使用 Wrapper

Wrapper 把同一个 ChemWorld 环境整理成更适合 RL、LLM 或调试的视图，但不会改变任务目标、预算 或底层状态转移。

怎么选

Wrapper	适合谁	提供什么
AgentInfoWrapper	通用 Agent	在 info 中加入任务说明、campaign 状态和合法动作
LLMObservationWrapper	LLM / tool agent	人类可读 lab_report 与机器可读 tool_json
RLObservationWrapper	RL / bandit	固定长度向量、观测 mask、bounds 与 cost signal
ActionSuggestionWrapper	教程与恢复策略	合法动作和失败后的恢复建议，不代替 Agent 决策
ActionMaskWrapper	RL / 搜索	当前可能合法的 operation mask
SafetyCostWrapper	安全约束学习	更直接的安全与成本通道
NaNObservationWrapper	调试	检查 NaN、inf 与形状异常

组合示例

import gymnasium as gym
import chemworld
from chemworld.wrappers import AgentInfoWrapper, LLMObservationWrapper

env = AgentInfoWrapper(
    LLMObservationWrapper(
        gym.make("ChemWorld", task_id="reaction-to-purification", seed=0)
    )
)
observation, info = env.reset(seed=0)
print(info["lab_report"]["text"])

两个容易踩的坑

1. Wrapper 提供的便利信息也是交互资源。正式比较时要声明方法能否读取 action mask、恢复建议等字段。
2. SafetyCostWrapper 可以重排训练信号，但不应覆盖原始 constraint_flags；原始轨迹仍是验证依据。

Wrapper 不是 oracle，也不应读取隐藏状态替 Agent 做决定。完整公开接口见 从 Agent 接口开始。