核心概念
| 概念 | 描述 |
|---|---|
| Workspace（工作空间） | 团队的顶级容器。包含项目、成员、API 密钥和集成。 |
| Project（项目） | 工作空间内的训练上下文。包含训练运行、reward 函数、工具和数据集。 |
| Training Run（训练运行） | 单次 RL 训练会话。配置基础模型、数据集、reward 函数和工具。 |
| Reward Function（奖励函数） | 确定性地对 LLM 输出进行评分的 Python 函数。返回一个浮点数。 |
| Reward Rubric（奖励评估标准） | 在训练期间由 LLM 评审员评估的自然语言标准。 |
| MCP Tools | Agent 在 rollout 期间可以调用的函数（计算器、搜索、代码执行等）。 |
| Rollout Server | 您构建的 HTTP 服务器，用于实现自定义 agent 循环。训练集群将 rollout 请求发送到您的服务器，由服务器编排工具调用和 LLM 推理，然后返回轨迹和奖励。使用 Python SDK 的 RolloutAgentLoop API 构建。 |
| Checkpoint（检查点） | 训练期间保存的模型状态。可以合并并导出到 Hugging Face。 |
架构
Osmosis 支持两种 rollout 模式。根据您希望 agent 循环在训练期间运行的位置选择其中一种。选项 A：Local Rollout
Agent 循环在训练集群内部运行。将 reward 函数、rubric 和 MCP 工具推送到 GitHub —— 平台会自动同步并运行所有内容。无需部署服务器。选项 B：Remote Rollout
Agent 循环在您自己的服务器上运行。您只需实现两个函数 ——get_tools()（定义可用工具）和 run()（agent 循环逻辑）—— 通过继承 RolloutAgentLoop。Python SDK 会自动创建一个与训练器兼容的 HTTP 服务器，处理所有协议细节（/v1/rollout/init、/v1/chat/completions、/v1/rollout/completed）。完全控制 agent 逻辑和工具执行。