train/approx_kl Approximate KL Divergence，近似平均KL散度，代表的是更新前旧策略 和 更新后新策略 的分布差距有多大。
requires，但它们描述的是插件版本以及主程序版本约束，无法表达“插件依赖哪一版业务 SPI”。
length > 0) { menuIds = res.data.data.menuIds.
getvalue() audio_b64 = base64.b64encode(wav_bytes).
3 -> 阶段 3：配置模型和通道4.4 -> 阶段 4：开放工具、Skills 和自动化4.