eval]" --no-build-isolation需要测试、lint 和 hooks 时加上 dev：
uv sync --extra sglang --extra train --extra infer --extra eval --extra dev
pre-commit install可选 Extra
pyproject.toml 是依赖声明的 source of truth。各 extra：
| Extra | 用途 |
|---|---|
sglang | SGLang rollout engine + 锁定的 torch/torchvision/torchaudio +cu129 栈和 flash-attn-4（Linux） |
vllm | vLLM + vLLM-Omni rollout engine + 锁定的 torch +cu129 栈（Linux） |
train | WandB 和异步运行时依赖（wandb、aiohttp） |
infer | 推理侧辅助依赖（accelerate） |
eval | 评估/reward 依赖（torchvision、easyocr） |
dev | pytest、ruff、pre-commit |
sglang 和 vllm 互斥（[tool.uv].conflicts）。在较旧 glibc 的 pod 上 vLLM wheel 常需从 sdist 现场构建；首次构建较慢（或设置 VLLM_USE_PRECOMPILED=1），uv 会按 pod 缓存。setup.py 仅兼容旧 editable install 工具。
各引擎 extra 已经 pin 了匹配的
flash-attn（sglangextra pin 了flash-attn-4>=4.0.0b4）；除非环境需要特定构建，不要再单独pip install flash-attn。
可选依赖
mmcv 和 mmdetection 默认不安装。只有 Geneval/OpenMMLab workflow 需要时，才按 Geneval MMCV 设置 安装。
如需把重型 reward model 放到独立 GPU 节点而非进程内运行，使用 unirl-reward-service/ 下的独立远程 reward service（它自带依赖和 README）。远程 backend 的接线见 奖励。
可选的 rollout→trainer 数据面总线（TransferQueue / Mooncake）同样需要单独安装。见 TransferQueue 安装。
文档站
Fumadocs 文档站放在 docs/，与 Python 包隔离：
cd docs
npm install
npm run dev静态构建：
npm run build构建产物位于 docs/out/。