发展路线图
当前版本：v0.2.0
OpenRA-RL 已完成 8 个开发冲刺，共 418 项测试全部通过。
v0.2.0 新增内容
- 一行安装：
pip install openra-rl && openra-rl play - 交互式 CLI，内置配置向导、Docker 管理和诊断工具
- 预构建 Docker 镜像，托管于 GHCR（告别 20 分钟的漫长编译）
- 标准 MCP 服务器（stdio），支持 OpenClaw 和 Claude Desktop
- 已发布至 PyPI、GHCR 和 ClawHub
- CI/CD：GitHub Actions 自动化测试、Docker 发布和 PyPI 发布
已完成功能
| 功能 | 状态 | 冲刺 |
|---|---|---|
| Protobuf 协议 + gRPC 桥接 | 完成 | 1 |
| C# 游戏引擎集成（ExternalBotBridge） | 完成 | 1 |
| Python 环境封装（OpenEnv） | 完成 | 1 |
| 单元测试 + 集成测试（80 项） | 完成 | 2 |
| 端到端实战验证 | 完成 | 2 |
| Docker 镜像 + Compose 部署 | 完成 | 3 |
| Null Platform（无头模式，3% CPU） | 完成 | 3 |
| 增强型观测（空间张量、单位属性） | 完成 | 4 |
| 21 种操作类型（守卫、姿态、运输、电力） | 完成 | 4 |
| 实时桥接（非阻塞，约 25 tick/秒） | 完成 | 5 |
| 战前规划阶段 + 情报工具 | 完成 | 5 |
| 批量情报工具（阵营简报、地图分析） | 完成 | 5 |
| 智能体修复（自动放置、生产验证） | 完成 | 6 |
| 统一 YAML 配置 + 本地模型支持 | 完成 | 7 |
CLI 入口（openra-rl play） | 完成 | 8 |
| MCP stdio 服务器 + OpenClaw 技能 | 完成 | 8 |
| 预构建 Docker 镜像（GHCR） | 完成 | 8 |
| PyPI 包 + CI/CD 工作流 | 完成 | 8 |
支持的游戏
| 属性 | 值 |
|---|---|
| 游戏 | Red Alert（OpenRA mod） |
| 地图 | 默认 RA 地图 |
| 玩家 | 1v1（智能体 vs 内置 AI） |
| AI 难度 | Easy、Normal、Hard |
| 阵营 | 盟军、苏军（自动检测） |
未来里程碑
v0.3 — OpenRA-Bench + 多智能体
- OpenRA-Bench：HuggingFace Space 排行榜，用于智能体评估
- 标准化评估协议（地图、对手、指标）
- 回放数据收集与验证
- 社区提交
- 多智能体支持：智能体对战
- 评估脚本：自动化 N 局基准测试，带指标导出
v0.4 — 强化学习训练管线
- PPO/SAC 集成：基于 TRL 和 Stable Baselines3 的训练脚本
- 奖励塑形：可配置的多分量奖励函数
- 课程学习：渐进式难度提升（Easy → Normal → Hard）
- 观测编码器：CNN 处理空间张量、Transformer 处理实体列表
v1.0 — 稳定发布版
- 稳定 API：版本化 Protobuf 协议，向后兼容
- 完整文档：API 文档、教程、研究指南
- 社区基准：发布常用智能体的基线测试结果
- 多 mod 支持：不止 Red Alert（Tiberian Dawn、Dune 2000）
- 回放查看器：基于 Web 的 OpenRA-Bench 回放可视化
参与贡献
我们欢迎各位指挥官参与贡献！以下领域需要增援：
- 智能体实现：新型机器人架构（MCTS、层次化 RL、自我博弈）
- 观测编码器：处理游戏状态的神经网络架构
- 文档：教程、指南和示例
- 测试：边界情况、压力测试、多平台验证
请访问 GitHub 仓库 查看待解决的 issue。