阅读环境卡

环境卡描述整个 ChemWorld Gym 环境：如何 reset、一次 step 返回什么、Agent 可以调用哪些辅助接口， 以及当前模型成熟度意味着什么。任务卡讲“这道题”，环境卡讲“这间实验室”。

创建环境

ChemWorld 是统一的 Gymnasium 环境入口。不同任务通过 task_id 选择，但它们共享同 一个物理化学世界律和运行时服务。

env = gym.make("ChemWorld", task_id="reaction-to-purification", seed=1)

环境卡用于说明任务能力、输入输出、成熟度和审计入口。它是 agent 作者理解 benchmark 合同的第一层机器可读/人类可读文档。

Reset 后先看哪些信息

reset() 返回的 info 应包含：

• task_id
• world_law_id
• task_maturity
• 可见 scenario 信息
• budget 和 step limit
• 允许操作列表
• scoring metadata

隐藏 scenario 不应在公开 info 中泄露。

一次 Step 返回什么

step(action) 返回：

obs, reward, terminated, truncated, info

其中 info["constraint_flags"] 是诊断 agent 行为的关键字段。无效动作应产生可解释 flag，而不是让状态静默损坏。

Agent 推荐入口

ChemWorldEnv 现在直接暴露 agent-facing 方法：

• task_prompt()：返回任务说明、目标、预算、可用工具、成功指标和隐藏信息政策。
• available_actions()：返回当前 state 下合法操作及其 schema/preconditions。
• action_schema(operation)：查看单个 operation 的 payload、单位和推荐范围。
• validate_action(action)：只校验不执行，适合 LLM/tool planner 预检查。
• observation_view("rl" | "tool_json" | "lab_report")：面向 RL、工具 agent 和学生的三种公开观测视图。
• campaign_state()：返回 campaign/experiment 进度、remaining budget、best score 和 final assay count。

这些接口是 public observation view，不允许泄露 hidden state、hidden species amounts、rate constants 或 private eval 参数。

渲染与界面

当前 rendering 合同是结构化文本、实验状态、谱图 packet 和 campaign 进度数据。可视化层 应从这些公开字段派生，不能读取 hidden ledger。

自查与诊断

环境自洽性检查应覆盖注册任务、reset/step、replay、spectra、constitution 和 smoke trajectory。检查结果应进入 release checklist。

环境自一致性证据

发布候选应说明注册任务、reset/step、replay、spectra、constitution 与 smoke trajectory 的检查状态， 并把失败项保留在发布说明中。使用者可通过验证安装与结果检查自己的轨迹和提交包。

如何理解成熟度

环境卡必须明确哪些模块是 proxy/lite/reference-validated。没有成熟度标注的 task 不应 进入正式 benchmark claim。